Faster R-CNN模型改进及机翼标记检测应用
2021-09-07惠小强杨小宝
西安邮电大学学报 2021年3期
惠小强,刘 欢 ,杨小宝
(1.西安邮电大学 物联网与两化融合研究院,陕西 西安 710061;2.西安邮电大学 电子工程学院,陕西 西安 710121)
机翼作为飞机最关键的部件之一,易于变形和损坏[1]。对于机载武器,机翼变形除了影响飞行安全,还会影响武器对目标的命中性能,必须监视变形前后的状态,以修正机翼变形引起的对准误差,避免影响命中性能[2-3]。机翼在设计时,不仅要坚固,还要考虑其韧性,在一定角度内的弯曲是没有问题的,一般可以承受3个重力加速度的过载,在飞机机翼静力实验中,机翼向上摆动的弯曲变形幅度非常大[4]。在飞行过程中,机翼主要受到弯矩作用产生弹性变形,当飞机进行加速、减速、俯冲或者转弯等变速飞行时,气流会产生气动力及力矩,使飞机受到的加速度大于或小于此时的重力加速度,给机翼带来不期望的附加过载,从而易于发生疲劳损坏。
机翼扭曲检测方式随着航空事业的发展也逐渐多样化,主要归结为分布式、激光和视觉等3种测试方法。分布式测试方法通过分布在机翼关键测试部位的加速度传感器进行测量,同时处理加速度计的输出便能得到对应的模态参数。但是,激励状态下的非稳定性等因素,将影响机翼变形模态参数的判别而使颤振参数的判别不易。同时,该方法为接触式独立点测量,测试点数较少,导致资源未能充分利用[5]。激光测试方法通过使用激光照射到翼面的反射靶标进行测量,翼面反射回的光束从探测器传至信号处理器,逐点对单个靶标进行监测,最终依据其他信息获得翼面的震动参数。……
登录APP查看全文
