面对复杂地形条件下的无人机突防任务, 粒子群算法(PSO)在寻找最优路径的过程中易陷入局部最优、搜索时间过长等困境。针对上述问题, 在PSO中引入球坐标系, 将所得的路径看作向量。通过向量的距离、仰角和方位角与无人机的速度、俯仰角和转向角的相互关系来实现粒子的迭代更新。最后, 引入随机自适应惯性权重, 弥补粒子前期局部搜索能力与后期全局搜索能力的不足。仿真结果表明, 改进算法能够有效规避威胁区域, 收敛速度更快, 收敛精度更高, 且不易陷入局部最优。

激光在热弹效应下激发出的声表面波，在柱状材料表面传播过程中发生相移现象。通过有限元方法对铝材圆柱中表面波相位变化规律以及表面波与缺陷作用机理进行数值模拟。数值研究表明: 激光产生的表面波负相位最强，传播过程中负相位向正相位移动，相位差逐渐减小，180°左右正负相位强度大致相等，之后正相位继续增强、负相位持续减弱，并且沿圆周每传播一周，其相位发生一次翻转，缺陷产生的表面反射波有同样的相位变化现象；通过B扫图发现RRcw随缺陷角度增大变得模糊，RRccw随缺陷角度增大变得明显。说明反射波产生时间的长短与受干扰程度成正比，针对柱状材料表面缺陷提出了合理的检测范围；对不同深度缺陷数值模拟发现，深度变化使得P波峰在接收时间上发生延迟，推测P波峰传播路径并提出相应公式进行证明，计算结果与模拟结果吻合度较高，可通过此公式定量缺陷深度信息。以上研究结果为超声波检测柱状材料表面缺陷提供了有效参考。

小口径金属圆柱体的缺陷检测是无损检测领域的一个难题。通过有限元方法对金属圆柱中横波传播特性以及与缺陷作用机理进行数值模拟。探究了横波的方向性变化、圆孔缺陷半径对横波传播影响、不同位置和不同长度的缺陷对横波传播的影响。研究表明横波在传播过程中主要能量范围由15°~36°变为20°~35°，提出了近似正三角形的传播路径并进行验证，发现横波到达表面后发生模态转换，一部分声波以略面纵波的速度沿表面传播；对于圆孔缺陷，圆孔半径在3.4~4.6 mm范围内可通过幅值变化判断孔径信息，半径在4.6~5.8 mm范围内可通过接收时间判断孔径信息；对于不同位置的矩形缺陷，当缺陷进入到横波主要能量范围内，C扫图中出现近似线性的高能量区域，探测角度随着缺陷位置增加而增大，此范围内的缺陷可通过反射信号的探测角度判断位置信息；对于不同长度的矩形缺陷，随着缺陷长度增加，透射波能量减弱并且探测角度减小，呈现出近似线性的能量分布，通过探测透射波到达外表面的角度可判断缺陷长度信息。提出了相应的传播路径和长度计算公式，计算结果得到的误差百分比控制在6.5%以内，验证了该缺陷长度检测方法的有效性。

为解决激光超声技术对现代工业中零部件缺陷的快速分析、检测的问题, 本文经多次试验提取了不同缺陷深度下超声表面波信号, 并对信号进行截取、去噪、平滑等预处理; 通过HHT对预处理后反射回波信号的计算分析, 获取不同缺陷深度的反射回波的各阶IMF以及Hilbert能量谱和Hilbert边际谱, 并从中对信号的时频域特征信息进行提取分析。结果表明: 缺陷的加深使得相邻波峰波谷的最大倾斜率逐渐减小, 信号的IMF2分量的中心频率及能量随之呈增长趋势, 信号低频部分能量呈指数增长, 对总能量贡献率增大, 信号的幅频波动变得平稳, 收敛频率减小, 信号的幅频收敛性变得更好。

