煤矿安全生产微型机监控系统

用微型计算机监测与控制煤碳生产,可以大大提高煤矿的安全生产和自动化水平,进一步改善煤矿的生产管理和增加企业效益。本文具体介绍了一个适用于中、小型煤矿的安全生产微型机监测与控制系统的功能、结构和软、硬件配置,并着重讨论了系统主站的几个关键技术问题是怎样解决的。该系统现已投入运行。实践证明,设计合理,性能稳定,工作可靠,它是一个特别适用于中、小型煤矿的廉价安全生产监控系统。     

高精度电容式三维发讯测微仪

主要叙述用电容式传感器作为三座标测量机发讯测头的工作原理,并将其在动态测试过程中的基本测微方法作一简单介绍。     

观测空间天气的高手--团星-2卫星

2000年7月15日和8月9日,俄罗斯"联盟"火箭分两次将欧空局(ESA)研制的4颗团星-2(Cluster-2)卫星发射升空,使密切关注该计划的全世界空间科学家大大地松了一口气.Cluster-2卫星之所以引起众多科学家的注意,一是因为其坎坷的经历,二是因为它们在监测空间天气方面的重要作用.     

顾及频间偏差的GNSS多频非组合PPP变形监测

精密单点定位(PPP)技术有望解决长距离、大范围等监测场景难以找到稳定基准点的难题。现代化的全球卫星导航系统(GNSS)卫星纷纷开始播发多频信号,多频观测值融合理论上可提升PPP变形监测性能。为了充分利用多频冗余观测数据,详细研究了每个频点的差分码偏差(DCB)和全球定位系统(GPS)存在的相位频率间卫星钟偏差(PIFCB)的改正方法,扩展了多频数据处理的严密理论模型,能够灵活处理GPS三频、Galileo五频和BDS-3五频观测数据。多频PPP振动监测实验结果表明,GPS三频PPP、BDS-3五频PPP、Galileo五频PPP较各自双频PPP位移监测精度可分别提升12%、13%和14%,表明多频PPP技术有利于提升PPP位移监测精度与稳定性。     

基于光纤光栅与BP神经网络的孔边裂纹监测研究

含孔金属结构的孔边裂纹监测对于保障飞行安全,增强飞机结构可靠性具有重要意义。为实现对孔边裂纹扩展的监测,进行含有孔边角裂纹的含孔铝合金板疲劳加载试验,得到含孔铝合金板试验件的a-N 曲线以及孔边裂纹扩展过程中光纤光栅应变传感器中心波长偏移量;利用包络分析法、BP 神经网络等损伤识别算法对试验数据进行处理与分析;建立能够以光纤光栅应变传感器中心波长偏移量识别孔边裂纹扩展的监测模型,并通过试验对监测模型进行验证。结果表明：此监测模型可有效识别出孔边角裂纹的扩展与穿透,对孔边角裂纹扩展长度监测的准确度达到了97.2%,未来可应用于全机地面疲劳试验、飞机结构健康监测等多种场景。     

开发海洋资源的法宝——"海洋"系列海洋卫星

21世纪被人类称为“海洋世纪”。然而，要想对这一占地球面积70.8％的不断运动着的水体进行全面、及时的了解，掌握其活动规律，探满其蕴藏的巨大资源，靠一般方法是很难的。就目前和可以预见的将来来看，海洋卫星是认识海洋真面目的最佳利器，利用它可以经济地、方便地对大面积海域实现实时、同步和连续的监测，它已经被公认是海洋环境监视监测的主要手段。     

“高分”科技改变生活

高分一号卫星在长征二号丁运载火箭的托举下成功飞天,并在预定轨道稳定运行,我国高分辨率对地观测系统重大专项的天基系统建设之战正式打响。至此,中国航天科技集团公司在高分专项的接力赛中高质量、高效率地跑下了第一棒,并开始将接力棒转交到数据接收处理和应用系统的手中。对于高分专项的实施而言,造好星和用好星同等重要,只有把卫星的应用     

基于涂层传感器的金属结构疲劳裂纹监测

针对飞机金属结构在服役过程中的裂纹扩展实时监测需求,提出一种现代表面技术与电位法原理相结合的疲劳裂纹监测研究方案.在结构易出现裂纹的热点部位制备了一种具有绝缘隔离层、导电传感层和封装保护层3层结构的裂纹监测涂层传感器.然后进行了疲劳裂纹监测试验,结果表明:通过分析涂层传感器电阻(电位)的变化可以实现对2A12-T4铝合金连接结构多个部位的裂纹同时进行有效监测.此外,还对表面制备涂层传感器的试样与原始试样的疲劳特性进行了对比研究.结果表明:应用现代表面技术在2A12-T4铝合金表面制备涂层传感器,对其疲劳性影响甚微.     

环境与灾害监测预报小卫星A、B星在轨交付

3月30日,国家国防科技工业局举行了环境与灾害监测预报小卫星A、B星在轨交付仪式。中国航天科技集团公司和中国卫星发射测控系统部将卫星交付给民政部和环境保护部使用。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。