基于局部几何特征的稠密点云配准方法

针对现有的稠密点云配准方法依赖初始位置设定、计算成本高、配准成功率不高等问题，提出了一种基于点云局部几何特征的稠密点云配准方法。采用深度卷积网络模型提取点云的局部几何特征，从而减少了三维点云数据的噪声、低分辨率和不完备性等带来的影响。在此基础上，使用K维树搜索完成局部几何特征描述子的关联工作。最后，通过随机采样一致算法对点云的相对位姿进行鲁棒的估计。通过对开源数据集上5个典型场景中的数据测试表明，该方法的配准成功率达到92.5%，配准精度达到0.0434m，配准时间相对最邻点迭代配准算法缩短了74.7%，实验结果验证了该方法的有效性、实时性和鲁棒性。     

面向21世纪的精益生产

从社会和科技发展的角度提出精益生产（ＬＰ）企业应重视学习、加强合作、具备快速应变能力并应进行绿色生产，以迎接２１世纪的到来。     

基于迭代学习控制的导弹PID控制器参数寻优

针对设计导弹PID控制器时存在的对比例、微分、积分3个控制参数大量盲目试凑的问题,利用迭代学习算法对控制参数进行自动寻优,最终得到最佳控制参数,从而实现了对PID控制器参数自动寻优的目的,简化了控制器的设计过程。通过仿真结果验证该方法在PID控制器参数自动寻优上是有效的,同时也为导弹控制器参数整定提供了工程适用的方法。     

涡轮发动机平衡流形展开模型辨识方法研究

 根据涡轮发动机平衡流形展开模型的特点提出了两步建模方法。将复杂非线性建模转化为静态参数拟合和带约束条件的动态参数最小二乘辨识，根据单轴涡喷发动机气动热力模型辨识算例证明了方法的有效性。     

分布式信任模型在嵌入式Internet中的应用研究

为了充分利用嵌入式设备的联合处理能力,嵌入式设备之间必须进行一系列的合作.信任是人们进行社会交往的基础,人们之间的信任关系在不断地更新和传递.依据这种原理,提出了一种基于社会信任关系的协同工作分布式网络模型.嵌入式Internet系统中的设备在协作过程中,互相之间逐步形成了一种相互信任的关系,这种关系以信任表的形式存在本地端点中,并通过不断地自学习来修改信任表.给出了信任模型的建立过程以及信任参数的更新和传递算法,应用实例表明了模型的有效性.     

关注新生,改善学习--新生学习状况调研报告

本文从学生的学习态度、学习能力、学习兴趣、知识水平、学习动力等学习心理的五个方面 ,和学习所涉及的教师的教学能力、社团活动及课余时间的利用等因素入手 ,分析我校学生学习现状 ,提出了改善学生学习状况所采取的有效措施     

联合优化的BP神经网络模型的应用研究

BP算法因收敛速度慢、易于陷入局部极小值等缺点，使得对于较大的搜索空间、多峰值和不可微函数常常不能搜索到全局极小点，这些制约了BP网络在各个领域中的应用。本文通过对学习系数、神经元的激励函数及误差函数的联合优化，在一定程度上避免了学习中的局部极小问题，提高了学习效率，改进了网络的性能。     

基于RBF神经网络的航空发动机故障诊断模型

利用某型发动机地面定检状态实测数据作为学习样本，采用径向基函数(RBF)神经网络建立发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识，结果表明：这种方法具有训练时间短、学习速度快、诊断精度高等优点。     

具有自学习功能的机载火控系统故障诊断系统研究

研究了一种应用于机载火控系统的具有自学习功能的故障诊断系统.首先介绍了系统的总体结构;然后通过分析火控系统的结构建立了层次诊断模型,并通过示例对诊断系统中知识的表达方法、推理方法等问题做了详细的分析;最后详细描述了系统的自学习机制.应用具有自学习功能的故障诊断专家系统,可实现综合化机载火控系统的智能故障诊断.     

改进的P型迭代学习控制算法

针对多输入多输出的定常线性系统的迭代学习控制问题, 给出改进的P型迭代学习控制算法, 该算法中利用最新算出的控制分量代替旧的控制分量, 这样可以加快控制输入的收敛速度, 利用该算法进行学习控制, 使系统的实际输出以更快的速度收敛于系统的理想输出.