显示界面字符编码工效设计与分析

针对人机显示界面中字符编码的工效设计问题,以封闭模拟驾驶舱为基础,采用32名被试开展静态模拟实验,选取反应时间和反应正确率为工效评价指标,得出不同光照水平、颜色匹配和字符高度下显示界面呈现的中文、英文、数字及符号的辨识绩效.实验结果表明:中/英文、数字和普通符号的辨识绩效差异显著;0~600 lx范围内4个水平光照变化对字符编码辨识绩效影响较小;颜色匹配方式对字符编码辨识绩效影响显著,黄/白、绿/青的字符/背景色匹配方式辨识绩效较差,在字符编码设计中尽量避免使用.通过实验结论及对实验数据的深入分析,建立显示界面字符编码设计的数学模型,为飞机驾驶舱人机显示界面编码设计提供参考.     

侧链基团和填料对硅橡胶材料耐烧蚀性能的影响

为了研究侧链基团和填料对硅橡胶材料耐烧蚀性能的影响,选用具有苯环和多面体低聚倍半硅氧烷(POSS)这2种侧链基团的硅橡胶基体,以及Mg(OH)2、蒙脱石、Fe2O3和短切碳纤维(1 mm)这4种填料,利用马弗炉等温烧蚀和动态热失重TG法研究不同侧链基团和填料样品的耐烧蚀机制。结果表明:苯环和POSS基团的引入使得基体初始分解温度分别提高了79 ºC和9 ºC,质量损失率分别降低了19.4%和12.0%。以Mg(OH)2 25 g(每100 g硅橡胶)、蒙脱石4 g和Fe2O3 6 g作为硅橡胶复合材料进行填料时,其质量烧蚀率为0.008 g/s,相比纯橡胶基体降低了86.8%。在以上配方中继续引入5 g碳纤维,使其质量烧蚀率降低至0.004 g/s。残炭层的微观形貌显示,短切碳纤维形成的三维骨架结构是提高硅橡胶材料耐烧蚀性能的关键。     

单目视觉三维运动位姿测量方法研究

针对基于点特征的单目视觉位姿测量,研究了一种基于不共面5个编码特征点的单目视觉解算算法,利用大靶面高分辨率相机采集运动物体姿态图像,利用目标物体上编码特征点间的几何约束关系,通过正交迭代解算算法完成目标物体的位姿测量。实验结果表明：位移测量不确定度优于0.5mm,姿态测量不确定度优于0.05°,可满足航空航天领域试验测量要求。     

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的三维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm,角度偏差小于0.5°,轨迹平均位移误差小于0.1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。      

基于出行链的电动汽车充电行为影响因素分析

随着电动汽车的快速发展,大规模电动汽车充电将给电力系统规划和运行带来不可忽视的影响,研究电动汽车的充电行为及其影响因素,并实时预测潜在的充电行为越发迫切。基于北京市私家电动汽车的历史车联网数据,引入出行链的概念,综合电动汽车充电过程和放电过程的数据,从实际出发考虑影响电动汽车充电行为的多种潜在因素,并通过logistic回归模型分析确定了显著影响充电行为的因素。分别基于单一和多个显著影响因素建立电动汽车充电行为的预测模型,预测结果表明,基于多个显著影响因素的模型准确率更高,且对晴天的预测效果更好。研究成果将有助于优化电动汽车的充电行为,进而提高电动汽车的充电效率。      

基于UGF-GO法的EWIS退化系统可靠性分析

针对飞机电气线路互联系统（EWIS）差异性大、随时间退化严重、可靠性建模困难等问题,将通用生成函数（UGF）和GO法融合,提出了基于UGF-GO法的EWIS退化可靠性分析方法。首先,考虑EWIS各连接部件使用性能及环境的差异性,利用含随机参数的Wiener退化过程模型建立部件可靠性仿真模型,采用马尔可夫链蒙特卡罗（MCMC）算法对模型中的未知参数进行估计,并与传统二步法参数估计值进行对比,得到较为精确的系统部件退化可靠性曲线。其次,在分析系统退化可靠性时,利用UGF-GO法对某飞机EWIS结构可靠性进行建模及计算。最后,以某飞机电气线路互联系统为例,结合部件退化可靠性计算结果,评估系统在不同给定阈值下可靠性水平。结果表明:UGF-GO法可有效解决系统退化状态的可靠性分析问题。      

一种基于曼哈顿距离的帧间加权预测算法

合并模式通过共享邻域块的运动矢量（MV）来节省编码运动信息比特数,有效提升了编码器率失真性能。然而,当前合并模式中的运动补偿预测（MCP）不够准确。为此,分析了合并模式中的预测残差分布特点,并提出了一种基于曼哈顿距离的加权预测算法作为合并模式的附加候选项。首先,采用邻域合并候选项的运动矢量进行运动补偿预测得到多个预测块;然后,根据候选块位置与像素点的曼哈顿距离对获得的多个预测块进行加权平均得到附加候选项;最后,通过率失真优化（RDO）从附加候选项和原有候选项中选择出最佳的合并模式。实验结果显示:在联合探索测试模型JEM 7.0平台上,所提算法在不同的编码器配置下均获得了率失真性能的提升,其中低延迟P帧下达到了平均1.34%的比特率节省。      

一种开关磁阻电机无位置传感器控制效率优化策略

针对开关磁阻电机(SRM)的简化磁链法只能实现单相导通运行且导通区间固定的缺点,提出了一种结合固定关断角和自适应调节开通角的无位置传感器控制技术。利用曲线拟合关断位置磁链取代传统存储数据表,通过对比实时计算的动态磁链和曲线拟合的静态磁链,确定关断位置信号并估计转速和其他位置。考虑电机阻抗和电感的非线性特点,优化电感最小区域的开通角自调节模型确定导通区间。仿真结果验证了该方案的可行性和正确性,能够实现转子位置的间接检测,电机的运行效率得到进一步优化。     

低轨天基信息定向分发区域分割编码控制方法

为提高低轨指向性信息分发链路的频谱利用效率，从天基分发平台与地面用户的相对位置关系入手，建立了分发指向、编码增益与信道传输容量的量化关系。在此基础上，提出一种低轨天基信息定向分发区域分割编码控制方法，该方法针对不同信息分发区域，采用最小均方误差(MMSE)作为区域分割准则选择编码方式，既提升了信道传输效率也便于工程实现。最后，本文通过仿真分析了方法的效能和性能影响因素，并与现有自适应编码方法进行了对比，验证了本方法的有效性和可靠性。     

基于函数链神经网络的深度分类器

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。