基于点云数据的发动机管路最小间距计算方案

为检测整机发动机管路是否满足最小间距的设计要求,提出了一种基于点云数据的发动机管路最小间距计算方案,方案包含5个步骤:①从点云数据中划分出不同管路的数据;②基于管路点云数据的空间分布构造等间隔栅格,计算栅格中心点作为管路的趋势线数据;③在管路各趋势线数据点位置上构造垂直平面,将管路点云数据投影到最近的垂直平面上,获得各个垂直平面上呈圆弧状分布的投影点数据;④对各垂直平面上的投影点数据进行最小二乘圆拟合,得到拟合圆圆心及其半径值,将拟合圆圆心作为管路中心线数据;⑤采用遍历法计算两条管路中心线数据的最小间距,中心线最小间距分别减去两条管路的半径值则得到两条管路的表面最小间距。通过12条管路验证了方案的准确度。实验结果表明:管路最小间距偏差在-0.35~0.46mm之间,管路半径偏差在-0.08~0.22mm之间。该方案的实施有助于管路间距数字化检测的实现,且方案的计算结果具有较好的鲁棒性。      

一种虹膜特征提取与匹配方法

人眼虹膜尺寸很小，并且容易受到干扰，如果不能有效地提取出稳定的虹膜特征进行模式匹配，将严重影响虹膜识别的准确性和鲁棒性。本文提出一种稳定的虹膜特征提取与匹配方法，在虹膜注册端通过构建强特征分类器获得增强型特征模板，在虹膜识别端通过多样本特征映射融合提取稳定的特征样本，并根据风险预测自适应地确定分类阈值，然后进行特征匹配与虹膜分类，从而有效提高虹膜识别的准确性和鲁棒性。     

复杂内筋铝筒段旋压变形规律和再结晶组织演变数值仿真

流动旋压是一种先进的内筋薄壁筒段整体近净成形方法。本文运用数值仿真方法研究多级筋铝合金筒段热旋压过程中材料流变规律和组织演变特性。将内变量型2219铝合金本构模型嵌入ABAQUS仿真平台建立了准确反映宏观流变和微观晶粒演变的热旋压仿真模型，完成了具有多级特征的内筋筒段旋压成形规律分析。研究表明在减薄率为50%、温度为300℃的旋压参数下，随内筋宽度增加材料由“挤压”式转变为“塌陷”式填充内筋，筋槽内材料变形量下降，筋槽内材料晶粒大小不均匀性增加；窄筋在250℃下的晶粒尺寸明显小于其在350℃下的，而宽筋在250～350℃下的晶粒尺寸较为接近，成形温度对窄筋晶粒大小有明显影响，而对较宽内筋的影响有限。     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同，提出了基于高置信局部特征的车辆重识别优化算法。首先，利用车辆关键点检测获得对应的多个关键点坐标信息，分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性，提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理，根据局部区域分割信息，对卷积得到的特征张量进行空间维度上的切割，获得代表全局信息和关键局部信息的特征张量。然后，通过全连接层特征张量转化为表示车辆个体的一维向量，计算损失函数。最后，在测试阶段使用全局特征，并利用训练好的车标扩散区域提取分支获得高置信局部特征，缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试，验证了所提算法的有效性。      

S弯二元喷管红外辐射特性实验

基于轴对称排气系统设计了一套S弯二元喷管的实验模型,在实验工况下测量了喷管实验件的部分流场参数和远场红外辐射特性,对S弯二元喷管的红外辐射特性进行了分析和研究,并与基准轴对称喷管的红外辐射实验结果进行了对比。结果表明:上方探测平面是S弯二元喷管的主要辐射方向,其最大辐射角度为15°,在该方向角上固体壁面辐射的贡献最大。下方和侧向探测平面各方向角的红外辐射强度明显小于上方探测平面,主要是由于S弯二元喷管遮挡了大部分的内部高温壁面。与基准轴对称喷管对比,S弯二元喷管有着明显的红外抑制作用,在尾部方向S弯二元喷管的积分辐射强度相比轴对称喷管降低了81%,最大辐射强度相比轴对称喷管降低了47%,燃气辐射降低50%。      

直流电机起动的变分与能效仿真

为了提升直流电动机起动效率,对其起动进行变分,得到唯一的转速下凹抛物极值轨线。通过仿真比较,验证此为最低能效的轨线。故而考虑其他几种起动轨线以寻找出能效最优的轨线,尤其是与变分极值轨线相对偶的凸抛物轨线,经仿真验证其为高能效轨线。另外经仿真验证,恒定高电流的简单起动方法也可以进一步提升效率。     

基于粗糙集特征选择的过拟合现象及应对策略

在粗糙集方法中,利用向前启发式算法进行特征选择,是一个逐步加入重要度最高的特征的过程,直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法,其主要思想是借助交叉验证的方法对特征的重要度进行计算,当过拟合出现时,则采用截断式机制终止算法。使用邻域粗糙集模型,在UCI数据集上将启发式算法与所提算法进行对比分析,实验结果表明:所提算法能够有效地降低过拟合的程度;利用所提算法得到的特征子集能够带来更好的分类性能。