航空发动机损伤图像的二分类到多分类递进式检测网络

航空发动机损伤是影响飞行安全的重要因素.当前基于计算机视觉的发动机孔探图像损伤检测存在两个主要问题:一是孔探图像背景复杂,使得模型对损伤的检测精度较低;二是孔探图像数据来源受限,导致模型可检测类别较少.为解决这两个问题,提出了基于Mask R-CNN的二分类到多分类递进式航空发动机损伤图像检测网络.通过在Mask R-...     

基于风格迁移的交互式航空发动机孔探图像扩展方法

在航空发动机孔探图像缺陷检测任务中，缺陷区域样本数量远少于正常样本数量，且缺陷样本无法覆盖整个样本空间，导致检测算法泛化能力较差。针对上述问题，提出了一种基于风格迁移技术的交互式数据扩展方法。首先，通过交互界面选择背景图像和缺陷目标，并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息；其次，通过风格迁移技术将背景图像的风格迁移到目标图像上，使得背景图像和待检测目标具有相同的风格；最后，利用泊松融合算法对融合区域的边界进行修正，以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中，测试人员的平均分类错误率达到了44.0%；而在基于Mask R-CNN模型的检测任务中，所提方法的检测和分割平均精度（AP）较传统方法分别提高了99.5%和91.9%。     

基于风格迁移的交互式航空发动机孔探图像扩展方法

在航空发动机孔探图像缺陷检测任务中,缺陷区域样本数量远少于正常样本数量,且缺陷样本无法覆盖整个样本空间,导致检测算法泛化能力较差。针对上述问题,提出了一种基于风格迁移技术的交互式数据扩展方法。首先,通过交互界面选择背景图像和缺陷目标,并根据背景图像指定需要粘贴的目标的大小、角度和位置等信息;其次,通过风格迁移技术将背景图像的风格迁移到目标图像上,使得背景图像和待检测目标具有相同的风格;最后,利用泊松融合算法对融合区域的边界进行修正,以达到连接区域自然过渡的效果。通过二分类和缺陷检测验证了该方法的有效性。在包含真实图像和扩展后图像的二分类实验中,测试人员的平均分类错误率达到了44.0%;而在基于Mask R-CNN模型的检测任务中,所提方法的检测和分割平均精度（AP）较传统方法分别提高了99.5%和91.9%。     

自适应智能控制航空发动机起动系统

本文分析了航空发动机起动电动机的起动原理,阐述了将自适应智能控制应用于航空发动机起动控制的方法和特点。实践证明,该方法获得了令人满意的控制效果。     

自适应智能控制航空发动机起动系统

本文分析了航空发动机起动电动机的起动原理,阐述了将自适应智能控制应用于航空发动机起动控制的方法和特点。实践证明,该方法获得了令人满意的控制效果。     

检测器和分类器级联的飞机发动机损伤检测

目的 基于深度学习的飞机发动机损伤检测是计算机视觉中的一个新问题。当前的目标检测方法没有考虑飞机发动机损伤检测问题的特殊性,将其直接用于发动机损伤检测的效果较差,无法满足实际使用的要求。为了提高损伤检测的精度,提出检测器和分类器级联的发动机损伤检测方法：Cascade-YOLO(cascade-you only look once)。方法 首先,将损伤区域作为正例、正常区域作为负例,训练损伤检测网络,初始化特征提取网络的网络参数;其次,固定特征提取网络,使用多个检测头分别检测不同类型的发动机损伤,每个检测头独立进行检测,从而提高单类别损伤的检测召回率;最后,对于置信度在一定范围内的损伤,训练一个多分类判别器,用于校正检测头输出的损伤类别。基于检测结果,利用语义分割分支可以准确分割出损伤区域。结果 构建了一个具有1 305幅且包含9种损伤类型的孔探图像数据集,并在该数据集上量化、对比了6个先进的目标检测方法。本文方法的平均精确率(mean average precision, MAP)、准确率、召回率相比单阶段检测器YOLO v5分别提高了2.49%、12.59%和12.46%。结论 本...     

基于显微图像的航空发动机大磨损颗粒检测系统研究

根据航空发动机磨损监测要求,在综合考虑民用数码相机和数字摄像机各自优点的基础上,对普通光学显微镜的光路进行了改进,设计了谱片自动制作与磨粒图像自动采集的硬件系统;针对磨粒分析要求,重点研究了大磨损颗粒的图像融合方法。     

计算机图像实现航空发动机无损故障检测

航空发动机是一种工作在严苛工况下的设备,对其进行无损的故障检测可以有效的减少事故的发生。对无损检测法设计了良好的图像处理过程,结合candon变换的方法对发动机叶片故障进行了识别与检测。     

基于DenseNet和ResNet融合的发动机孔探图像分类研究

孔探是检测发动机内部损伤最重要的手段之一.为了解决发动机孔探检查中孔探人员主要依靠经验对损伤进行界定的问题,研究了基于DenseNet和ResNet融合的新型单通道网络结构,实现对发动机部件的分类,为后期孔探缺陷自动识别建立基础.通过对某大修厂孔探数据和自建数据进行处理,完成了孔探图像分类数据集的构建;训练新型的49层网络模型,在自建数据集测试集上测试的准确率和平均召回率分别为96.0％ 和95.9％,有较好的泛化能力,可以有效的对发动机部件进行分类.     

