复合材料飞机结构损伤容限特性

 复合材料用于飞机结构已有10多年的历史,由于复合材料的特点,必须重新研究原来适用于金属结构的损伤容限设计的一系列规范、手册和数据在复合材料结构中的适用性。本文介绍了欧美各国在复合材料飞机结构损伤容限特性方面的研究概况,并且从对有关规范的补充说明、缺陷性质和验证标准、飞机结构损伤容限评定方法、分析方法和设计方法等几个方面进行了综述。     

含软化带复合材料板的损伤容限特性研究

 碳/环等先进复合材料断裂韧性低,在静载作用下常具有典型的准脆性破坏模式。而在制造和使用中不可避免地会有缺陷、损伤（包括结构缺口等）,致使其承载能力大大降低。为防止损伤突然激发并快速扩展而导致灾难性破坏,软化带设计是一种颇有效果的解决办法。 软化带即在受轴向载荷的板（如机翼翼面）上设置的一些不连续条带。     

基于包围盒的碰撞检测算法

详细分析比较了基于包围盒的碰撞检测算法中的轴向包围盒法、方向包围盒法、离散方向多面体法的检测原理和检测效率,并改进了轴向包围盒碰撞检测算法,提出利用简化包围盒边缘节点实现碰撞检测的新设想,其可行性已被初步试验证实。不仅显著提高了碰撞检测的速度,而且可以便捷地得到更为详细的碰撞检测信息,满足了进一步进行碰撞响应处理的需要,使飞行模拟机的视景系统能够实时、准确地检测出虚拟物体间的碰撞。     

基于分形特征和Hough变换的海天线检测算法

海天线检测是研究成像型反舰导弹末制导技术的一项重要内容。首先深入地探讨了海空背景下的海天线检测问题,然后提出了基于分形特征和Hough变换的海天线检测算法。实验表明,算法精度高,可以有效地检测出复杂海空背景下的海天线,为进一步应用(如目标识别、图像配准)奠定了良好的基础。     

智能车辆视觉系统的障碍物边缘检测

对采集的道路图像中的障碍物进行边缘检测,其过程为:道路图像预处理、二值化、边缘检测和数学形态学处理.同时,在MATLAB7.0中对图像进行仿真.     

一种模糊神经网络检测下的入侵容忍系统设计

为了与网络系统中的入侵行为进行抗衡,可以通过安装入侵检测系统来监控系统中的各种网络行为,入侵容忍可以作为入侵检测系统的互补系统与之一起工作.漏报与误报问题是入侵检测系统面临的根本性问题,加入神经网络技术后并不能完全解决此问题.入侵容忍技术的提出很好地平衡了"失误"与"恶意"、"入侵"与"非有意"之间的冲突与矛盾.入侵容忍本身就是一种"模糊"概念,为模糊数学在计算机安全中的应用提供了有力的理论支持.提出了一种基于模糊神经网络的入侵检测系统应用于入侵容忍的设计方案,并将入侵容忍与入侵检测、防火墙结合,作为一个独立于应用的系统进行设计.     

战伤诊断与修复计算机辅助系统

概述了战伤诊断与修复的基本情况,对战伤诊断和修复的过程进行了简要说明,定义了战伤诊断与修复计算机辅助系统,同时利用关系型数据库语言Vc 6.0编写了战伤诊断与修复计算机辅助系统应用软件,介绍了战伤诊断与修复计算机辅助系统应用软件的功能及使用方法。为说明计算机辅助系统应用软件的实际过程,文章最后针对某型飞机一种典型的战伤情况,利用本文介绍的战伤诊断与修复计算机辅助系统对某型战斗机进行了战伤诊断与修复分析。     

基于感测线圈和KPCA的电机轴承故障检测

在电机定子中嵌入感测线圈并结合核主元分析(KPCA)进行电机轴承的故障检测。8只线圈分别嵌入电机定子的前端和后端,通过分时复用形成6组反应电机状态的差动信号。针对6组感测信号与电机状态间的非线性特征,采用KPCA进行多变量分析。着重介绍分析了KPCA故障检测的算法、监测指标和步骤。最后,用机车变压器油泵电机为对象开展了试验研究,验证了所提电机轴承故障监测方法的有效性和正确性。     

AHPSO-SVM预测超声内圆磨削ZTA陶瓷的边界损伤

为解决普通加工方式易出现工程陶瓷边缘碎裂的问题,本文对超声内圆磨削工程陶瓷边界损伤预测系统进行了研究。在35 kHz轴向超声磨削与普通磨削两种条件下独立进行试验,运用支持向量机研究工艺参数与边界损伤影响规律,采用改进的粒子群算法优化支持向量机,建立采用混合核函数的AHPSO-SVM预测模型。研究结果表明,超声激励下试件边界损伤降幅为10.05%～21.23%,AHPSO-SVM预测模型MSE为0.378 4、平均相对误差为1.369 0%、30次适应度值标准差为0.020 2。相比于普通磨削,超声磨削可使ZTA陶瓷边界损伤值显著降低;建立的AHPSO-SVM模型具有较好的学习能力、泛化性能与良好的稳定性。     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。