航空有机玻璃紫外光老化研究

对YB—DM-11航空有机玻璃试样在254nm和313nm两种波长的紫外光照射下,进行了2个月的加速老化试验,跟踪测试了有机玻璃的抗拉强度和重量变化规律。通过红外光谱（FTIR）、热分析（TG／DTA）、扫描电镜（SEM）和凝胶渗透色谱（GPC）等方法,分析了老化前后试样的结构和性能,结合老化前后有机玻璃的性能变化规律,揭示了有机玻璃在紫外光照射下的老化机理。     

铺层顺序对碳纤维复合材料钻削分层制孔的影响

在碳纤维环氧树脂基复合材料的钻削制孔加工过程中会产生很多种类的缺陷,其中分层损伤是最难以控制的缺陷,严重影响机械连接的有效性和材料的使用性能。将铺层规则尤其是防分层规则应用于层合板铺层顺序优化中,使用Memetic算法得出防止碳纤维板分层的铺层顺序,并设计CFRP制孔试验加以论证。试验结果表明,复合材料铺层角度对分层缺陷有重要影响,优化后的碳纤维复合材料可有效减少分层、毛刺缺陷。     

基于改进免疫算法的可拆卸设计的产品模块划分方法

模块化设计能够缩短产品研发周期,提高产品的性能,可拆卸设计将绿色设计思想拓展到产品的全生命周期。综合模块化设计方法和可拆卸设计的思想,提出了可拆卸设计的模块化准则,以可拆卸度、内部聚合度、外部耦合度为优化目标进行模块划分。针对免疫克隆算法在模块划分问题上,最优Pareto解集分布不均匀的问题,改进了一种免疫克隆算法(immune clonal algorithm,ICA),该算法通过删除非支配抗体中较为拥挤的抗体,得到了分布均匀的Pareto解集。利用该算法进行模块划分,得到了模块划分的优化结果,该方法以模块划分为主要目标,同时兼顾了模块零部件之间可拆卸性的复杂程度,最后以飞机起落架为例说明了该方法的可行性和适用性。     

面向大数据的数据处理与分析算法综述

大数据处理是近年来广受关注和研究的技术领域,数据挖掘作为从大量数据中挖掘隐藏价值信息的技术,是处理大数据的有效工具。本文主要从数据挖掘的角度对大数据处理算法的研究现状进行分类总结。首先介绍了大数据中针对流式数据分类的方法,包括单模型算法和集成分类算法;其次分别从单机算法和基于分布式并行平台的多机算法两个角度概括介绍了大数据聚类方法以及大数据关联规则挖掘方法;最后总结了现有面向大数据的数据挖掘算法的研究进展并展望未来的发展趋势。     

外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。     

基于案例推理和等价空间的定性/定量混合故障诊断方法

针对难以获得航天器控制系统的精确模型,采用基于知识的定性故障诊断方法也难以奏效的问题,采取定性/定量混合故障诊断的思路,将基于案例推理和等价空间故障诊断方法有机结合,建立定性/定量混合故障诊断模型,推出一种定性/定量混合故障诊断方法。以航天器姿态控制系统为对象进行故障诊断。验证结果表明,推出的定性/定量混合故障诊断方法能够发挥二者的优势,比任何单独一种方法的诊断效果都好。     

图形文法在三维角点检测中的应用(英文)

许多局部特征描述都假设场景是平面的,而在真实场景中捕捉到的图片都是来自三维世界。在图像匹配和目标检测中,三维角点作为一种包含三维信息的形状特征,是一种新的重要不变特征,但从普通角点中自动鉴选出三维角点比较困难。基于图像的图形文法提出一种新的三维角点检测方法。该方法在一定程度上能够检测出角点的三维特性。实验结果表明三维角点特征在图像匹配中是适用的,证明了所提出的方法的有效性。     

基于Web和层次实例推理的CAPP的研究

针对网络时代制造业企业对CAPP系统的现实要求,研究了以互联网为基础,以开放、通用、智能为特征的CAPP模型.模型采用数据库、Web服务器和客户端三层结构,实现了CAPP的在线服务.本文提出了一种称为基于层次实例推理的工艺生成方法,该方法将工艺计划分为工艺过程、工序和工步三个层次,并对这三个层次分别进行基于实例的分层推理,使工艺生成规则描述的随意性为基于粒度描述的规范性,降低了工艺规程组合和重用的粒度.由于采用基于层次的实例推理方法,使工艺生成既具派生又具创成的特征,提高了工艺生成的通用性和实用性.     

一种基于证据理论的目标识别加权数据融合

在分析证据理论数学内涵的基础上,给出一种不确定性的目标识别加权数据融合方法,即先对不同传感器赋予不同的可信权值,形成新的m ass函数,再通过D-S合成公式进行数据融合。理论分析和实践检验证明,该方法可有效地提高目标识别的准确性。     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。