基于参数摄动模型的航空发动机鲁棒弹性自适应控制

航空发动机特性随飞行条件和工作状态变化,在复杂工作环境中同时存在模型不确定性和控制器自身参数变化问题,很大程度上影响整个飞行包线的控制性能。为此,文章提出一种基于参数摄动模型的航空发动机鲁棒弹性自适应控制方法。其首先建立了航空发动机参数摄动结构化模型;然后针对被控对象模型的不确定性和控制器增益的摄动,利用李雅普诺夫稳定性（Lyapunov stability）理论和线性矩阵不等式约束,设计了增益摄动有界但上界未知时的鲁棒弹性自适应控制律,将控制器的设计问题转化为线性矩阵不等式的可行解问题,使控制器的设计仅依赖线性矩阵不等式解矩阵的存在性,并证明了算法的稳定性。在此基础上,文章对飞行包线内发动机不同工作状态进行控制仿真验证。结果显示,调节时间小于1.8 s,超调量小于5%,这表明所设计控制器具有良好的稳定性和控制性能。     

基于图像区域特征的自适应边缘检测

边缘检测技术的关键在于检测前的图像去噪问题。Madenda方法考虑了尖锐、模糊、噪声的影响,但在全图像范围内采用的是统一的噪声抑制参数和模糊控制参数,从而缺乏对不同区域内噪声抑制的针对性。为此,提出基于图像区域特征的自适应边缘检测方法,通过熵和对比度的计算,将原始图像逐级分解,直到达到预先设定的阈值条件。然后根据各个区域的特点,自适应地计算出相应的噪声抑制参数和模糊参数,从而达到对该区域噪声最合理的抑制,以达到最佳的边缘检测效果。实验结果表明,该方法可以有效地抑制噪声的影响,获得高质量的边缘检测图像。     

基于线激光扫描的航空发动机叶片非接触式检测研究

以往使用放电探头法和超声法容易受到环境影响,航空发动机叶片叶型尺寸检测不精准,检测耗时较长;为了解决该问题,提出了基于线激光扫描的航空发动机叶片非接触式检测研究;根据航空发动机结构;使用线激光扫描装置,结合CCD相机、分辨率为768×576 pix图像采集卡、23步进伺服马达,对三维空间位置信息的检测,实现坐标系统在X方向上转换;确定光条位置后,构建线激光扫描检测数学模型,确定像坐标系高度值与真实空间高度值之间转换关系,完成叶片叶型尺寸扫描;设计非接触式检测流程,避免受到环境干扰,通过光强峰值反映叶片叶型尺寸;在四坐标检测仪支持下,进行实验验证分析,由实验结果可知,该方法检测到的航空发动机叶片叶型尺寸误差在-0.008~+0.009 mm之间,在允许误差±0.01 m范围内,检测结果精准且检测效率高,能够为航空稳定运行提供技术支持。     

交通场景中车辆的运动检测与阴影消除

提出一种算法框架实现对交通场景中运动车辆的分割。首先,提出一种基于颜色空间的浮动气球模型,用以解决监控场景的自适应背景建模问题,该方法解决了基于参数模型的背景建模方法无法检测驻留物体的问题,并可有效适应监控场景中的光照变化以实现自适应更新;其次,针对通过背景建模和背景差分得到的运动前景区域包含运动车辆阴影问题,提出一种新的阴影检测算法,该算法采用多特征融合的方法实现了对运动车辆的分割。实验结果分析表明,与其他方法相比,该算法框架在背景建模和阴影检测方法具有较好的效果。     

飞机发动机叶片裂纹自适应检测算法的研究

发动机叶片裂纹检测是机务维护的重要内容,能否快速准确地检测叶片裂纹,对于缩短战场抢修时间、保障飞机的完好率具有重要的意义.本研究采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;基于边缘检测的小波滤波方法能动态的确定分解层次,有效抑制了噪声点的影响,提高了图像的视觉效果;自适应阈值分割是通过迭代的方法寻找图像的最佳分割阈值,能自动、可靠地检测裂纹的位置、长度等特征.仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求.     

点到弦距离累加的自适应角点检测

提出了一种自适应角点检测算法(ACPDA),以解决CPDA算法采用全局阈值去除伪角点所存在的缺陷,即无法正确处理邻近角点、钝形角点和圆形角点的问题。该算法的优势主要包括:1)提出了角点邻域再检测方法,实现对邻近角点的有效检测,同时使角点定位更加精确;2)为每条曲线构造了一个曲线自适应阈值来去除伪角点,避免了钝形角点的丢失;3)构造角点局部自适应阈值来有效去除圆形角点。对比实验表明,ACPDA算法降低了漏检角点数和伪角点数,具有更好的检测性能。