为研究激光粉末床熔融（laser powder bed fusion, LPBF）成形Ti6Al4V合金的高周疲劳性能，采用LPBF技术在不同激光功率下成形Ti6Al4V合金试样，并对最佳工艺参数成形试样进行了热处理；研究成形试样表面形貌与合金显微组织演变行为，并进行热处理Ti6Al4V合金静态拉伸和不同应力载荷下的疲劳试验与裂纹扩展速率试验。结果表明，当激光功率为300 W时，成形试样的表面平整且试样内部无明显孔隙、裂纹等冶金缺陷；同时经热处理试样显微组织由针状α′马氏体转变为粗化的α+β层状混合物；在应力比为0.06条件下，循环基数为107的热处理Ti6Al4V合金的疲劳强度为567.5 MPa，稳定扩展区的疲劳裂纹扩展速率da/dN与应力强度因子幅度ΔK呈线性关系。

激光增材制造铝合金构件室温及高温力学性能对于提升其在航空航天等领域的服役稳定性至关重要。本文研究了成形方式对激光粉末床熔融(LPBF)AlSi10Mg构件室温压缩性能、高温拉伸性能、高周疲劳性能和室温裂纹扩展速率等力学性能的影响规律。结果表明：水平方式成形试样(拉伸、压缩、疲劳等载荷平行于试样铺粉方向)具有更优的压缩性能，表现出更优异的抗压强度及屈服强度(分别为201.0 MPa与251.3 MPa)；在高温拉伸试验中，不同成形方向试样的抗拉强度及屈服强度随着试验温度升高(从100 ℃升至175 ℃)均呈下降趋势，而延伸率均逐渐升高，且水平方式成形试样的拉伸性能均优于垂直方式成形试样(载荷垂直于试样铺粉方向)。垂直方式成形AlSi10Mg合金试样经历10⁷循环周次的中值疲劳强度为151.25 MPa，疲劳寿命约为2.1×10⁵周次，疲劳裂纹扩展门槛值为0.981 MPa·m^1/2。

提出了一种基于曲面能量映射的反馈优化设计方法,通过预先计算目标面能量分布趋势重新分配目标面网格单元,构建新的自由曲面透镜面型。采用该方法设计并分析比较了一系列透镜,仿真发现:当目标面半径与目标面高的比值(DHR)为2、透镜高和LED宽度的比值从1∶1变化到1.5∶1时,照度非均匀性下降了8.97%~11.95%;当透镜高和LED宽度的比值为1.5∶1、DHR从1.8变化到2.2时,照度非均匀性下降了7.60%~16.49%。所提方法能有效改善扩展光源下目标面的照度均匀性,设计过程不依赖于仿真软件,迭代次数少,简便易行。

为减少因封酒环缺陷导致酒质量变差的问题,提高缺陷检测效率,需对封酒环在线缺陷检测方法展开研究与开发。根据封酒环结构、位置与瓶盖内径、深度等特点,研发一种基于机器视觉双视场双工位协同在线检测系统。针对封酒环轮廓缺陷在二维信息中难以提取的问题,提出将封酒环轮廓二维信息转换成一维向量,在此基础上应用一维向量理论对其缺陷进行分析与处理,并采用小波模极大值法进行缺陷提取与判定。实验结果表明该系统可有效检测封酒环轮廓任意位置缺陷,检测精度达到99.89%。与手工检测相比,轮廓信息经维度转换后,检测效率提高6倍以上,满足现场实际生产和预期研发要求,为封酒环无损在线检测提供新的途径。

提出了一种基于深度学习的车位智能检测方法。利用TensorFlow深度学习平台对车辆目标识别模型进行了训练,提取了有效车辆图像的优化间隔,给出了车辆分布的精准识别结果,实现了对车辆分布识别结果的有序编号和车位空缺状况的准确判断。利用模拟数据和实际采集数据,分别验证了车位分布的智能识别、车位智能编号和空车位判断的可靠性。

基于三基色发光二极管(light emitting diode, LED)与方棒的投影照明系统具有色域宽、体积小的优点, 但三基色LED和方棒配合使用时, 存在投影亮度不高的问题。首先基于光学扩展量匹配原则选择了LED光源, 然后设计了一组自由曲面的准直透镜和收集透镜。仿真结果表明: 准直透镜出射光线集中在±7.5°内, 方棒出射端±30°内的能量利用率为51.7%。实际加工并测试了设计的自由曲面准直透镜和收集透镜。测试结果表明: 采用本文设计的没有镀减反增透膜的透镜组, 投影机出射亮度比原使用镀了增透减反膜的透镜的系统高1.6%。预计设计的透镜镀减反增透膜后投影机出射亮度有望提升9.8%。

通过对飞行员多维生理信号的分析来预测飞行绩效是飞行安全的重要研究内容之一。基于细菌觅食算法(BFA)优化的广义回归神经网络(GRNN)建立飞行绩效预测模型, 对飞行员多维生理信号进行训练, 从而预测模拟飞行实验中的飞行绩效。通过对比模型预测结果与飞行绩效真值, 验证了该方法的有效性, 为飞行绩效的预测提供了一条新途径。

航空人为因素会对航空安全产生重要影响，通过提取飞行员多生理信号主成分评估飞行员工作负荷是航空人为因素重要研究内容之一。提出一种有效提取飞行任务中多生理信号稀疏主成分的高效算法——稀疏主成分分析(SPCA)，它通过对标准主成分分析(PCA)施加限定的约束或惩罚项来实现结果的稀疏。经过模拟飞行实验采集的多维生理信号数据集和公共数据集的实验，结果显示与标准PCA相比，SPCA提取的稀疏主成分解释性更强、计算用时更短。

驾驶舱内飞行员工作量的计算需要飞行员的动作数量、动作时间等动作信息。目前, 关于动作识别的研究一般都是对特定动作, 如走、跳等的识别, 无法应用于驾驶舱内的飞行员。同时, 由于飞行员操作基本由手来完成, 因此对飞行员的动作识别基本可以认为是对手部动作的识别。据此提出一种基于深度图的飞行员动作识别方法, 该方法先通过对飞行员手部进行跟踪, 再通过基于动作段的方法确定飞行员动作。此外还提出一种触发方法, 以实现系统对动作的自动识别。实验结果显示, 所提方法的动作识别率约为94. 06%, 表明该方法能够有效地识别飞行员动作。

飞行员认知状态是影响人机飞行控制系统表现的重要因素。认知状态通常不能被直接测得, 需借助于诸多的生理信号间接分析。根据典型生理信号的时频特点, 应用小波分析建立信号特征集, 并提出了一种基于花粉传播算法的高斯过程分类模型, 用以分析全动飞行模拟实验中的飞行员认知状态。通过对比分类结果与飞行员的NASA-TLX测评结果, 验证该模型对飞行员认知状态识别的有效性。