为了实现对金属构件表面微小裂纹的定量检测, 本文采用仿真和实验相结合的方法, 对经过不同深度表面裂纹的激光超声透射Rayleigh(瑞利)波的波形进行对比分析, 提取畸变区域内的波形, 计算其波包能量, 研究波包能量与表面裂纹深度的依赖关系, 并通过拟合表达式对裂纹深度进行反演。研究结果表明: 当表面裂纹的深度以0.1 mm的步长从0.1 mm增加到0.5 mm时, 透射Rayleigh波的波包能量呈线性减少, 且仿真与实验分析结果相一致。反演所得裂纹深度与理论裂纹深度的最大误差为0.022 4 mm, 总体平均误差为0.011 5 mm。因此, 该研究结果可以有效的对表面裂纹深度进行定量表征。

无人机在复杂战场环境下, 因敌我双方无人机外形、颜色等特征较为相似, 如何准确地对敌方无人机识别是实现其自主导航及作战任务执行的关键。由于受敌方无人机飞行速度、形状、尺寸、姿态等的改变及气象环境因素的影响, 无法准确地对其进行识别与分类。针对这一问题, 提出基于迁移学习卷积稀疏自动编码器(Sparse Auto-Encoder, SAE)实现对航拍多帧图像中敌方目标对象的识别与分类。算法首先借助SAE对源领域数据集中大量无标记样本进行无监督学习, 获取其局部特征; 然后, 采用池化层卷积神经网络(CNN)算法提取目标图像全局特征; 最后, 送入Softmax回归模型实现目标对象的识别与分类。实验结果表明: 与传统非迁移学习的SAE算法及基于底层视觉特征学习的识别算法相比, 该算法具有更高的准确性。

针对激光超声检测过程中, 缺陷的分类、定位及特征难以识别的问题, 根据激光超声遇到不同裂纹呈规律性变化的特点, 采用神经网络对在激光超声检测中出现的缺陷特征进行统计识别。对采集到的激光超声信号归一化和规范化后, 首先计算每个信号的均值、均方根值、峰值、峭度等十个统计特征, 并将这些特征组合成一个等长的特征向量, 然后采用径向基(RBF)神经网络识别。经过计算发现总的识别正确率为95%, 部分类型的缺陷识别可以达到100%, 较低的识别正确率也在80%以上。实验结果表明, 该方法能精确、高效地识别裂纹缺陷且对环境的适应能力比较好, 有助于实现对裂纹的定量检测。

为了解决航空发动机原位裂纹的快速检测问题，得到特征信息与缺陷深度之间的关系，本文通过实验室已搭建的实验平台，使用激光器在一系列不同深度缺陷的航空铝板上激发激光超声信号，对收集到的信号进行小波去噪，通过小波包研究去噪后的反射回波信号的频带能量分布特征。结果表明：反射回波信号的能量主要集中于S80～S87频带；当缺陷深度为0.2 mm至0.4 mm时，能量主要集中在相邻的两个频带上；当缺陷深度为0.5 mm至0.7 mm时，能量主要集中在相间的两个频带上。该分析方法为超声信号定量表征表面微缺陷提供了一种思路，为今后从频带能量方面分析裂纹深度奠定了一定的基础。

通过已搭建好的激光超声检测实验平台, 在保持相同激光脉冲能量和相同探测位置的条件下, 重点研究了点光源与线光源产生的超声信号的特点和区别。研究了不同探测位置点光源与线光源激发出的超声信号幅值以及产生的超声信号波形。实验发现: 在同一探测位置下, 将点光源换成线光源后, 产生的超声信号幅值由1.3 V提高到1.7 V, 提高了0.4 V; 在探测位置逐渐增大的情况下, 点光源激发出超声信号幅值的衰减幅度为75.78%, 而线光源激发出的超声信号幅值的衰减幅度为34.92%。结果表明, 在功率密度相同的情况下, 线光源产生的超声信号要比点光源产生的超声信号幅值提高40.86%, 产生较强的表面波, 提高了信噪比。

为了改善传统硬件相位测量中存在电路复杂、测量精度低、工作频带宽窄等诸多缺陷,利用AD8302的良好高频测相能力,设计了一种新的激光外差干涉信号处理系统,分析了其工作原理,并取得了静态、动态实验数据.结果表明,系统测量误差小于0.5°,使外差干涉理论测量分辨率提高到0.088nm,更有利于微振动信号的测量.