直升机桨叶摆振量的全场景视觉测量及分析

直升机旋翼桨叶在高速旋转时,进行全场景桨叶摆振测量和分析,对直升机桨叶载荷设计和旋翼结构设计具有重要意义。本文设计了桨叶摆振量立体视觉测量系统,并进行摆振模式拟合分析。首先,对课题组已有立体视觉测量系统进行改进,并在风洞试验中完成不同总距及周期变距下的旋转桨叶标记点三维坐标测量;其次,解算桨毂坐标系下的桨叶摆振量;最后,采用一阶多项式对桨叶在特定时刻下的摆振模式进行拟合分析,采用复合正弦函数对桨叶旋转过程中的摆振规律进行拟合分析。风洞测量实验结果表明,在4.6 m×4.6 m场景中测量的摆振量均方根误差小于1 mm;桨叶摆振模式和规律模型拟合度好,其均方根误差小于1 mm,为直升机桨叶设计提供了数据支撑。     

直升机桨叶挥舞量的全场景视觉测量及分析

桨叶旋转时的挥舞状态反映了直升机旋翼的性能。旋转桨叶的全场景挥舞测量和分析,是直升机旋翼试验研究的热点和难点。本文提出了一种基于大视场立体视觉的桨叶挥舞量测量和挥舞模式回归分析方法。首先,构建大视场立体视觉系统并测量桨叶标记点的三维坐标;其次,在桨毂坐标系下计算桨叶标记点的挥舞量;最后,对桨叶在不同总距和周期变距下的挥舞量进行回归分析。包括,利用四阶多项式拟合分析桨叶在特定时刻的挥舞模式;利用复合正弦函数拟合桨叶旋转过程中的挥舞规律。直升机悬停状态下的桨叶挥舞测量结果验证了本文方法的有效性,在4.6 m×4.6 m场景中测量的挥舞量均方根误差小于1 mm;挥舞模式和规律回归分析的模型拟合度好,其均方根误差小于1 mm。     

基于RBF神经网络与LMD的滚动轴承故障诊断方法

直升机传动系统故障诊断及预测对提高其运行时的可靠性和安全性具有重要意义。本研究首先采用小波包降噪与局部均值分解相结合的方法提取滚动轴承故障特征,其次用故障样本对设计好的RBF(Radial Basis Function Neural Net-work,简称RBF)诊断网络进行训练,最后利用训练好的RBF网络实现故障的智能诊断。实验结果验证了该方法能够有效地对滚动轴承故障进行分类识别。     

二维凝胶图像一致蛋白质点集提取方法

针对凝胶图像间蛋白质点人工比对工作量大和易出错的问题,提出一种基于粗配准一精匹配的一致蛋白质点集自动提取方法.根据凝胶图像的SIFT特征匹配结果对凝胶图像进行粗配准;采用标记分水岭方法进行点检测;再根据蛋白质点的距离相似度和灰度相似度进行双向匹配,提取一致蛋白质点集.通过对多种不同来源的凝胶图像进行实验,提取一致蛋白质点集的正确率高于97％.结果表明,该方法在具有缩放、旋转、亮度和噪声差异的凝胶图像中提取一致蛋白质点集都具有较好的稳定性.     

差分空时系统的天线选择算法

一般的天线选择算法都需要信道状态信息,根据信道参数选择天线.然而,估计多输入多输出(MIMO)系统的信道参数大大增加了系统复杂性,而且,在快衰落信道中,信道估计是很困难的.基于正交空时编码和接收信号向量的范数,提出了非相干的天线选择算法(NON-AS),不需要估计信道,并将算法应用于差分空时系统.性能分析和仿真结果表明,在高信噪比情况下,NON-AS算法能实现和完全复杂性系统同样的分集增益.     

曲面重构算法的研究

提出了一种基于多层感知器网络的曲面重构算法 (ML PSR) ,建立了用于曲面重构的多层感知器网络模型。本文对基于二维拉格朗日局部插值的曲面重构算法 (2 DL L SR)与 ML PSR进行对比。为了更好地评估这两种算法的有效性 ,选择可用数学表达式表达的曲面作为重构对象。仿真实验结果表明 ,这两种算法在曲面重构上各有优点。当 2 DL L SR算法的阶次高于等于曲面本身的阶次时 ,曲面重构的效果很好。ML PSR算法在曲面重构的速度和精度上都比较好 ,尤其在曲面受到破坏或不完全时特别有效。     

基于图像的点读坐标提取方法

为快速准确地获取点读机的点读坐标,提出一种基于图像的点读坐标提取方法,该方法首先采用邻近像素差分、图像二值化、连通域检测和最小二乘直线拟合等方法建立书本坐标系;其次,利用点读笔颜色和杆状特征,并采用扫描法实现了图像中笔尖坐标的定位;最后,对图像坐标进行标定后,计算得到点读坐标。实验结果表明,该方法具有误差小、抗干扰能力强、通用性好的特点,能达到点读机对坐标精度的要求。     

基于GWO-CMFH和改进ResNet轴承故障诊断

针对不同程度的小分类轴承故障,现有故障诊断方法准确率不高的问题,提出基于GWO-CMFH和改进ResNet的滚动轴承故障诊断方法。对于同一类型不同程度故障,提出基于GWO自适应优化结构元素参数的CMFH滤波方法,增强振动信号的脉冲故障特征并抑制背景噪声;采用连续小波变换将滤波后的信号转换成二维时频图谱;最后,提出基于混合注意力机制改进的残差网络模型,提高轴承故障诊断精度。在西储大学、东南大学及所选轴承数据集上进行验证实验,不同故障程度的小分类诊断准确率分别达到99.73%、98.12%和99.07%,表明所提方法具有很好的抗噪性、鲁棒性,可提高滚动轴承不同故障程度的诊断效果。     

基于top-hat变换与形状特征的蛋白点检测

针对凝胶图像中蛋白质点检测存在弱蛋白质点漏检和重叠蛋白质点难分离的问题,提出了一种基于top-hat变换与形状特征的弱重叠蛋白质点检测算法。采用top-hat变换算法增强弱蛋白质点区域;采用标记控制分水岭法进行粗检测,提取蛋白质点的初始轮廓;根据蛋白质形状特征,自适应设定阈值提取蛋白质点形状标记,并利用提取的标记计算形状距离图;采用基于形状距离的分水岭方法,分离重叠蛋白质点。通过不同类型真实凝胶图像的蛋白质点检测实验,结果表明,该算法具有较高的检测精度和重叠蛋白质点分离率,而且对质量不好的凝胶图像也有较好的检测效果。     

基于双目视觉的直升机旋翼桨叶共锥度检测法

提出了一种基于双目视觉的直升机旋翼桨叶共锥度检测方法。首先,采用平面标定算法对双目视觉系统进行标定,获取摄像机内外参数;其次,采集不同桨叶的立体图像对,并用Bouguet算法对其进行校正,获取重投影矩阵;然后,对立体图像对中的标记点进行检测与匹配,获取标记点的视差;最后,根据双目视觉测量原理计算出桨尖距地面的高度,实现桨叶共锥度检测。通过对旋翼塔进行多次测量实验,结果表明该方法具有动态测量、非接触式、操作简单、危险性小和精度高的优点。