基于双目视觉的多型号电连接器检测技术

通过双目视觉平台捕获图像反馈PC机，采用基于支持向量机（SVM）的机器学习方法对目标进行分类。判定型号并为每个型号加载图像处理检测方案及参数矩阵，实现电连接器针脚的柔性定位预处理，之后执行针顶轮廓的精确拟合算法，结合插针排列模版实现其三项检测工作。最后，通过实例验证与重复精度实验，结果表明本文方法具备面向多型号的柔性检测能力，并且稳定性，精度，效率满足低频连接器的检验要求。     

军工电子产品外协技术状态控制研究

介绍了军工电子产品外协技术状态控制的现状,分析了控制难点,从控制源头、加强过程控制、供应商动态评价、建立与供方互利的关系四个方面提出了加强军工电子产品外协技术状态控制的思路和对策。     

A new vibration mechanism of balancing machine for satellite-borne spinning rotors

The centrifugal force and overturning moment generated by satellite-borne rotating payload have a significant impact on the stability of on-orbit satellite attitude, which must be controlled to the qualified range. For the satellite-borne rotors＇ low working revs and large centroidal deviation and height, and that the horizontal vibration produced by centrifugal force is not of the same magnitude as the torsional vibration by overturning moment, the balancing machine＇s measurement accuracy is low. Analysis shows that the mixture of horizontal vibration and torsional vibration of the vibrational mechanism contribute mainly to the machine＇s performance, as well as the instability of vibration center position. A vibrational mechanism was put forward, in which the horizontal and torsional vibration get separated effectively by way of fixing the vibration center. From experimental results, the separation between the weak centrifugal force signal and the strong moment signal was realized, errors caused by unstable vibration center are avoided, and the balancing machine based on this vibration structure is able to meet the requirements of dynamic balancing for the satellite＇s rotating payloads in terms of accuracy and stability.     

成人自考生学习动力现状的调查分析

采取问卷调查、访谈调查的方法，对重庆市部分成人自考生的学习动力现状进行了调查。通过调查发现，成人自考生学习动力受到性别、年龄、职业、工作年限、经济收入等多方面因素的影响，最后提出了相应的建议。     

基于平滑先验分析和排列熵的滚动轴承故障诊断

由于机械系统的复杂性,滚动轴承振动信号的特征信息表现在不同尺度上,因此需要对振动信号进行多尺度分析。基于此,提出一种基于平滑先验分析(Smoothness priors approach,SPA)和排列熵(Permutation entropy,PE)的滚动轴承故障诊断方法。该方法首先采用平滑先验分析方法代替传统的时间序列分解方法对滚动轴承信号进行分解,得到轴承信号的趋势项和去趋势项;其次,分别计算趋势项和去趋势项的排列熵值;最后,将排列熵值作为特征向量,输入基于粒子群优化支持向量机建立的分类器。将该方法应用于滚动轴承实验数据并进行对比分析,结果表明,在训练样本数为每类50%的条件下,该方法的故障诊断正确率比PE和经验模态分解-PE分别高出12.5%和3.125%。     

基于深度学习的翼型反设计方法

建立了一种基于深度学习的翼型反设计方法,将翼型曲线及其对应的压力分布图像作为训练学习对象,建立其内在联系的模型,实现通过卷积神经网络提取压力分布图像的特征,计算获得翼型曲线。该方法直接将压力分布图像作为模型输入,更加直观简洁,同时避免了传统方法中耗时的数值计算过程。模型测试中,6 000组压力分布图像和翼型曲线用于模型训练,另外561组用于模型验证,验证耗时仅67 s,预测的翼型曲线与CFD计算结果的平均相对误差为055%。对比实验中,通过对压力分布曲线添加噪声、改变输出层尺寸等方式,进一步验证和分析了预测模型性能。结果表明该翼型反设计方法具有较高预测精度和较强鲁棒性,能在保证精度的情况下降低计算时间,提高设计效率。     

基于粒子群核极限学习机的涡扇发动机加速过程模型辨识

针对解析法建立涡扇发动机加速过程模型精度和实时性不高的问题,提出了一种基于粒子群核极值学习机(PSO-KELM)的涡扇发动机加速过程模型数据驱动辨识方法,构建涡扇发动机加速过程模型,结合加速过程试车数据,利用PSO-KELM方法对该加速模型进行辨识。试验结果表明:低压转子转速、高压转子转速和低压涡轮出口燃气总温都较好地逼近了试车数据,最大相对误差均值分别为1.013%,0.355%和1.055%,平均计算时间为0.04ms。精度和实时性均优于反向传播神经网络和粒子群支持向量回归方法,可用于发动机状态监控和性能优化控制。     

基于支持向量经验模态分解的故障率时间序列预测

 针对故障率时间序列的非线性与非平稳特性,提出一种基于支持向量经验模态分解(SVEMD)的预测方法。首先,将故障率时间序列分解为多个固有模态函数(IMF)与一个余量(RF),利用最小二乘支持向量机(LSSVM)预测时间序列两端的局部极值点,以抑制传统经验模态分解(EMD)的边缘效应;同时以LSSVM回归方式形成包络线,以取代传统EMD中的三次样条插值;然后,建立各IMF与RF的预测模型;最终,将各IMF与RF的预测结果相加以获得故障率时间序列的预测结果。仿真结果表明,该方法的预测精度较传统基于EMD的预测方法与单一预测方法有显著提高,可实现对故障率的准确预测。     

基于自适应联邦滤波的相对导航信息融合

针对基于GPS/MV组合导航方式的无人机空中加油问题,分析了对接阶段GPS及视觉传感器存在的条件约束。在建立导航传感器非线性相对位置测量模型的基础上,设计了基于扩展卡尔曼滤波的自适应联邦滤波器,并与集中式滤波进行了对比仿真。结果表明,提出的算法保证了部分传感器失效时导航数据输出的平稳性和容错性,滤波精度完全满足无人机空中加油相对导航系统要求。     

基于层次状态机的雷达显控技术研究

鉴于雷达显控系统的复杂度不断提升,各种状态相互交叉,相互影响,导致软件结构的设计也越来越复杂,不便于设计和后期的维护.本文采用了基于层次状态机的方法,将雷达显控系统的各种状态按照层次进行分类,针对不同的层次设计出其状态转换图,使编程更加简化,层次更加分明,同时可减少代码占用空间,提高系统的实时性能.