基于DETR的道路环境下双目测量系统

DETR(detection transformer)算法是一个基于Transformer的目标检测算法,具有检测速度快、检测效果好的优势。介绍了一种利用DETR算法及双目视觉原理对道路环境下的人、车、自行车、信号灯等目标进行构建的测量系统。分析了双目测距、相机标定、目标检测以及目标匹配的原理,并以此为基础构建了测量系统。采用目标检测算法检测视野中的目标,利用双目视觉原理对检测到的目标进行测距,同时分析了测量系统中测量误差的来源,并计算其对结果的影响。该算法在KITTI数据集及现实环境中进行测试,测量系统基线为45 cm,对15 m～80 m的指定目标检出率高于90.6%,测距误差小于5.8%,在RTX 2080Ti平台上能够实时运行。     

低慢小飞行物实时检测原理与实验研究

飞鸟撞击飞机与无人机黑飞是威胁航班起降安全的两大隐患,上述的飞鸟和无人机都属于“低慢小”飞行物。为保卫机场净空区的安全,需要研制具有反低慢小功能的预警系统。对此,设计并实现了一套低慢小飞行物实时检测系统,基于FPGA(field programmable gate array)驱动相机阵列实时采集大视场天空视频,将适于硬件操作的奇偶分流算法与帧间差分算法相结合进行运动目标检测,系统帧率达到17帧/s@1 024×768 pixel,平均检测准确率为99.69%。采用千兆以太网、光纤和交换机将前端跑道视频传输至后端塔台指挥中心,支持3 km远距离传输。相比于传统基于软件串行处理的方式,该系统具有高实时性、低功耗与小体积的优势,适合部署在实际应用场景中。     

基于本征正交分解的串列叶栅多目标气动优化研究

为提高压气机串列叶栅复杂气动构型优化设计的效率,本文基于本征正交分解(POD)理论,建立了集几何外形参数化、样本空间降维、气动性能求解、降维模型构建和遗传算法寻优于一体的串列叶栅高效优化设计系统,针对叶型型面和叶片相对位置关系参数,开展了多目标优化设计工作。在7°攻角工况下,优化后的串列叶栅的静压升提高了0.53%,总压损失系数下降了9.25%,其他攻角条件下叶栅性能同样也得到了改善。与传统CFD方法相比,极大提高了优化效率,与基于Kriging代理模型相比,本文发展的优化系统由于缩小了设计变量空间,提高了优化的迭代效率,收敛耗时仅为Kriging代理模型的0.0796%。此外,基于POD方法的优化设计系统具有更高的建模精度,使串列叶栅获得了更高的静压升和更低的总压损失系数。优化后的串列叶栅节距系数增大、弯角比减小,减小了掺混损失,抑制了流动分离,改善了全攻角范围内的气动性能。     

多普勒频移和干涉谱联合的水声目标运动参数估计

常见水中运动目标会辐射连续谱噪声和线谱噪声,连续谱噪声在浅海波导环境中形成明暗相间的干涉条纹。根据干涉条纹可以得到目标最近距离与速度的比值,无法直接解出两个参数值。针对利用干涉条纹无法分别估计最近距离与速度问题,提出一种多普勒频移、干涉条纹结合的运动参数估计方法。根据单条线谱多普勒频移得到最近距离与速度参数耦合曲线,再将该曲线与干涉条纹得到参数比值线相交,交点即为两参数估计结果。数值仿真估计声源运动速度、最近距离,在信噪比6 dB条件下,平均估计误差分别为0.71%与0.87%。将该方法应用在2021年6月大公岛海域海试数据,5组实验数据估计目标运动速度、最近距离平均误差分别为2.5%,4.4%,证明了方法的有效性。     

利用深层卷积网络自适应增强学习的水声目标线谱提取方法

提出了一种使用自适应增强学习的深层卷积神经网络方法对水声目标线谱进行提取。该方法利用构造的多尺度ConvNeXt算子建立滑动窗深层卷积神经网络模型(SwDCNN),设计涵盖损失函数、学习率更新和模型迭代优化的自适应增强学习准则并用于模型训练。仿真和海试数据验证结果表明,所提方法有以下优点:(1)卷积算子和模型结构参数按线谱提取需求配置,可以增强LOFAR谱图特征高性能多分辨力挖掘能力;(2)大规模数据下的模型训练可实现渐进式精确拟合,有助于提升模型收敛效果;(3)模型可有效提取低信噪比、中断、弯曲漂移、粗细不均、邻近成簇、密集分布等复杂情况下的线谱,在查全率、查准率、虚警率、线谱位置精度(LLA)和线谱幅值精度(LAA)等指标上均优于文中其他深度神经网络方法;(4)和传统及其他文中所用的深度神经网络方法相比,线谱最小可检测信噪比分别降低超过5 dB和2 dB,实际复杂场景线谱提取能力更强,综合效果更好。     

