多界面多任务下不同任务权重的目标辨认

武器装备人机界面设计中目标辨认问题,必须通过目标辨认的实验和评价研究加以解决.根据飞行作业中所需完成的操作任务,提出一个多界面多任务目标辨认实验方案.通过测定被试完成实验主任务的反应时间和正确探测率,研究人在不同任务权重下对目标颜色、形状、位置的辨认情况,为人机界面设计目标编码提供科学依据.实验结果表明:在需要分配人注意力的条件下,无论任务权重如何,绿色、红色和三角形是界面设计中合适的目标编码,圆形和正方形必要时可用于目标编码;人对不同位置的目标辨认受到任务权重的影响,人机界面对目标位置的设计要充分考虑任务权重因素.      

亚像素条纹边缘提取技术在型面测量上的应用

三维型面非接触测量在工业领域有着广泛的应用前景.双目视觉是一种有效获取三维轮廓信息的方法,其中对大密度的黑白相间条纹进行精确定位和提取,是基于投影光栅图像的光学三维型面测量的关键技术和难点.利用空间编码技术将被测空间划分为若干区域,每个区域对应一个二进制码.条纹落在区域上与唯一的二进制码相对应,就可以对条纹精确定位.利用边缘提取算法获得像素级条纹后,再利用亚像素技术可以进一步对条纹进行高精度提取.介绍了基于灰度矩的和基于多项式拟合的亚像素边缘检测算法.将空间编码和亚像素条纹提取技术相结合,对光栅条纹进行亚像素级定位和提取的技术,与像素级的定位技术相比,能提高图像的定位精度,有效地改善测量系统的性能.      

离心甩油折流环形燃烧室的性能试验

以某离心甩油折流燃烧室为研究对象, 采用试验的方法, 在不同的甩油盘转速下对其性能进行了研究.研究结果表明, 该燃烧室具有较高的总压恢复系数, 燃烧室出口温度场分布不均匀系数(OTDF)小于0.3, 燃烧室的燃烧效率η在0.99以上, 燃烧室的贫油熄火边界较窄.该研究结果为折流燃烧室的设计提供了有益的参考.      

基于支持向量机的民航发动机故障检测研究

将支持向量机用于民航PW4056发动机故障检测研究。首先,对3个发动机巡航数据偏差进行研究,分析得到故障检测应采用短期偏差;其次,由于模型参数对检测准确率影响很大,文中采用验证法进行模型参数选择,并分析了模型参数对检测准确率的影响;最后,对检测模型的输出进行了分析,并定义了异常指数来衡量发动机故障严重程度,其中检测模型的训练和验证采用了发动机真实运行数据。研究表明,该发动机故障检测模型有效可行,准确率达到90%,但要获得更高的检测准确率,还需进一步提高数据质量。     

应用于实时系统中存储器故障测试的一种新方法

针对实时存储器系统的常见故障类型提出了一种新的存储器测试方法,其最大特点是在测试过程中不使用缓冲区,从而节省了系统资源,增加了测试覆盖率;同时证明了该存储器测试方法的正确性。     

飞船部组件的检漏方法

文章介绍氦质谱检漏方法在飞船部组件环境试验中的应用。阐述了试验方案、检漏工艺的设计和不同条件下的漏率测试过程。试验结果验证了这些检漏方法在飞船部组件环境试验中的可行性。     

非真空收集器质谱检漏标定技术

从理论上导出了非真空收集器质谱检漏漏率的几种标定公式 ,并对漏率标定的各种方法进行了利弊分析。经综合考虑认为 :为实现快速的高精度的漏率标定 ,采用标准气量直接加注法进行漏率的标定是比较适宜的     

基于运动对象自动检测和查询的监控系统

针对现有的视频监控系统的缺陷,提出基于运动对象自动检测和查询的智能视频监控系统.利用帧间差的4次统计量的假设验证,自动检测运动对象.用形态学腐蚀和膨胀算子对检测的运动对象的二值图像进行处理,以提高检测运动对象的可靠性,降低误警率.为自动跟踪运动对象轨迹,提出检测块概念.依据检测的运动对象和事件,建立相应的监控信息标注数据库,进而由时间段、运动对象及场景中发生的事件来查询监控信息,实现"跳跃"式随机检索监控信息.实验结果证明提出的方法对实现智能的视频监控系统是有效且健壮的.      

时钟偏差辅助的GPS完整性监测算法

对伪距残差最小二乘的接收机自主完整性监测(RAIM)算法进行了分析.在此基础上,通过对接收机时钟偏差的建模,将模型预测的时钟偏差引入伪距残差最小二乘的RAIM算法中,保证了在可见星仅为4颗的情况下,仍能利用χ2检验法对全球定位系统(GPS)进行完整性监测,从而达到提高完整性监测算法有效性的目的.计算机仿真的结果显示,这种辅助方式不仅计算简单,而且有效可行.      

基于串行支持向量分类器的模拟电路故障诊断

介绍了支持向量机的基本原理,提出一种新型支持向量多类分类器,其中多个二类分类器组成串行结构,每个二类分类器均带有非线性主元素分析特征提取器.描述了其训练与分类算法,并将其应用于非线性电路的部件级诊断.和传统BP网和RBF网分类器相比,支持向量方法在分类准确率上表现出明显的优势,其中串行支持向量多类分类器无论在训练和分类速度方面,还是在诊断准确率方面,都要优于传统并行结构的多类分类器.