PBT弹性体微相分离及对其力学性能的影响研究

为了获得微相分离对宽温PBT叠氮聚醚弹性体力学性能的影响规律,用红外光谱分析法(FT-IR)和动态热力学分析法(DMA)研究了PBT叠氮聚醚弹性体产生微相分离的机理和影响因素。用调节硬段含量、交联参数的方法调控其微相分离,控制适当的微相分离程度可显著改善推进剂的力学性能。研究结果表明:在二元醇扩链的弹性体体系中,当硬段含量约为15%时,弹性体发生相对最大比例的微相分离,体现出较佳的综合力学性能。通过微相分离的调控可获得宽温范围内综合力学性能较好的叠氮聚醚推进剂用粘合剂基体材料。     

引气结构对二元塞式喷管冷却和红外辐射特性的影响

为降低加力状态下二元塞锥表面温度和喷管红外辐射强度，对塞锥进行冷却结构设计。采用数值模拟的方法对比分析了引气结构、冷却通道高度和冷气入口总压比对塞锥冷却和喷管红外辐射特性的影响。结果表明：塞锥冷却后其表面温度和喷管红外辐射强度显著降低；引气腔内无冲击板时，引气角度的改变引起射流核心区位置的变化，造成塞锥头部和前缘展向温度分布差异明显，引气角度为90°时塞锥表面最高温度要比30°和60°的模型高50K；加装冲击板后，冷却通道内的流量分配和塞锥前缘的展向温度分布得到有效改善、塞锥头部的换热得以增强，但同时会引起较大的总压损失，因此相同入口总压比下，加装冲击板后冷却流量降低、塞锥外表面温度升高；随着冷却通道高度增大，冷气流量增加、流速降低，故存在一个最佳通道高度使得塞锥冷却效果最好；以塞锥无冷却为基准，入口总压比为1.0～1.8时，塞锥外表面最高温度降低了470～590K,0°探测角上红外辐射强度降低了25%～33%。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

基于G-M制冷机的大尺寸冷屏设计方法

介绍了基于Gifford-Mcmahon (G-M)制冷机的大尺寸冷屏的设计方法。该低温冷屏配合真空环境模拟室共同使用，为遥感卫星的星载遥感器等部件的红外定标试验提供20K的低温冷背景。该冷屏采用5台G-M制冷机进行制冷，外形尺寸达到1m×1m，是目前国内同类型冷屏中尺寸最大的。详细介绍了冷屏在容器内的安装布置、冷缩时的补偿等结构设计方法、冷屏的表面温度分布以及降温时间等计算分析。成功解决了大尺寸冷屏在低温环境下的冷缩补偿难题，试验结果表明:冷屏主要测点温度为15K，温度均匀性误差为±1K，达到并超过设计要求。      

可以轻松监测设施能源浪费情况的新技术

正3月4日至6日,在美国巴尔的摩会议中心举行的美国国家设施管理与科技大会博览会上,福禄克公司向到场的观众演示了如何利用该公司的三相电能记录仪、红外热像仪及可视红外测温仪等低成本工具,轻松地监测生产设施的能源浪费的方法。据专业人员介绍,福禄克Fluke 1730三相电能记录仪直观、易用,具有专业的电能数据收集能力。这一款新产品专为具有节能意识的用户设计,采用了全     

中红外激光在光电对抗领域的应用及进展

近年来为有效对抗先进的红外制导武器的威胁，先进的红外对抗手段和方式不断推陈出新。其中利用中红外激光辐射致盲、致炫和毁伤的手段可以有效地对抗红外制导武器的威胁。为此本文重点介绍了中红外激光在光电对抗领域的应用；然后，对中红外激光光源和分类及其原理进行了阐述，并介绍了美国和俄罗斯在中红外光电对抗的系统领域的发展现状；最后，对中红外（3-5μm）光电对抗的应用发展和未来的趋势进行了总结，并对化学、气体和固体中红外激光光源的应用进行了展望。     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

基于非下采样轮廓波变换的红外和SAR图像融合算法

针对现有红外和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的融合算法融合质量差、边缘轮廓不清晰、效率低下、可视性差,目标检测效率低等问题,提出一种基于非下采样轮廓波变换的融合算法。首先采用非下采样轮廓波变换对预处理的红外和SAR图像进行分解,获得各自低频和带通方向图像,接着根据红外和SAR图像的特征选取其含重要目标信息的频带进行低频图像和带通方向图像融合。为了检验本文所提出算法性能的优越性,采用两组红外和SAR图像进行融合实验,与其他图像融合算法进行对比,并对融合图像进行目标检测,证明了该融合算法能有效提高多源图像目标检测率。