基于光谱匹配降维和特征融合的高光谱目标跟踪

针对现有高光谱视频目标跟踪算法在目标尺度发生变化时容易出现跟踪精度下降的问题,提出一种基于光谱匹配降维和特征融合的高光谱目标跟踪算法。首先,利用目标局部光谱和阈值来估计目标光谱,并利用目标光谱与高光谱图像进行朴素相关,实现高光谱图像降维,从而提取目标的深度特征。然后,利用局部方差判断目标区域,提取目标的3D方向梯度直方图（HOG）特征。为保留高光谱图像的光谱信息以及深度特征的语义信息,利用通道卷积融合的方法,得到更具辨别力的融合特征。最后,将融合特征送入相关滤波器,通过尺度池思想提高算法在目标尺度变化挑战下的跟踪鲁棒性。实验结果表明,所提跟踪算法在目标尺度变化挑战下具有更好的性能。     

基于自抗扰技术的四旋翼飞行器视觉伺服控制器设计

基于自抗扰控制技术的四旋翼飞行器视觉伺服控制器克服了惯性传感器无法获取位置信息的缺点,提高了飞行器的灵活性,能够胜任更复杂的任务;文章主要针对基于四旋翼无人飞行器的视觉伺服控制技术问题展开相关研究;选用基于HSV颜色空间的颜色特征提取的方法实现目标跟踪,再通过三角形法则确定飞行器与目标在世界坐标下的相对位置,最后引入自抗扰控制技术设计了水平位置控制器与姿态控制器;通过实验结果分析,文章设计的飞行器视觉伺服控制器可以准确地跟踪目标并实施高精度定位,并且控制系统鲁棒性强,跟踪误差小,能够有效地完成视觉伺服控制任务。     

基于多目标遗传算法的增程式电动汽车动力系统参数匹配优化研究

在完成增程式电动汽车（E-REV）动力匹配与性能仿真基础上,针对E-REV动力系统参数匹配优化问题,以整车制造成本、汽车两种运行模式下等效百公里油耗以及百公里加速时间为目标,以驱动电机峰值功率、发动机额定功率以及电池能量为变量,设计了基于线性加权的多目标遗传算法。结果表明,适当牺牲汽车动力性可最大降低制造成本5.19%,并降低等效油耗9.61%以上。可以得出,通过改善匹配方案能进一步提高整车的动力经济性并降低制造成本,研究对E-REV市场推广及量产化具有重要意义。     

基于光谱的天基空间点目标特征提取与识别

天基空间目标观测时, 对于远距离目标, 通常只能得到一个点的相关信息, 包括目标的位置和灰度等, 损失了目标的材料、大小和状态等特征. 代表物体固有属性差异的光谱特性可作为目标特征提取与识别的一种重要手段. 从目标光谱特性的产生特点出发, 综合考虑目标的材料特性、结构特性、背景特性、轨道特性等因素, 建立了目标光谱特性的数学模型, 提出了基于光谱特性数学模型反演计算的目标特征提取与识别方法, 以环境一号卫星缩比模型为例, 进行了典型参数条件下的目标特征提取与识别实验验证, 实验结果验证了建模方法的正确性.     

Tb0.3Dy0.7Fe2合金的本构参数辨识方法研究

建立了一种简便的、适用于磁畴模型应用的Tb0.3Dy0.7Fe2合金本构参数辨识方法.针对Tb0.3Dy0.7Fe2合金磁畴模型中本构参数不明确且直接实验测试困难的问题,提出了一种数值计算与实验测试相结合的参数辨识方法.采用坐标变换与绘制自由能等势曲线相结合的方法,简化了载荷作用下Tb0.3Dy0.7Fe2合金内磁畴角度偏转的数值计算,研究了合金磁畴角度偏转模型的参数依赖性.在此基础上,结合简单的实验测试,建立了Tb0.3Dy0.7Fe2合金各向异性常数K1和K2、能量分布因子ω、晶轴取向分布的辨识及修正方法.该方法能够简单、快速地完成Tb0.3Dy0.7Fe2合金磁畴模型中本构参数的辨识,对完善磁致伸缩材料磁畴偏转的数值计算模型非常有意义.理论分析可为类磁致伸缩材料磁机耦合模型的建立、完善,以及材料本构参数的辨识、获取提供参考.