云制造环境下机床装备资源选择方法

针对云制造环境下机床装备资源具有数量大、异质异构、服务制约因素多等问题，提出了基于多准则决策的机床装备资源选择方法。首先，利用本体论对机床装备资源建模，将物理资源虚拟化封装，实现虚拟资源与物理资源的逻辑映射。进一步地，使用语言变量量化决策者评估信息，采用模糊决策与试验评价实验室（FDEMATEL）和熵值法（EW）相结合的组合赋权法，引入模糊VIKOR（FVIKOR）多属性决策方法对机床装备资源进行综合评估，建立FDEMATEL-EW-FVIKOR的多准则混合决策模型。最后，将该方法应用于某生产制造企业，实验对比决策结果验证了多准则混合决策模型的可行性和有效性。     

某型导弹综合检测设备信息交换与放大组件的国产化研究

针对某型引进导弹综合检测设备中的信息交换与放大组件使用数量多、故障率高、备件紧缺和外购困难等问题,采用逆向工程的方法,通过剖析原信息交换与放大组件的组成、工作原理及性能指标,提出了基于CPLD技术进行功能替代的国产化研制新思路。研制的国产化信息交换与放大组件具有检测维修方便、备件生产自主可控等特点,已在工厂装备修理中得到应用,能够替代原信息交换与放大组件直接使用,成功解决了制约引进检测设备使用维护中的技术瓶颈问题。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

高效能源系统管理与控制技术

能源系统是飞行器的关键技术之一,能源系统性能的优劣对飞行器能否正常飞行及实现预定任务有重要影响。本文针对大功率飞行器对分布式循环能源系统的管理需求,开展高效能源系统管理与控制技术研究,提出一种集逐级调压控制、限流充电控制、恒流输出控制以及最大功率点跟踪(MPPT)控制为一体的层级梯次控制策略,实现分布式系统的全局优化控制和飞行器能源的功率优化调度。研制的能源管理系统(PCU)配备1条234～328 V高压母线,额定功率15 kW,电路效率大于97%,功率密度大于750 W/kg。PCU依托分布式架构,采用层级梯次控制策略,验证了高效能源系统管理与控制技术的正确性和有效性。     

动态时频谱分析、探测和跟踪的随机有限集法

动态出现和消失多分量信号的时频分析问题一直是非平稳信号处理的难点之一。为此，提出了一种分析、探测和跟踪多分量信号的随机有限集法。该算法利用时频变换，如短时傅里叶变换或自适应谱估计法，以及多项式预测模型，将多分量信号的时频分析问题归纳成可利用随机有限集进行多目标追踪的问题。分析表明：借助于提出的初始权重赋值算法，以及谱分量幅度和频率的联合似然函数，就可利用高斯混合概率假设密度滤波器来实现对动态时频谱的分析、探测和跟踪。在仿真实验中，所提算法有效提升了动态时频谱的跟踪精度，其对微弱时频谱分量的探测能力，以及对载频差异的分析能力均优于文献报道的算法。     

空管自动化系统设备精细化管理的理论与实践

本文主要论述了空管自动化设备精细化管理系统的设计实现过程,着重论述系统设计的理论依据——设备全寿命周期管理,以及在开发设计工作中如何将理论与空管维护部门实际工作相结合开发出高效实用的系统,并利用该系统对空管自动化设备进行科学的管理。