超声干涉法薄层厚度测量声阻抗匹配判据及其应用

针对超声干涉法测量薄层厚度的原理,讨论了薄层及与其相邻介质声阻抗匹配分别满足界面声压反射系数|R1|＜1/2或|R1|＞1/2时回波信号的选取原则,并以薄层声压反射系数谱为依据,分析了上述两种声阻抗匹配条件下谱线分别出现次生极大或极小值的规律,在此基础上提出了薄层厚度测量时谱线极值的选择方法.以航空雷达罩蒙皮GFRP(Glass Fiber Reinforced Plastic)层板外表面复合涂层以及钢基体表面ZrO2陶瓷涂层样品为例进行了薄层厚度测量实验研究及信号分析.研究表明,超声干涉法薄层厚度实验结果与SEM(Scanning Electron Microscope)测量结果相符.由此可知,薄层及与其相邻介质声阻抗匹配判据对于超声干涉法薄层厚度测量具有很强的理论指导意义及工程应用价值.     

用谱斜率决定的加权法作变异语音特征理论方法及实验研究

变异语音识别技术是飞机座舱中语音识别系统必需解决的关建技术之一。一些成熟的民用语音识别技术难以解决此问题，因此，需找出适于变异语音的特征参数，用谱斜率决定的加权法作变异语音特征，又是本文在这方面的有益学试。     

双转子涡喷发动机风车特性的计算与分析

 提出了一种利用发动机部件特性计算双转子发动机风车特性的方法 ,主要用于发动机方案论证阶段的风车特性的计算。为解决高、低转子匹配问题 ,在计算高压转子时 ,把它当成单转子发动机来计算 ;在计算低压转子时 ,则把高压转子看成是低压转子的一个阻力元件。以某型发动机为例 ,计算出风车特性基本符合试验结果     

基于图形制导的复杂曲面最佳匹配的一种算法

通过对自由曲面精度检测的研究,针对检测过程中出现的基准不重合现象,提出了一种基于图形制导的自由曲面最佳匹配分析算法。该算法首先利用参数曲面的几何不变性使匹配曲面达到较好的初始位置,然后根据随机或交互选取的数据点利用优化算法对曲面进行匹配计算。结果表明 :该算法可以有效地消除基准不重合误差,同时算法具有较好的抗发散性。这一算法已在反求工程 CAD系统 RE-SOFT中取得了很好的应用效果。     

非均匀超声来流二维压缩面的优化设计

通过数值分析和风洞实验,研究在非均匀来流条件下,单级斜板型面变化对下游流场的影响。研究结果表明,小进口角,大出口角之凹型面具有较高的总压恢复。但是,曲壁面对降低出口处之静压畸变不利。折衷的选择为：以凹型面作为斜板的前段,其后续一平直段,以达到提高总压恢复,保持较低总静压畸变之目的。     

高动态条件下星点像斑建模与补偿

高动态条件下星点提取有两个难点：一是暗弱星点目标湮没在噪声中不易识别,质心定位精度较差;二是星点像斑可能断裂,无法用常用的连通域算法提取。针对上述难点,本文建立了高动态条件下星点像斑模型,提出了基于该模型的像斑补偿与质心定位提取算法。该方法分为四步：第一,利用卡尔曼滤波实现星点像斑静态模板的实时迭代;第二,基于静态模型与星点运动模糊模型建立星点像斑动态模型;第三,以动态模型作为模板在恒星跟踪窗口内进行相关性匹配以确定星点像斑位置;第四,基于动态模型补偿星点像斑,并计算质心位置。实验结果表明,该方法能有效解决高动态条件下暗弱星点提取与断裂残损星点修复问题。相比传统算法,姿态精度误差均值减少了40.9%,最大误差减少了81.2%;星点提取率达到100%,提高174.5%,提取星数相比阈值分割与连通域法提高了173%。     

基于深度学习和图匹配的接线图检测与校核

传统的厂站一次接线图的绘制和管理主要依靠电网运行人员,费时费力且缺乏科学可校核的参考标准。提出了一种基于深度神经网络和数字图像处理相结合的厂站一次接线图的自动检测、识别和校核算法。首先,使用目标检测Faster R-CNN模型检测厂站接线图中的电器元件,并达到92%的检测准确率,同时使用端到端的文字检测识别模型识别厂站接线图中的文字信息,并达到94.2%的文字检测准确率和92%的文字识别准确率;然后,使用数字图像处理技术进行厂站接线图连接线、拓扑关系识别;最后,使用改进的VF2算法进行厂站一次接线图和人工维护的厂站一次接线图拓扑关系匹配校核,将拓扑数据抽象为无向图,通过轮廓序号得到元件的相对位置信息,根据改进的VF2算法得到2张图的匹配率,并通过匹配率与设定好的阈值来帮助核验,相比于节点遍历的匹配方法,核验准确率提高了37.5%。基于某供电公司提供的部分变电站的厂站一次接线图标注了接线图电器元件,贡献了一个小型接线图数据集。      

电静液作动器自调节积分鲁棒运动控制

针对电静液作动器系统中存在的匹配干扰及不匹配干扰,基于扩张状态观测器,设计了一种自调节积分鲁棒控制方法。首先设计扩张状态观测器估计系统的匹配不确定性并且进行前馈补偿;然后设计自调节积分鲁棒控制器分别处理系统的不匹配干扰和状态估计误差,实现了电静液作动器的渐近跟踪控制;最后通过仿真验证了该控制方案的有效性。结果表明：相较于传统的PID控制器,该控制器的跟踪误差约为0.2mm,控制精度达到0.4%左右。     

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波（IOBPF）的移动机器人FastSLAM算法。首先,将萤火虫算法（FA）的动态寻优机制引入箱粒子滤波（BPF）,建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波（EIKF）完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。      

基于深度学习的无人机视觉目标检测与跟踪

针对目标检测中小目标物体漏检率及误检率高等问题,提出了一种基于Yolov3-Tiny算法的改进模型。改进k-means聚类方法,增加3×3和1×1的卷积池化层,将第9层卷积输出上采样,并与第8层卷积得到的特征图进行连接,得到新的输出:52×52卷积层,形成新的特征金字塔。基于卡尔曼滤波算法实现目标跟踪,提出融合跟踪算法的检测网络,使用匈牙利匹配算法对检测边缘框与跟踪边缘框进行最优匹配,利用跟踪结果修正检测结果,提高了检测速度,同时提升了检测能力。在ROS、Gazebo和自动驾驶仪软件PX4的综合仿真环境下对所提算法进行了对比试验。试验结果表明:改进算法平均检测速度降低了15.6%,mAP提高了6.5%。融合跟踪算法后的网络平均检测速度提高了34.2%,mAP提高了8.6%。融合跟踪算法后的网络能够满足系统实时性和准确性的要求。