基于改进扩展关联模型的飞机组件测试性研究

多信号流图模型是一种简单而有效的系统建模方法,已广泛地应用于测试性分析和故障诊断领域;为了减少飞机维修过程中组件的不必要更换,提高维修效率,对多信号流图模型的建模方法进行研究,以飞机音频管理组件(AMU)为例,建立多信号流图模型,构建故障一测试关联矩阵和故障一故障关联矩阵;为与实际出现的组件故障信息相匹配,对故障一故障矩阵进行改进,构建了实际故障信息一故障关联矩阵,对组件模型进行测试性分析;由实际维修经验可知,该信号模型可快速地定位故障,给出相应的维修措施,减少通常维修中采取的不必要措施,降低了人为因素的影响,大大地缩短了维修时间.     

用于复合材料缺陷可视化检测的l_1正则化算法

随着复合材料在民用飞机中越来越广泛的应用,复合材料缺陷的在线检测对无损检测技术提出了更高要求。为提高平面电容层析成像(ECT)系统的成像质量,从而提高其对复合材料缺陷的检测精度,对基于l1正则化的成像算法进行了研究。采用交替最小化方法进行数值计算,并结合迭代阈值法,对重建图像进行降噪。试验结果表明,与ECT中常用的Landweber、Tikhonov正则化等算法相比,该方法能够有效分辨物场中的不同介质,提高了成像质量和被测物体边缘分辨率。     

基于2DPCA和EBFNN的指纹识别方法

结合小波变换(WT)、二维主元分析(2DPCA)和椭球基函数(EBF)特点,提出了一种基于WT、2DPCA和EBF神经网络指纹识别方法.利用小波变换将原始图像分解为高频分量和低频分量,并忽略水平高频与垂直高频分量,获得原始图像的基本特征.再通过2DPCA算法对该图像进行降维,获取降维特征;最后结合椭球基函数神经网络(EBFNN)完成指纹识别.本算法将2DPCA优化的特征提取与EBFNN的自适应性相结合,在FVC2000(国际指纹竞赛数据库)上做了测试,总的正确识别率可达91.4%,具有一定的实用价值.与WT-PNN算法和WT-2DPCA-RBF算法进行比较,结果表明,本文提出的算法在平移、旋转及光照变化的指纹数据库上的识别效果优于WT-PNN算法和WT-2DPCA-RBF算法.     

椭球基函数神经网络的指纹识别方法

椭球基函数（Ellipsoidal Basis Function,EBF）使网络划分输入空间成为封闭有界的局部作用的空间,与径向基函数（Radial Basis Function,RBF）神经网络的高斯函数相比,它对空间的划分更明确。因此,它的模式识别能力将有所提高。提出了一种基于EBF神经网络的指纹识别方法。首先,利用小波变换（Wavelet Transform,WT）直接从二值化指纹图像中提取细节特征,简化了复杂的预处理步骤,极大地减少了计算量,提高了识别的速度。同时利用EBF神经网络进行分类识别,有效提高了识别精度。该算法在FVC2000（国际指纹竞赛数据库）上作了测试。并与文献[9]中的WT-RBF算法进行比较。实验结果表明,提出的算法获取了较高的识别率,并且缩短了识别时间。     

改进灰色聚类法的飞机液压能源系统效能评估

由于飞机液压能源系统缺乏完善的效能评估指标体系和效能评估方法,构建了一个包含液压能源系统关键部件和参数的两级效能评估指标体系.结合层次分析法和熵权法对指标权重的主观性进行修正,提出了基于改进灰色聚类法的综合评估模型,同时将指标划分为优秀、良好、中等、较差四个灰类,最后综合各指标所属灰类的白化权函数和权重得到系统的聚类系数,确定系统的效能等级.以某型飞机液压能源系统为例,得到了切合实际的效能评估结果,验证了方法在液压系统效能评估中的有效性.     

基于HoloLens的飞机维修远程指导系统

针对飞机维修人员在遭遇棘手维修问题时难以快速处理的问题,提出一种基于HoloLens的飞机维修远程指导系统;采用改进的$P算法,对标注手势点序列进行时间标记,通过对专家端手绘笔划的快速识别,同时结合HoloLens设备的空间感知能力进行三维模型标注的放置;这种新型的索引标注方式,减少了专家端从模型库中调用标注的时间;同时结合二维标注,通过对圈选坐标信息和深度信息获取,对重点维修部位进行标注;在佩戴HoloLens设备时提高了维修人员对专家给出的特定维修部位和重点维修流程的理解程度;对改进$P算法速率进行了实验,实验验证了本文所改进的$P算法提升了手势识别速率,同时二维标注点的准确性也得到了保障,证明了维修远程指导系统的可用性。     

碳纤维复合材料缺陷的小波包分析

利用超声相控阵检测系统对含有裂纹、夹杂、分层三种缺陷的碳纤维复合材料实验板进行检测。对采集到的缺陷信号,在计算机中利用小波包变换进行分析。提出基于距离可分性测度的小波基评估准则,以确定最优小波基。对三种缺陷信号用sym8小波进行小波包的分解和重构,用"频率-能量"的方法提取各类缺陷信号的能量特征;结果表明,该方法对碳纤维复合材料的缺陷类型的区分具有较好的效果,从而为缺陷自动识别奠定了基础。     

基于Hessian矩阵的指纹细节点提取方法

为了弥补Maio等人提出的直接灰度提取细节算法（DGMD）在指纹脊线曲率变化较大时不能正确的提取细节点的缺点,本论文提出了一种基于Hessian矩阵的指纹细节点（端点和分叉点）提取算法。该算法结合Hessian矩阵的特征向量和指纹纹线本身的几何方向的特点,提取跟踪曲线的细节点。本算法在FVC2000（国际指纹竞赛数据库）上作了测试,实验结果表明,指纹脊线曲率变化较大时,算法能正确跟踪指纹脊线方向突变的中心线,从而使细节点提取的总的准确率可达95.5%,具有一定的实用价值。与DGMD算法和单独的Hessian矩阵法算法相比,本方法有很好的鲁棒性和较高的准确性。     

基于小波包分析的超声相控阵检测信号特征提取

通过对超声相控阵A扫信号进行小波分析,研究了基于小波能谱信息熵的特征信息获取方法。并对最优小波基的选取提出了基于能量差异原则的选取方法,对40种小波基的能量差异进行分析,选取了三种小波基对两类A扫信号进行小波包分析,用于信息熵值的提取。最后对掺杂不同杂质的碳纤维复合材料的A扫信号的超声检测信号应用所选小波基进行分解,计算了信息熵值并加以比对,作为不同掺杂下碳纤维复合材料的超声相控阵信号的特征值。     

奇异点和隐马尔可夫模型融合的指纹分类

为了提高分类精度,提出一种基于奇异点和隐马尔可夫模型(HMM)融合的指纹分类方法.分别对基于奇异点的指纹分类方法和基于HMM的指纹分类方法的信任度函数进行分配,利用证据理论求得两种方法联合作用下的基本可信度分配值.最后,根据纹形模式判定规则.选择具有最大支持度的目标完成指纹纹型分类.利用提出的方法在国际指纹竞赛数据库上做了测试,总的纹型辨识平均正确率可达94.5%,识别结果优于奇异点分类方法和HMM分类方法,具有一定的实用价值.