车铣复合切削加工技术及其应用研究进展

综述了车铣复合切削过程中的运动学原理、刀具磨损、切屑形貌、切削力和表面完整性方面的最新研究进展；阐述了车铣复合在航空零部件和轴类零件加工中的应用；展望了车铣复合切削加工的研究方向。     

共沉淀法制备花状NiCo2O4及其吸波性能的研究

通过共沉淀法制备花状NiCo₂O₄吸波材料，利用XRD、FTIR、BET、XPS和SEM等方式表征了样品成分及形貌特征，将不同煅烧温度（300、400、500、600、700 ℃）的产物利用矢量网络分析仪通过同轴测试法模拟了不同厚度下的吸波性能。结果表明：400 ℃煅烧样品在反射损耗值、吸收带宽以及样品厚度都表现出较好的性能，当厚度为1.5 mm时，在14.32 GHz处吸波材料达到最大的吸收损耗值为-43.71 dB，有效吸收带宽为4.48 GHz （12.08~16.56 GHz），可以预见镍钴基吸波材料具有很大的潜力。     

基于一种贝叶斯优化框架的高空螺旋桨气动优化设计

为了在可接受时长内获得高空螺旋桨气动方案的最优解，提出一种基于贝叶斯优化框架的高空螺旋桨气动外形优化设计方法。该方法以拉丁超立方抽样获取螺旋桨气动外形参数的初始样本点，建立以该参数为输入、数值模拟获取螺旋桨气动性能为输出的初代高斯过程模型；以遗传算法和三种并行加点准则构成的子优化获取新样本点，求取新样本点的气动性能，并更新样本数据和高斯过程模型。该方法可以使新样本点快速向最优解附近集中，从而提高最优解附近的模型近似精度。为验证模拟方法，加工了某高空螺旋桨进行地面试验。与模拟结果相比，试验推力平均误差2.34%、扭矩平均误差3.33%。以课题组自研的6个低雷诺数翼型为基础，使用该方法对某高空太阳能无人机螺旋桨进行优化设计，优化结果显示：螺旋桨在设计点推力提高9.24%、效率提高8.13%。研究结果表明，该方法对高空螺旋桨优化设计及相关工程应用具有较强的参考价值。     

基于深度卷积网络的SAR图像目标检测识别

在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点。针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成。复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度。采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础。     

北斗/GPS双频载波相位单点定位模型及精度分析

针对海洋工程实时米级绝对定位需求,利用双频伪距、载波相位观测量和同时估计接收机位置、接收机钟差和载波相位模糊度,构建了一种双频载波相位实时单点定位方法.亚太区域14个测站试验结果显示:北斗水平和高程定位RMS分别为1.33m和1.81m,GPS为0.60m和0.85m,北斗/GPS组合为0.56m和0.72m;船载动态试验结果显示:北斗水平和高程定位RMS分别为1.40m 和2.46m,GPS为0.69m 和0.90m,北斗/GPS组合为0.65m和0.83m.