矩阵式数控加工在航空结构件批生产中的应用

以大批量数控加工的航空结构件生产为研究对象,运用人工干预环节集中化、数控加工过程自动化的理念,探索利用矩阵式数控加工进行多零件同时生产的应用方案。多零件集中装夹,通过系统自动读入每个零件的加工原点,自动调用零件的加工程序,完成相同(或不同)零件数控加工,在充分利用机床工作台面的同时,解决了批量生产过程中零件频繁装夹、找正、换刀和频繁调用加工程序的难题,达到降低劳动强度,提高生产效率的目的。     

基于特征识别的整体壁板快速编程推理算法

航天器整体壁板的编程效率已成为型号研制过程中的主要瓶颈之一.本文首先阐述特征识别技术在数控编程中的应用和发展现状.与传统编程过程先总体规划,再逐条编程的总-分方法不同,特征编程采取先生成单个特征的刀轨,再完成整个零件程序的分-总方法,易于覆盖从毛坯向模型最终状态全过程.在此基础上,提出了单特征和多特征数控推理算法,完成了整体壁板快速编程系统的开发.实践证明,使用该方法能够初步实现整体壁板数控加工程序的自动生成.     

电连接器接点焊接工艺研究

针对航天产品电连接器接点焊点与引线断裂失效问题,分析了焊接过程中助焊剂、焊料、焊接工具和防护套等对接点焊接质量的影响。结合实践经验,提出相关工作参数和材料的选取原则,确定了生产中焊接技术的质量控制点。     

基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

飞行器智能设计愿景与关键问题

未来飞行器正朝着多元化、无人化和智能化的方向发展,高超声速、超隐身和变体等新型飞行器不断涌现。而传统飞行器解耦分拆的设计方法越来越难以满足未来飞行器综合性能全面提升的要求,只有通过整体化设计才能充分发掘飞行器的潜能。通过分析传统飞行器设计中存在的问题,提出满足全生命周期要求的飞行器智能设计体系理念,利用知识库的构建将智能赋予飞行器平台系统设计、制造生产和运维这3个阶段,并通过数字孪生技术进行飞行器全生命周期的仿真、分析和预测,以对飞行器设计、运行等数据进行更新,使该体系形成闭环。就飞行器智能设计体系中需要的关键技术及涉及的科学问题等进行了讨论,并给出了未来发展方向以供参考。     

数控车削加工的参考点及对刀分析

本文深刻分析了数控车床的对刀原理和对刀涉及的基本概念, 从工件坐标系建立与对刀关系的角度展开论述,说明对刀的实质,以及常用刀具的对刀方法与步骤.     

基于支持向量机回归的电力负荷预测研究

不同于传统的基于经验风险最小化的回归方法,支持向量机回归方法基于结构风险最小化准则.与神经网络相比,该方法在解决学习精度和推广性之间的矛盾方面有明显的优势.本文以城市电力负荷预测为应用背景,对比研究了基于统计学习理论的支持向量机回归方法和神经网络方法.预测结果显示支持向量机可能是一种非常有前景的预测工具,其预测精度明显好于神经网络.     

Intelligent NURBS Interpolator Based on the Adaptive Feedrate Control

首先分析了NURBS曲线的特点和NURBS曲线插补的参数值的求取方法;其次,在可控弓高误差算法的基础上,提出了一种简单而实用的NURBS曲线的自适应插补算法,该算法充分考虑到了机床的实际加工能力,对曲线段进行提前预插补,提前预插补减速所需的最大插补周期数,实现了进给速度提前减速,能使加工进给速度自适应地随着曲率半径和曲率半径的变化率的变化而变化,使得加工运动更平滑;并且该方法还避免了因加工曲线终点的判断而带来的复杂计算;最后给出了快速求取插补点的三次NURBS曲线动态矩阵表示和曲线曲率的快速计算方法。     

基于微型铣床的非硅材料中间尺度微细切削加工技术研究

在综合考虑各项因素的基础上,研制了一台能够满足三维形貌加工要求的微型铣床,并进行了平面、微槽、微型齿轮、半凹球以及四面体微透镜阵列等各种典型微小特征的铣削工艺试验,体现了该铣床的加工精度和加工能力,证实了微型铣床加工技术的可行性。     

基于最小二乘支持向量机的普通高校招生人数预测研究

近年来普通高校的发展速度与规模,使社会大众兴起了对教育质量与总量的关注。普通高校招生数预测是制定教育政策的重要依据。针对中国文化教育的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间序列预测模型。预测结果表明该模型具有较高的预测精度,为普通高校招生数预测提供了一条新的途径。