多载荷卫星高速信息处理技术研究

在某多载荷卫星数传分系统的信息处理器中，用高级在轨系统(AOS)的部分业务及功能，实现多种信息的交织、合路、纠错、数据传输和数据管理。将解扰和R-S译码2种关键技术，用于信息处理器地面测试系统的信息传输和处理，并设计为IP核，实现了与其他模块的无缝连接。在数据流仿真和高速数据接收中采用了通用化设计，提高了设计效率，减少了设计成本和时间。     

高能束流加工技术的应用与发展

高能束流加工技术具有独特的技术优势,被誉为本世纪先进制造技术之一,受到越来越多的重视,应用领域不断扩大.经过多年的发展,高能束流加工技术已经应用到焊接、表面工程和快速制造等方面,在航空、航天、船舶、兵器、交通、医疗等诸多领域发挥了重要作用.     

论加速可靠性增长试验(I)新方向的提出

在分析总结加速寿命试验 (ALT)及可靠性增长试验 (RGT)的基础上 ,首次提出了加速可靠性增长试验 (ARGT)这个新方向 ,并指出了在研究ARGT时将会遇到的主要问题以及解决这些问题的途径     

基于集成学习约束能量最小化的高光谱目标检测算法研究

提出了一种基于集成学习约束能量最小化(E-CEM)的高光谱图像目标检测算法。传统的高光谱检测算法通常是基于约束最小二乘法或基于高斯先验下的假设检验算法获得,然而真实环境中捕获的高光谱数据通常具有很强的非线性及非高斯特性,此时传统算法通常难以获得满意的检测效果。虽然核方法一定程度上能使传统算法获得较强的非线性表达能力,但核方法本身极易受到核函数参数的选择而表现出性能不稳定的现象。E-CEM在传统的约束能量最小化算法的基础上结合集成学习思想,使其在提升非线性光谱表达能力的同时提升检测的稳定性和稳健性。仿真高光谱图像和真实高光谱图像的实验结果都表明所提方法提升了CEM算法及其他经典算法的检测性能。     

电子设备接地分析应用

地线设计是一项重要的设计,也是难度较大的一项设计。从EMC设计一开始就进行地线设计,是解决EMC问题最有效和最廉价的方法。设计良好的地线网既能提高抗扰度,又能减小电磁发射。     

不锈钢薄板电子束填丝焊接间隙裕度研究

针对厚度为1.0mm的不锈钢板对接焊缝,进行了不同间隙的焊接试验,并测试了接头室温拉伸性能,研究了不锈钢薄板电子束填丝焊接对焊缝间隙的适应程度。     

水卡量热计的流热耦合模拟研究及试验分析

研制了一种包含球冠测热体和热防护罩的球头水卡量热计,建立了球冠测热体与测试水的流热耦合模型,基于该模型和热流标定试验分析了水道内水温分布特点及其对热流测量的影响。结果表明:水道内测试水离受热面越近,水温越高,且沿水道径向的温度梯度越大;测试水质量流率越小,沿水道轴向和径向的温度梯度越大,热流计算结果因水温测点位置不同的差异就越大。设计水卡时应使热电偶尽可能远离受热面并靠近水道中轴线;使用前需进行热流标定,确定合适的测试水质量流率范围,获得准确的修正系数。试验结果表明,该球头水卡量热计能够应用于长时间、高精度、多状态的驻点热流测量。     

参考系选择对Kepler广播星历参数拟合精度的影响

通过对MEO、IGSO、GEO三类导航卫星广播星历的开普勒轨道根数拟合方法及其拟合精度的分析研究,得出结论:开普勒轨道根数拟合导航卫星广播星历的方法,能很好吸收坐标变换过程中岁差、章动、极移、地球自转等因素对卫星星历拟合精度的影响。     

基于CCD自动巡线智能小车设计

为实现小车的自动巡线,采用CCD摄像头识别不同颜色的跑道,在测试时选择了黑线。CCD具有128×1个像素,每次可采集128个线阵的数据,将其二值化后转换为128个8位二进制数,通过A/D接口输出,与STM32微处理器连接。用软件进行采集处理,采用中值算法,找到黑线两边的边缘,确定黑线的中心点。计算出小车的中心点与黑线的中心点之间的偏移量,控制小车的左转、右转还是直行。用编码器对车轮测速,用速度PID算法控制小车的行驶,以实现自动巡线。测试结果表明:该CCD巡线智能车能够实现自动巡线功能,不仅可自动循迹黑线,还可循迹其它颜色的线条,使得小车的巡线速度得以提高,为自动循迹小车提供了一种新方法、新思路。     

一种深度学习分割遥感影像道路的损失函数

传统的根据光谱特征或形态学算法来分割道路,存在精度低、阈值难确定等缺点,而深度学习中已有的方法并未考虑道路的特性,只是利用通用方法来分割道路。针对上述不足,提出了一种针对道路特有形态的深度学习损失函数——形态损失函数。首先使用连通性算法将预测结果划分为若干个相互分离的连通区域,分别计算这些区域的面积与外接圆面积的比值,然后取平均值作为此批训练数据的形态损失函数,最后将形态损失函数按一定的比例与交叉熵损失函数求和,得到最终的损失函数。通过在公开的遥感数据集上使用深度学习网络进行对比试验,附加了形态损失函数后平均交并比（MIoU）、准确度（ACC）及F1 Score均有提高。从预测的图形来看,附加了形态损失函数后,预测的道路更为连续。所提出的形态损失函数可用于提高光学遥感影像道路分割的精度。