基于几何不变性和BP网络的二维目标识别算法

提出了一种基于几何不变性和BP网络的二维目标识别算法.该算法不仅能适应目标物体在旋转、缩放和平移变换(RST变换)下的不变性识别,而且能适应仿射及射影变换下的不变性识别.算法通过对目标物体边缘点进行规格化和对规格化后的边缘点进行5点不变量穷举计算解决了模型图像与目标图像的对应点选取问题;通过将不同观测方位和不同旋转角度的样本图像边缘点的5点不变量集合作为输入向量对BP网络进行训练解决了由于仿射和射影变换造成规格化边缘点间距变化对正确分类的影响.算法不仅能识别多边形而且能识别曲线轮廓的目标物体.      

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.     

线性塞式喷管型面快速设计方法

为了发展一套快速有效的塞式喷管型面设计方法,分析了塞式喷管的总膨胀面积比、内膨胀面积比和内喷管倾角与塞式喷管膨胀能力之间的联系,采用二阶和三阶多项式来分段描述塞式喷管的所有型面曲线,并给出了确定各段型面曲线的方法。研究了膨胀面积比对外形尺寸的影响,设计了两套不同类型的实验塞式喷管型面来进行冷流实验验证。结果表明:所设计的塞式喷管具有很好的高度补偿能力。     

IET短周期涡轮实验台

本文介绍了中国科学院工程热物理研究所（IED最新建成的暂冲式短周期涡轮实验台的装置结构和关键设备的研制原理及性能，描述了短周期涡轮实验过程、实验台的控制系统和测试系统，展示了本实验台的部分标志性实验结果。实验结果表明：实验台的建造是成功的，充分体现了短周期实验的长处，对验证和发展涡轮的设计与计算具有实际应用价值。     

温度变化对飞机装配的影响及解决措施

为了解决温度变化对飞机装配件的影响,文中针对在飞机装配过程中,温度变化对飞机装配件影响进行了分析,由于不同材料之间的热膨胀系数不同,使得产品在装配过程中产生了误差,影响了产品的质量。通过对产品装配过程中尺寸移制的一次协调误差计算和多环节尺寸移制的协调误差计算,提出了减小飞机装配过程中温度变化影响的具体措施,提高飞机产品的协调准确度。     

火焰筒掺混孔边裂纹萌生和扩展机理研究

利用有限元法，结合瞬态传热过程研究了火焰筒掺混孔内孔边裂纹形成和扩展机理，应用应变疲劳理论和裂纹扩展分析方法对裂纹萌生时间和扩展能力进行分析。由于火焰筒在热循环载荷作用下各处升温速度不一致．引起结构上的相互约束，使掺混孔边产生循环塑性变形导致疲劳裂纹萌生；裂纹萌生后会继续扩展，但这种扩展能力有限；孔边冷却区域大小会对裂纹扩展能力产生较大影响。     

涡轮泵振动参数与统计特征量的线性相关性分析

为了剔除冗余的振动参数和统计特征量，提高涡轮泵故障检测的实时能力，建立了线性相关性假设检验模型。利用该假设检验模型和某型液体火箭发动机的历史试车数据，检验了7路涡轮泵振动参数以及13种常用统计特征量的线性相关性，并分析了统计特征量对涡轮泵故障的敏感性和稳定性，以及涡轮泵振动数据的正态性。数据统计分析表明，大部分涡轮泵振动参数以及统计特征量显著线性相关，幅值统计特征量的故障敏感性弱，但稳定性强，而无量纲统计特征量的情况恰好相反，并且正常涡轮泵振动数据服从正态分布，而异常涡轮泵振动数据不再服从正态分布。据此，为涡轮泵故障检测选择了线性相关性弱，故障特征反映能力强的3路振动参数和3种统计特征量。     

带挤压油膜的裂纹转子非线性响应特性分析

本文研究了支承在挤压油膜阻尼器上的裂纹转子系统的非线性动态响应特性。研究结果表明 :油膜力可以有效地抑制非协调响应 ,而且轴承参数的增大 ,可以抑制混沌运动。在较小的轴承参数下 ,转速比、裂纹深度等参数的变化会导致系统产生非协调响应 ,而且随裂纹深度的增加 ,响应会进入周期阵发性混沌。阻尼比的增大可以使运动锁相到周期解上。周期 3解的出现 ,往往意味着混沌运动。系统的响应主要是由阵发性和拟周期进入混沌的     

滞止式温度传感器动态理论建模研究

根据滞止式温度传感器的换热原理建立了动态理论传热模型,采用数值计算方法对模型方程进行了求解,并对计算结果进行了分析.     

基于人工神经网络的柔性铰链结构动力修改

利用有限元软件计算出柔性铰链结构参数与振动频率的训练样本,然后通过样本训练人工神经网络建立了柔性铰链结构振动频率与其结构参数的非线性映射关系,最后利用训练好的神经网络修正框架的结构参数以满足设计要求的固有频率。