纳米SiC增强碳纤维层合板摩擦磨损性能

为了探寻一种简便的制备纳米SiC增强碳纤维层合板的方法,本文将纳米SiC颗粒均匀分散在无水乙醇中,制备成不同质量分数的SiC试剂,然后均匀喷涂在碳纤维预浸料表面,固化成型。对不同试件进行摩擦磨损实验,得到不同含量的纳米SiC颗粒对碳纤维层合板摩擦因数、磨损量的影响规律,并且对磨损形貌和复合材料的硬度进行分析。实验结果表明：在碳纤维预浸料表面喷涂纳米SiC颗粒能够有效改善碳纤维层合板的摩擦磨损性能;当纳米SiC浓度为1%时,层合板的摩擦因数、磨损量、磨痕的宽度及深度较于不含纳米SiC的层合板分别降低52%,63%,32.3%,54.8%,摩擦磨损性能最好。     

空间站机械臂人机系统设计与验证

在充分调研国际空间站机械臂人机系统设计的基础上,结合中国空间站机械臂人机协同作业需求,建立了空间站机械臂“管理-设计-验证”全周期人机设计体系,通过人机项目规划、人机功能分配等管理要素,针对性地开展了空间机械臂人机系统详细设计,最后,从仿真分析、地面验证、在轨验证三大方面对人机系统进行了全要素全流程的验证,结果表明空间站机械臂人机系统设计合理,可应用于后续航天员出舱活动,保障航天员出舱活动安全、高效。研究结果将为空间机械臂人机系统设计与验证提供体系借鉴和工程指导。     

镁铝富燃料推进剂燃烧性能研究

为了研究镁铝富燃料推进剂燃烧性能,采用捏合机混合物料、真空浇注、恒温固化的方法制备推进剂试样,用靶线法测试推进剂燃速(0.5~2.0 MPa),用Vieille经验公式r=apn计算压强指数。研究表明,细粒度AP含量增加,燃速逐渐增加,而压强指数先升高后降低。采用复合催化剂GFP/Fe2O3可同时提高燃速和压强指数。当催化剂质量含量为5%时,改变GFP/Fe2O3比对推进剂的燃速及压强指数的影响与氧化剂AP级配有关。对于细粒度AP含量高的配方,GFP/Fe2O3对燃速和压强指数影响较大。金属含量对燃速影响较大,对压强指数影响很小。而Mg/Al比对燃速和压强指数影响都很小。随着氧化剂中KP含量增大,燃速呈下降趋势,压强指数先升高后下降。     

基于正交试验法的3P3R磨削机器人灵活性优化

针对机器人磨削加工复杂曲面工件时,存在加工路径不连续、需要更换夹具而影响加工精度的问题,提出了一种3P3R磨削机器人.使用D-H法建立了机器人的运动学模型,得到了机器人的正解方程.建立了工件坐标系{W}主动、工具坐标系{T}被动模式的新型机器人系统坐标系,指出了机器人基坐标系{O}与{T}的相对位置是影响磨削机器人的灵活空间的重要因素.采用正交试验法,得到了机器人的第二关节方向的相对位置是影响灵活磨削空间最显著的因素,并且优化了磨削机接触轮相对于机器人摆放的位置,使机器人的灵活磨削空间扩大了1倍,提高了磨削机器人的灵活性.     

基于特征信息隶属度的目标关联分析技术

重点研究基于电子信息的目标关联,提出一种利用计算特征信息隶属度的方法对辐射源识别信息与 目标之间进行关联分析并以此进行目标识别的方法.该方法实现简单,获得的结果可以直接参与后续综合处理.     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

提高相位干涉仪测角精度新方法

为进一步提高传统相位干涉仪测角精度,提出一种利用所有基线信息的新测角方法。在给出该测角方法的基础上,分析了该方法的测角精度。理论分析表明该方法测角精度优于传统方法,可适用于一维和二维线阵,且不改变现有阵列的布阵形式,算法计算量小。仿真结果验证了理论分析的正确性,且在低信噪比情况下,该方法测角性能提高更加明显。     

基于神经元的瓦楞横切机实时控制系统设计

对基于瓦楞横切机的交流伺服控制系统进行数学建模并进行理论分析。为解决瓦楞机上位机操作系统实时性能差的缺点并提高控制系统的控制精度,系统采用“Windows+RTX”作为瓦楞机的上位机软件运行平台。DSP作为目标嵌入式,利用双口RAM实现数据交互,控制系统采用神经元PID的控制算法,使控制系统具有良好的自学习能力、响应速度快、超调量小等优点。试验结果表明,采用此方案,控制系统自动化程度高、切割精度高、性能稳定。     

基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。     

基于方向图匹配的单天线波束扫描测角方法

针对传统单天线波束扫描测角问题,提出一种基于方向图匹配的波束扫描测角方法.首先分析了传统波束扫描方法存在的测角精度低、非理想主瓣侦收条件下难以适用的问题,提出利用全部观测数据与方向图抽样点进行匹配的方法,给出了基于互相关的角度估计方法.考虑到搜索角度初值对互相关法计算量的影响,给出了基于方向图包络特征的搜索范围确定方法;基于方向图的连续性表示和多级搜索方法,在降低计算量的同时,保证较高的估计精度.理论和仿真结果表明,该方法具有测向精度高、计算量低的优点,对侦收角度无要求,提高了波束搜索法的适应性.