基于SCAE⁃ACGAN的直升机行星齿轮裂纹故障诊断

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。     

基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。     

机载光电雷达它机试飞技术研究

机载光电雷达受平台及大气环境影响较大,而它机试飞能有效规避研制风险,是产品研制的必经阶段。本文介绍了机载光电雷达它机试飞试验系统组成、试验流程和数据处理等内容。经工程验证,实施过程满足任务需求,对其他光电系统的它机及本机试飞具有参考价值。     

数控转台精度再创新高

数控转台对多轴加工中心的性能起着举足轻重的作用。在机床的整个生命周期中,转台的精度和可靠性是机床制造商关注的首要问题。为此,Matsumoto Machine Corporation(MMK)采取了一种切实可行、双管齐下的方法来减少分度误差,提高性能。通过强化产品校准和编码器技术,MMK将转台精度提升到新高度。     

基于门控联合池化自编码器的通用性文本表征

为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks, RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。     

基于深度学习的视频跟踪研究进展综述

近年来深度学习迅猛发展，颠覆了语音识别、图像分类、文本理解等领域的算法设计思路。深度学习因其具备强大的特征提取能力，在图像识别领域的成绩尤为突出。然而深度学习与视频监控领域的结合并不多，由于深度模型具有多层网络结构，算法复杂度大，训练和更新模型时比较耗时，很难满足实时性要求。回顾了深度学习的发展史，介绍了最近10年来国内外深度学习主要模型，论述了基于深度学习的目标跟踪算法，指出了各算法的优缺点，最后对当前该领域存在的问题和发展前景进行了总结和展望。     

PAN纤维共聚单体作用机理的光电离质谱研究

本工作以丙烯腈/衣康酸（IA）二元共聚原丝以及丙烯腈/IA/丙烯酸甲酯（MA）三元共聚原丝为研究对象，利用热重分析仪（TG）和热解-同步辐射真空紫外光电离质谱（Py-SVUV-PIMS）对其热稳定化过程进行研究。TG结果表明，氮气气氛下，二元共聚原丝（PAN/IA）和三元共聚原丝（PAN/IA/MA）分别呈现三阶段和两阶段的热分解过程，其中PAN/IA的第一和第二阶段均对应PAN线型分子链的断裂，但前者是由自由基环化反应放热引发的，后者则是由正常温度下的热分解所致，而单体MA的加入显著抑制了自由基环化反应，使得PAN原丝的热稳定化能够以单体IA诱导的离子型环化反应为主较平缓地进行，相应的热失重过程也由两阶段转变为了单阶段。Py-SVUV-MS的实验结果表明，两种共聚PAN原丝在程序升温过程中会生成包括含氮小分子、丙烯腈单体及低聚物、成环化合物在内的三类主要热解产物，对比各类产物的生成趋势和产量，推断单体MA通过降低PAN结构的规整度，使其无定形化，从而增加环化反应的引发点，促进PAN原丝向稳定的预氧丝转变，同时由典型热解产物——甲基丙烯腈的生成路径可知，MA本身并不参与PAN大分子的环化反应，属于中性共聚单体。空气气氛下，CO₂的产量差异也间接证明了MA单体能够有效提升PAN纤维的固碳能力，采用三元共聚方法制得的PAN纤维热稳定性能更佳。