摘要：针对航空行李自动化码放处理需求下构型特征感知能力不足的问题,设计以PointNet++为基准,融入图卷积神经网络和自注意力机制的航空行李特征感知网络模型.在骨干网络的特征抽象层中引入局部空间注意力模块,提取航空行李点云中相邻点的关联空间结构特征,感知区域特征空间的内在联系.通过全局特征聚合模块学习行李点云局部特征间的相关性,自适应聚合航空行李局部特征,形成点云全局上下文信息.利用循环最大池化层回收特征降维中丢弃点的特征,在多个层次上收集航空行李的特征信息,在减少信息冗余的同时,保留强度鲜明的局部、全局特征激活.实验结果表明,航空行李分类的平均精度和整体精度分别为94.68%和96.32%,比PointNet++分别提高了6.53%和5.07%.该网络模型的航空行李特征感知性能优于现有的其他智能算法,能够为航空行李码放空间优化及控制提供准确、可靠、有效的输入.

摘要：针对冰雪气象下除冰保障过程的精细化管理及预测精度低下的问题,提出了一种基于时空关联动态贝叶斯网络的飞机地面除冰保障过程动态预测方法。在系统性分析除冰保障过程的基础上,设计了面向离港除冰队列的时空关联节点判别方法,基于K最近邻算法简化关联节点并构建了变结构动态贝叶斯网络模型。基于核注意力机制的除冰保障节点先验概率密度估计方法,结合条件概率更新结果构建了面向不同状态的飞机地面除冰保障过程动态预测方法。实验结果表明:所提方法在考虑除冰保障演化不确定性的基础上实现了各节点的动态预测,平均绝对误差为2.34 min,整体精度相比静态贝叶斯网络方法最大提升8.66%,为地面除冰运行战术组织及决策控制提供了有效依据。

摘要：针对飞行员操纵驾驶舱拨动开关的反应时问题,通过搭建飞行模拟实验舱,采集飞行员操纵驾驶舱拨动开关的反应时数据,应用多因素方差分析方法,研究在多因素影响下,影响飞行员反应时的因素。结果表明:驾驶舱拨动开关位于飞行员正前方左侧水平斜向下45°的面板,反应时最短;规定正确的操作开关方向为向前为正,相比方向为向后为正,飞行员的操纵反应时更短;高负荷因素下,飞行员反应时更长;有灯光引导条件下可以降低飞行员的反应时;面板位置、负荷处理、灯光引导3种因素主体之间的交互作用对飞行员操纵驾驶舱拨动开关的反应时的影响显著。通过实验研究与数据处理分析,结果客观真实,有助于提升飞行员的飞行安全水平,也为操纵器件设计问题提供了基础实验研究和建议。

摘要：针对遥感图像背景噪声多,小目标多且密集排列,以及目标尺度分布广导致的遥感图像小目标难以检测的问题,该文提出一种根据不同尺度的特征信息自适应融合的混合锚检测器AEM-YOLO。首先,提出了一种结合目标宽高信息以及尺度宽高比信息的二坐标系k-means聚类算法,生成与遥感图像数据集匹配度较高的锚框。其次,设计了自适应增强模块,用于解决不同尺度特征之间的直接融合导致的信息冲突,并引入更低特征层沿自底向上的路径传播小目标细节信息。通过混合解耦检测头的多任务学习以及引入尺度引导因子,可以有效提高对宽高比大的目标召回率。最后,在DIOR数据集上进行实验表明,相较于原始模型,AEM-YOLO的AP提高了7.8%,在小中大目标的检测中分别提高了5.4%,7.2%,8.6%。

摘要：近年来,L波段(1164~1610 MHz)频谱拥挤日渐严重,我国北斗卫星导航系统可用资源明显不足,基于频谱资源的不可再生性,探索研究新频段迫在眉睫。鉴于目前C波段导航信号设计尚不成熟,各国对C波段卫星导航信号体制也都还处于探索研究阶段,我国有必要预先开展C波段卫星导航信号研究。处于C波段中5010~5030 MHz的卫星导航信号具有较少的频谱干扰、较低的电离层误差等显著优势,但仅有的20 MHz带宽对诸如射电天文业务(Radio Astronomy Service,RAS)和微波着陆系统(Microwave Landing System,MLS)等相邻业务频段的射频兼容性要求极为严苛。首先提出将多调制指数(Multi-h)的正交频分复用-连续相位调制(Orthogonal Frequency Division Multiplexing-Continuous Phase Modulation,OFDM-CPM)联合调制方式应用于C波段卫星导航;其次,在分析关键参数对Multi-h OFDM-CPM信号功率谱特性影响后,选取关联长度L为64、调制指数h为0.5的单调制指数(Single-h)OFDM-CPM(10)信号和h为[1/16,3/16]的Multi-h OFDM-CPM(10)信号作为C波段候选导航信号;最后,对包括兼容性、码跟踪精度、抗多径干扰在内的基础导航性能指标进行评估。研究表明,OFDM-CPM调制方式能很好兼顾C波段信号的带外约束性和导航性能要求,OFDM-CPM(10)h=[1/16,3/16]信号在所述各个基础导航性能指标上均表现最佳,在兼容性方面能弥补OFDM-CPM(10)h=0.5信号的略微不足。然而考虑到多调制指数会增加接收机复杂度,因此在C波段导航中,只有当接收机采用低复杂度检测算法时,Multi-h OFDM-CPM信号才会是比Single-h OFDM-CPM信号更佳的选择。

