Mg-4．9Zn-0．9Y-0．7Zr合金板材组织及力学性能的研究

利用铸锭冶金的方法制备了Mg-4.9Zn-0.9Y-0.7Zr合金及对比合金Mg-4.9Zn-0.7Zr,研究了Y元素的添加对合金组织性能的影响.通过XRD对合金进行了物相分析,运用SEM观察了元素Y对合金铸态组织的影响,通过EDAX,TEM技术对第二相化学成分及形貌进行了分析.研究结果表明:Y是Mg-Zn-Zr镁合金强韧化的有效元素,Y的加入使得合金中生成大量Mg3Zn6Y相.在热轧过程中,Mg3Zn6Y相被破碎成大量弥散细小的质点,这些小质点严重阻碍了位错,从而提高了合金在室温下的抗拉强度及屈服强度,同时合金仍然保持着良好的塑性.     

黄金分割控制的收敛性和稳定性研究

研究了基于特征模型的黄金分割控制律的稳定性和收敛性问题。针对特征模型,首先选取一组广义最小方差控制目标函数中的多项式,求出在该组目标函数下的广义最小方差控制律。通过对比可知该控制律与基于特征模型的黄金分割控制律相同。进而基于广义最小方差控制的稳定性和收敛性结果给出了基于特征模型的黄金分割控制律的闭环控制性质,并且在理论上给出黄金分割控制参数λ 的物理意义以及选取的理论依据,为其在工程上的应用进一步奠定了理论基础。
     

一种基于DEA方法的反潜巡逻机综合效能评估研究

介绍了武器系统效能分析的相关方法和DEA方法的基本原理,将DEA方法引入固定翼反潜巡逻机效能评价中,针对四种型号的固定翼反潜巡逻机进行了分析评估。还讨论了有效性的含义、效能因素的选择以及评价结果的意义。     

基于脑电和眼动信号的人机交互意图识别

意图识别在人机交互（HCI）领域受到广泛关注,传统人机交互意图识别方法单纯依靠脑电（EEG）或眼动数据,不能很好地利用2种方法优点。为此,提出了一种融合脑电和眼动数据的人机交互意图识别方法,通过采集脑电和眼动信号,进行特征提取,输入机器学习模式识别网络进行意图识别,并基于Dempster-Shafer （D-S）证据理论进行决策层融合得出最终识别结果。招募了20名有效受试者进行交互意图识别实验,结果表明,基于脑电和眼动信号的人机交互意图识别方法识别准确率高于单纯依靠脑电和眼动数据的方法,可为下一步飞行器和武器系统人机交互系统自适应设计提供理论依据和技术支持。     

基于实验的自适应随机测试效率分析

自适应随机测试通过自适应算法对随机测试进行加强,从而提高软件失效检测能力.现有研究过多强调了其在F-度量上的优势,而较少考虑输入域的诸多因素对自适应随机测试效率的影响.选取3类典型自适应随机测试算法和随机测试算法,分析被测软件失效区域紧致程度、维度对算法的影响,并选取自适应随机算法中测试效果最佳的固定候选集算法在非数值条件下与随机算法比对.结果表明,自适应随机测试受输入域的诸多因素影响,适用性有限,实际测试中对测试效率的提升效果并不明显.      

伺服机构恒压变量泵压力脉动分析

对某运载火箭整箭测试中一级伺服机构出现压力脉动的原因进行了分析。根据伺服机构变量泵原理,认为引起压力脉动的主要因素是变量泵调节机构。建立了变量泵的仿真模型,讨论了变量调节机构灵敏度和管路结构等其他因素对变量柱塞泵输出压力脉动的影响,以及压力脉动对控制元件和执行元件的影响。结果表明:变量泵的低频小幅值压力脉动对整个伺服系统的控制元件和执行元件均无影响。伺服机构能正常稳定地工作,保证运载火箭的飞行可靠性。     

多数据源信息融合的建筑用电设备故障诊断系统研究

针对单一检测量难以形成完备可靠的故障诊断结论的难题,本文设计了一种基于多数据源信息融合的建筑用电设备故障诊断系统。首先提出了多传感器信息融合的故障诊断系统结构,然后对系统涉及的关键技术分别进行了介绍,基于虚拟仪器Lab VIEW,设计建筑用电设备故障诊断监控平台,并结合教学楼用电设备给出了系统的应用实例。该用电设备故障诊断系统可以有效提高故障确诊率,降低诊断的不确定性。     

一种高效低成本的视频压缩方法实现

文章提出了一种基于DSP的高效低成本的视频压缩方法的实现.硬件采用TI公司DM642 DSP,其具有成本低的特点,视频压缩采用MPEG4算法,实现复杂度适中,可高效满足用户需求.文章通过研究DSP的硬件架构,软件上采用调整程序结构、存储器优化、流水线技术、线性汇编等优化方法对移植成功的MPEG4 C语言程序进行优化.经测试,该系统优化前为2秒一帧,经优化后达到了标清25帧每秒的压缩任务,可满足军用或民用视频压缩领域的高效低成本应用需求.     

Evaluation of three high-resolution satellite precipitation estimates: Potential for monsoon monitoring over Pakistan

Multi-sensor precipitation datasets including two products from the Tropical Rainfall Measuring Mission (TRMM) Multi-satellite Precipitation Analysis (TMPA) and estimates from Climate Prediction Center Morphing Technique (CMORPH) product were quantitatively evaluated to study the monsoon variability over Pakistan. Several statistical and graphical techniques are applied to illustrate the nonconformity of the three satellite products from the gauge observations. During the monsoon season (JAS), the three satellite precipitation products captures the intense precipitation well, all showing high correlation for high rain rates (>30 mm/day). The spatial and temporal satellite rainfall error variability shows a significant geo-topography dependent distribution, as all the three products overestimate over mountain ranges in the north and coastal region in the south parts of Indus basin. The TMPA-RT product tends to overestimate light rain rates (approximately 100%) and the bias is low for high rain rates (about ±20%). In general, daily comparisons from 2005 to 2010 show the best agreement between the TMPA-V7 research product and gauge observations with correlation coefficient values ranging from moderate (0.4) to high (0.8) over the spatial domain of Pakistan. The seasonal variation of rainfall frequency has large biases (100–140%) over high latitudes (36N) with complex terrain for daily, monsoon, and pre-monsoon comparisons. Relatively low uncertainties and errors (Bias ±25% and MAE 1–10 mm) were associated with the TMPA-RT product during the monsoon-dominated region (32–35N), thus demonstrating their potential use for developing an operational hydrological application of the satellite-based near real-time products in Pakistan for flood monitoring.     

基于双重分类深度学习的低空目标自动检测方法

由于图像数量多,因此准确、高效的目标检测是提升靶场光测图像处理自动化程度的关键步骤.针对低空目标图像及目标类型多、目标特性变化等情况导致传统目标检测算法适应性差的问题,提出了一种基于双重分类深度学习的低空目标自动检测方法.该方法基于深度学习目标检测框架YOLO V3,根据低空目标的亮度和形状的双重属性特征,将网络输出层...