多型腔零件加工区域的自动识别和刀轨生成

从工程实际应用出发,提出并解决了二维平面多型胺零件的型腔区域的自组织别问题：即仅依靠型腔轮廓环和岛屿轮廓环的几何信息,不需要知道哪 个轮廓环是型腔轮廓环,哪 个轮廓环是岛屿轮廓环,也不需要知道哪 几个轮廓环合在一起构成一个型腔。     

微量润滑条件下铣削速度对油雾浓度的影响分析

微量润滑（Minimum quantity lubrication, MQL）切削是现代机加工领域一种先进的准干式切削技术,但微量润滑切削过程中产生的切削油雾仍会影响切削现场的环境空气质量,危害切削场所人员的健康。应用重量分析法对切削现场油雾浓度进行检测,分析了润滑油用量、供气压力、喷射靶距、射流温度等不同微量润滑系统参数下铣削速度对切削现场油雾浓度的影响规律。研究结果表明,随着铣削速度的增大,油雾颗粒与高转速刀具发生激烈碰撞形成二次雾化,造成切削现场油雾浓度PM10与PM2.5均相应增大,但微量润滑系统参数不同,PM10与PM2.5随铣削速度的变化规律亦不相同。     

多传感器协同探测证据理论分类融合方法

随着智能化、网络化集群作战等理念和技术的兴起,精确制导武器越来越向智能化、协同化方向发展。多传感器协同探测能够针对不同的探测任务背景和作战需求,提升目标探测性能,还可以跨域整合多种探测平台。但是由于信息的不确定性等特点,使得多传感器数据直接融合可能造成决策困难。因此,在证据理论体系下对信息融合的有效性进行合理分析与度量是很有必要的。提出了一种基于Deng熵的证据理论分类融合算法,以熵减为主要思想,将证据进行分类融合。在决策过程中,将含有证据数最多的类别融合结果作为总体融合结果,避免高冲突证据的影响,提升融合结果的信息有效性。采用算例说明了所提方法不仅能够得到合理正确的结果,并且融合可靠性较高,便于决策与后续的信息处理。     

单元可靠性评定的熵方法

基于单元随机化最优置信经典(法)近似下限的取值范围，利用其边界值所提供的总信息量的算术平均值与熵(法)近似下限R’L.S所提供的总信息量相等的条件，推导了求解R’L.S的基本公式，提出了单元可靠性熵法评定的基本原理和方法步骤。实例表明，熵法评定结果总是介于非随机化最优置信经典(法)和第(1)种Bayes(法)近似下限之间。     

基于多信息加权融合的降维航迹关联算法

针对分布式3个传感器多目标的航迹相关算法如果直接计算时间和花费都比较高这一问题,提出降维航迹关联算法。该算法先利用2个传感器的目标位置估计点构造航迹相关代价矩阵,求出最优解,再利用这个最优解与第3个传感器的目标位置估计点构建航迹相关代价矩阵,进一步得到三维航迹相关配对。针对单信息系统不稳定这一问题,提出了融合多个特征信息的加权算法。该算法利用熵权法赋予各种不同信息的权重进行加权融合,转化为单信息问题。仿真结果说明本文所给出的新算法不仅减小了目标跟踪误差而且其时间花费较少,因此,新算法是可行的。     

基于电阻阵列的红外场景生成技术

针对红外成像制导半实物仿真试验的需求,研究了红外场景生成技术。主要通过对场景的建模、目标及场景的红外特性分析,开展了基于可见光图像调制生成红外图像技术的研究。同时对飞机、地面背景及红外诱饵干扰的建模技术进行了探讨,完善了红外场景的生成方法。利用该红外场景生成技术为基于电阻阵列的红外图像转换器提供输入信息,驱动电阻阵列产生红外辐射,经热像仪观测,生成的图像细腻、真实度高,为制导半实物仿真试验提供了更为逼真的红外仿真环境。     

增透膜在槽式太阳能高温集热管产业化生产中的应用

高温太阳能集热管作为槽式太阳能热发电系统的核心部件,直接影响其发电效率。文章研究了采用溶胶-凝胶技术和提拉法在高温太阳能集热管的玻璃外管上镀制增透膜,大大地提高了集热管的集热效率;研制了年产15万支的集热管增透膜镀膜自动化生产线,产业化能力得到稳步提升。     

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.      

成败型系统可靠性增长的Bayes评估

针对成败型系统在研制阶段的动态增长的可靠性评估问题,依据前期可靠性增长试验中多阶段的试验信息和专家经验,提出了基于新Dirichlet先验分布的可靠性增长的Bayes评估方法。该方法根据已有的不同阶段试验信息,利用离散AMSAA（Army Material System Analysis Activity）可靠性增长模型描述可靠性增长试验中不同阶段可靠性的增长趋势,并对各个阶段的可靠性进行评估;针对下一阶段建立基于新Dirichlet分布的可靠性先验分布,并根据下一阶段可靠度的估计值采用最大熵模型给出先验分布参数估计;在获得现场试验数据的条件下,给出下一阶段的可靠度后验估计,并讨论不同区间范围对后验可靠性的影响。最后通过实例分析,表明相较于直接利用离散AMSAA模型和Beta先验分布,该方法在合适的专家经验的指导下能够给出更为准确的可靠性评估。