摘要：X光图像违禁品检测是一项极其重要的工作,可以在机场、车站等公共场所检测出各种危险物品,防止事故发生,保护旅客安全。然而,由于X光图像背景复杂、目标尺度变化大等问题,传统的检测算法难以实现准确的检测。因此,针对X光图像背景复杂、违禁品尺度变化大等问题,同时考虑到实际检测场景中对于模型性能和运行速度的要求,本文对YOLOv5s网络模型进行改进。首先,为了提升网络对全局特征的提取能力,在主干网络引入Transformer模块,依赖其全局建模能力,弥补局部信息的不足;然后,为了更加准确地检测X光图像中不同尺度的违禁品,结合空洞卷积、CBAM(Convolutional Block Attention Module)设计感受野自适应融合模块,对不同尺度感受野信息进行合理分配,提升对于背景复杂下不同尺度违禁品的检测精度,使模型可以更好地适应不同的任务场景;最后,在模型中使用优化的DIoU(EDIoU)边框回归损失函数,在DIoU中引入惩罚权重φ,在缩短模型的训练时间,减小边框损失误差的同时,进一步提高模型对违禁品的检测精度。为了验证本文提出的优化方法的可行性,优化后的YOLOv5s模型在实验室自制的数据集SIXray_OD上进行验证,实验结果表明,优化后的模型检测平均精度提升到89.8%,较原模型提升0.9%。

摘要：异常磨损产生的大磨粒蕴含航空发动机的健康状态信息。为了克服单一电感式或电容式传感器对磨粒种类区分的局限,提出了一种以三线圈电感与管道内置叉指式电容为基础的复合传感器。传感器通过分割灵敏场,利用差分结构,提高测量灵敏度和抗干扰能力。基于多物理场仿真软件,运用控制变量法对传感器结构参数进行优化设计。通过对输出特性分析表明:在内方外圆的管道中(内边长6 mm,外径10 mm),传感器可检测60μm铁磁性金属磨粒、222μm非铁磁性金属磨粒和268μm非金属磨粒,并能有效区分滑油磨粒大小和材质。

摘要：目的针对当前三维装箱算法存在的模型鲁棒性差、泛化性弱、装载率低等问题,设计一种无监督融合机制的在线装箱算法。方法充分考虑货物“即到即码”的实时性需求,以容器空间利用率为优化目标,基于无监督深度融合指针网络端到端学习模型框架,将在线三维装箱的码垛过程公式化地表述为马尔科夫决策过程,设计强化学习要素,并以深度强化学习算法为主,融入蒙特卡洛树搜索,对智能体的决策动作进行训练,以生成具有较优“学习”能力的在线三维装箱模型。结果采用125种不同尺寸和方向随机生成货物数据集,并在7种约束条件下验证,实验结果表明,容器的平均利用率可达84.6%。结论该算法的泛化性较好,且其装载率远优于当前效果较好的启发式算法、深度学习方法,为货物的在线装箱提供了理论依据及参考。

摘要：目的针对航空集装箱多目标装载优化问题,综合提升航空货物的装载效率,降低装载成本,确保装载安全。方法结合航空货物装载实际情况,将容积利用率、载重利用率和重心偏移量作为优化目标,充分考虑载重、体积等7类约束,构建航空集装箱多目标装载优化模型。设计一种混合智能算法对该模型进行求解,先采用三空间分割策略结合改进遗传算法生成初步装载方案,再结合大规模多目标进化算法深度优化,综合考虑各目标函数值,生成最终的装载方案。结果采用国际BR算例和真实货物数据进行测试,实验结果表明,针对BR算例中不同异构型货物的平均填充率超过93%,在真实货物装载下,平均容积利用率和载重利用率分别为90.56%、76.40%,平均重心偏移量不超过5 cm。结论所提出的装载算法对航空集装箱多目标装载场景具有良好的适应性,有助于提升航空货物的运输效率和运输安全性。

摘要：目的在行人重识别任务中,行人外观特征会因为遮挡发生变化,从而降低行人特征的辨别性,仅基于可视部分的传统方法仍会识别错误。针对此问题,提出了一种融合姿态引导和多尺度特征的遮挡行人重识别方法。方法首先,构建了一种特征修复模块,根据遮挡部位邻近信息恢复特征空间中被遮挡区域的语义信息,实现缺失部位特征的修补。然后,为了从修复的图像中提取有效的姿态信息,设计了一种姿态引导模块,通过姿态估计引导特征提取,实现更加精准的行人匹配。最后,搭建了特征增强模块,并融合显著性区域检测方法增强有效的身体部位特征,同时消除背景信息造成的干扰。结果在3个公开的数据集上进行了对比实验和消融实验,在Market1501、DukeMTMC-reID(Duke multi-tracking multi-camera re-identification)和Occluded-DukeMTMC(occluded Duke multi-tracking multi-camera re-identification)数据集上的平均精度均值(mean average precision,mAP)和首次命中率(rank-1 accuracy,Rank-1)分别为88.8%和95.5%、79.2%和89.3%、51.7%和60.3%。对比实验结果表明提出的融合算法提高了行人匹配的准确率,具有较好的竞争优势。结论本文所提的姿态引导和多尺度融合方法,修复了因遮挡而缺失的部位特征,结合姿态信息融合了不同粒度的图像特征,提高了模型的识别准确率,能有效缓解遮挡导致的误识别现象,验证了方法的有效性。