低速冲击后复合材料蜂窝夹芯板的疲劳特性

对含低速冲击损伤的蜂窝夹芯板试样进行了拉－拉、压－压和拉－压等３种疲劳试验,以及疲劳后的静载拉伸、压缩破坏试验。用Ｘ光技术、热揭层技术和外观检测等对疲劳损伤的扩展和疲劳后静载的破坏进行了研究,分析了疲劳损伤对蜂窝夹芯板性能的影响。结果表明,低速冲击后蜂窝夹芯板单向疲劳性能良好,而双向疲劳性能可能较差。     

通用航空机队设备可靠性动态识别模型

通用航空机队设备可靠性是通航单位安全运行的前提条件,是影响运营单位经济效益的重要因素之一。根据通航单位机队设备可靠性数据统计、分析及实际使用情况,采用ATA100章节名称作为指标源。综合可变模糊识别方法和权重阶梯朴素贝叶斯分类器模型的优势,构建了通用航空机队设备可靠性动态识别模型。为了避免主观给定指标权重导致的不合理,应用熵权法客观获取指标权重。最后利用实例测试样本验证了权重阶梯朴素贝叶斯分类器的合理性,并基于该方法对待识别样本进行了可靠性状态识别。实例分析表明：基于权重阶梯朴素贝叶斯分类器的通用航空机队设备可靠性状态识别模型具有较强的可行性和合理性,为通用航空机队设备可靠性状态提供了一种科学的识别方法。     

光学遥感压缩成像技术

基于Shannon采样定理的传统信息获取系统在高空间、时间和谱分辨率及系统其它性能上存在难以突破的瓶颈,压缩采样理论为提升航天遥感信息获取能力提供了新的思路。基于压缩采样理论的成像技术（压缩成像）将采样、压缩和数据处理3个过程完美的结合在一起,避免了传统遥感成像系统“先采样再压缩”方式带来的传感器和计算资源浪费,是未来光学遥感极具潜力的成像方式。文章在简要介绍压缩采样基本理论的基础上,总结和分析了国际上目前提出的光学压缩成像系统原型,设计开展了3组压缩成像物理实验,特别结合航天遥感需求设计了推扫式压缩成像方案,实验结果验证了压缩采样的基本原理,并为未来光学遥感压缩成像系统的设计提供了借鉴。     

双极性压缩观测光谱成像技术研究

压缩传感突破了 Nyquist-Shannon 采样定理的限制,从随机观测的少量测量值中即可高精度地获取图像,给成像设备的设计带来了巨大变革。压缩传感理论证明可以通过重构恢复获得比焦平面阵列分辨率更高的场景图像。尽管在理论上存在巨大优越性,压缩传感成像系统的物理实现需要考虑一些实际问题。文章围绕压缩传感成像设备进行了研究,提出了一种物理可实现的压缩成像方法,该方法利用双通道观测架构实现压缩成像中的双极性观测,解决了压缩成像理论与实际物理约束不一致的问题。采用多路技术和多膜技术实现大视场观测与多次视场观测,该方法可以单次曝光获取充足的观测值来高精度重构原图像。压缩光谱成像数值仿真实验验证了该方法的有效性和鲁棒性。     

激光冲击强化提高主动连杆振动疲劳性能

针对某型发动机放气活门主动连杆转接R处的疲劳断裂问题,进行了主动连杆激光冲击强化工艺研究;完成了原型件和激光冲击强化、喷丸及加大R3种处理工艺后主动连杆振动疲劳对比试验.结果表明,在317MPa的应力水平下,激光冲击强化、喷丸和加大R后主动连杆疲劳寿命分别为原型件的5.24倍、3.89倍及1.36倍;与其它2种工艺相比,激光冲击强化具有强化效果好、工艺稳定性高、易于实现等优点,是截至目前减少主动连杆疲劳断裂故障的最佳处理工艺.主动连杆激光冲击强化后表面粗糙度较小,产生深度约1.4mm的高数值残余压应力层,表层晶粒细化至纳米晶并伴随高密度位错.三者共同作用可以有效缓解转接R处的应力集中,抑制疲劳裂纹在转接R处的萌生和扩展,是主动连杆振动疲劳寿命提高的主要原因.     

基于Bayes分类器的DoS／DDoS攻击防御技术

提出了一种基于贝叶斯分类算法的分布式拒绝服务攻击防御技术。利用贝叶斯分类算法来计算数据包的分值特征,按照分值表对数据包进行评分并映射成危险等级。然后对危险等级进行评估,根据不同危险等级对网络流量进行过滤。基于该防御技术,设计并实现了防御系统。通过实验分析,该系统在DoS／DDoS攻击发生时能有效区分正常流量与异常流量,从而实现对DoS／DDoS攻击进行实时防御。     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

基于RIPless理论的层析SAR成像航迹分布优化方法

层析合成孔径雷达成像(TomoSAR)是通过同一观测区域不同入射角的多幅二维合成孔径雷达(SAR)图像在高程向进行孔径合成,从而实现三维成像。近年来,压缩感知(CS)被用于高程向稀疏场景的重建,高程向重建质量取决于观测矩阵的性质,而航迹分布是影响观测矩阵重构性能的重要因素。相比于度量观测矩阵重构性能的其他约束条件,RIPless理论具有有效、直观和计算简单等优点。提出了一种基于RIPless理论的压缩感知层析SAR成像航迹分布优化准则,从而在航迹数目一定的情况下,获取最优分布以实现高程向优化重建。最后,通过仿真和实验验证了所提优化准则的有效性。     

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。