我国空间站工程量化风险评价工作探讨

为适应我国载人航天任务的新特点,有效支持空间站量化风险评价工作,调研了美国国家航空航天局（NASA）载人登月、国际空间站、航天飞机等载人航天项目的概率风险评价（PRA）工作,对比分析了PRA方法在不同载人航天项目中的应用效果。在此基础上,针对我国空间站工程的特点,初步提出了基于PRA的空间站工程量化风险评价方案与工作思路,对该方法在我国空间站实施所存在的问题进行了分析,并在方法规范、数据收集等方面提出了工作建议,为我国空间站量化风险评估工作提供技术支持。     

一种基于深度学习的交互式电话号码识别方法

物流、保险和中介服务等行业需要频繁地拨打电话,而人工拨打电话效率较低,高效的电话号码识别技术具有重要的应用价值。传统的印刷体数字识别方法存在人工设计特征过程复杂、识别字体单一等不足,难以满足实际应用需求。本文提出了一种基于深度学习的交互式的电话号码识别方法,通过鼠标双击图像中的电话号码,自动截取出包含此号码的目标区域,并进行灰度化、二值化、目标区域定位、字符分割和图片补白等预处理操作,在此基础上利用改进的LeNet-5卷积神经网络（CNN）自动学习图像特征,支持多种字体、字形和字号的印刷体数字识别,并利用交互式识别和内存池等方法提高识别速度。实验结果表明,单一字符的识别率为99.86%,整个号码的识别率为99.50%,整个号码平均识别时间为91 ms。本文方法识别精度高、识别速度快,具有较为广泛的应用前景。      

基于非线性神经网络的摆式列车检测系统动态补偿方法研究

针对零极点匹配动态补偿方法的不足 ,提出基于非线性神经网络的摆式列车检测系统动态补偿方法。根据陀螺平台实测超高数据 ,采用LM算法对所设计的非线性神经网络进行训练。仿真结果表明 ,所设计的神经网络动态补偿器能有效改善陀螺平台系统的动态特性 ,满足摆式列车倾摆控制实时性的要求。