面向智能感知的小样本学习研究综述

小样本学习指只利用目标类别的少量监督信息来训练机器学习模型。由于其实用价值，学术界和工业界提出很多针对该问题的解决方案，但是目前国内缺少该问题的综述。本文对国内外学者提出的小样本学习算法及基于小样本学习的目标检测算法进行了系统的总结和探索。首先，给出了小样本学习的问题定义，列举其与其他一些经典的机器学习问题之间的联系，同时从理论上阐述小样本学习问题面临的挑战；接着，对基于小样本学习的图像分类进行了概述，并对其中代表性的工作进行介绍与分析；在此基础上，重点针对基于小样本学习的目标检测，特别是零样本条件下的目标检测问题，详细介绍和分析了现有的研究工作；最后，立足于现有方法的优缺点，从问题设定、理论研究、实现技术以及应用场景等几个方面对小样本学习的未来发展进行了展望，期望为该领域后续的研究工作提供启示。     

电火花内圆磨床改造及其应用

分析了电液伺服阀内孔和内环槽加工的难点及电加工的特点,重点介绍了电火花内圆磨床的改造和电参数的选择以及应用电火花内圆磨床取得的技术经济效果.     

基于PLM的网络DNC平台的研究

近十年来,随着装备制造业网络、数控、企业信息化等技术的不断深入推广和完善,使流程化管理、角色访问、柔性加工和实时诊断监控等技术,在提高企业竞争力的过程中起着十分重要的作用。它们都以计算机辅助制造与计算机集成制造系统为技术支撑。作为生产的终端,数控设备的管理就成了一个核心的环节。较早开发的CAD,CAM,PLM及PDM主要侧重于文档、角色、流程的管理,由于一些客观的原因,企业内部对数控生产线和数控设备的管理却又相对落后,尤其是对数控代码的管理和维护十分混乱,为此尝试在PLM的基础上搭建一个DNC平台来解决这一问题。     

可用于虚轴和普通刀具刃磨机床的数控系统

介绍了一种开放式数控系统.该系统可用在虚轴刀具刃磨机床和普通刀具刃磨机床.给出了该控制系统的硬件和软件结构,并给出了实例:在虚轴刀具刃磨机和普通刀具刃磨机磨出螺旋面钻头的实例.      

超声振动切削中的自动调谐技术研究

在超声振动切削中,由于系统的发热及加工负载的变化,机械谐振系统的谐振频率会在较大范围内发生变化.若超声波电源的工作频率不能自动跟踪机械系统的谐振频率,超声振动切削就无法持续稳定地进行.为了解决上述问题,分析了超声振动切削系统的组成,剖析了系统中超声换能器的电阻抗特性,提出了根据换能器中电压和电流的相位差来调整超声波电源工作频率的自动调谐方法,并设计了相应的自动调谐系统.试验结果表明:该自动调谐方法在加工条件变化的情况下能使切削系统始终工作在谐振状态,实现连续稳定的振动切削.      

小推力转移燃料消耗估计的机器学习方法

深空探测任务设计初段往往需要求解复杂的全局优化问题。小推力轨迹的设计与优化问题精确求解较为复杂,求解速度较慢。由于计算能力与时间要求,不可能在全局优化的过程中对每一个方案都进行精确的小推力数值求解,所以在全局优化阶段需要对小推力转移进行快速准确地估计。采用机器学习的方法,对燃料最优小推力转移的燃料消耗进行了估计,其结果明显优于目前最为常用的Lambert估计方法。根据轨道描述方法的不同以及是否带有Lambert估计特征,采用不同的特征组合进行机器学习,分析结果发现带有Lambert估计特征的春分点轨道根数的特征组合为较好的机器学习特征组合。可为未来深空探测任务轨道设计提供参考。     

CME引起的地磁暴穿越时间

日冕物质抛射(CME)从发生至引起地磁暴最大值的时间间隔称为穿越时间.本文选取1997-2015年89个CME-Dst事件,分析CME速度、能量、耀斑类型等对穿越时间的影响;采用非线性拟合以及支持向量机(SVM)非线性回归技术,建立基于1997-2009年62个CME-Dst事件的CF模型和SVM模型,并利用其余27个CME-Dst事件对模型预报效果分别进行检验.结果表明,CF模型和SVM模型的预报准确率均达到85.2%,其中CF模型的平均绝对值误差为13.77 h,而SVM模型为13.88 h.与ECA模型结果(准确率为77.8%,平均绝对值误差为14.55 h)进行对比发现,CF模型和SVM模型的准确率更高而误差更小.CF模型和SVM模型能够提前1~5天较好地预报地磁暴爆发时间.     

一种空间目标RCS序列的姿态异常检测方法

准确、快速判断空间目标姿态运动模式异常,对于空间目标监测具有重要意义。针对空间目标雷达散射截面 (Radar Cross Section,RCS)序列,提出一种基于小波包分解（Wavelet Packet Decomposition,WPD）能量谱特征的无监督机器学习异常检测方法,并采用单类支持向量机(One Class Support Vector Machine,OCSVM)验证异常检测效果。设置了几种典型异常场景进行仿真分析,试验结果表明,该方法能有效检测出三轴稳定类空间目标发生失稳旋转的姿态异常。相比于传统统计参数特征、小波变换统计参数特征及能量特征的姿态判别方法,具有检测概率高、鲁棒性好的特点。     

基于EMD与LS-SVM的刀具磨损识别方法

针对刀具磨损声发射信号的非平稳特征和BP神经网络学习算法收敛速度慢、易陷入局部极小值等问题,提出了基于经验模态分解和最小二乘支持向量机的刀具磨损状态识别方法.首先对声发射信号进行经验模态分解,将其分解为若干个固有模态函数之和,然后分别对每一个固有模态函数进行自回归建模,最后提取每一个自回归模型的系数组成特征向量,特征向量被分为两组,一组用于对最小二乘支持向量机训练,另一组用于识别刀具磨损状态.试验结果表明:该方法能很好地识别刀具磨损状态,与BP神经网络相比具有更高的识别率.      

机器人在卫星舱板装配中的应用研究

因卫星部分外舱板上需要安装有效载荷,而载荷与卫星主结构之间有多束电缆连接。舱板的安装通常需要使用翻转工装,为了保证舱板的安装精度,在装配过程中要求多名装配工人相互配合才能完成。文章对目前卫星舱板装配过程进行了分析,结合舱板安装实际,提出了机器人辅助自动化装配、半自动化装配方案及其运动路径基本算法。方案的实现有助于推动卫星自动化装配的进程,并提高装配工作效率。