周向布局对高负荷串列叶栅性能的影响

为研不同周向布局下串列叶栅各排性能变化的机理,按扩压因子大小分布设计了一系列串列叶栅,每组串列叶栅进行6种周向布局计算分析;而后对一组串列叶栅前后排叶片积叠轴分别进行了弯曲处理,研究沿展向非均匀周向布局对串列叶栅性能的影响。研究结果表明:周向布局可以改变叶栅通道扩张规律从而改变流场压力分布。随着周向偏距增大,前排负荷增加,后排负荷降低。增大周向偏距可减小串列叶栅前后排损失,T5算例中80%周向偏距方案相对原型损失减少51.3%。前排叶栅决定了串列叶栅可用攻角范围,并且随着周向偏距增大,串列叶栅的可用正攻角增加。随着周向偏距增大,后排叶片端区分离会减小。串列叶栅整体正弯减小14.5%的总压损失系数。采用单独前排反弯或者单独后排正弯分别减小了15.6%和55.2%的总压损失。      

凹坑深度对高负荷扩压叶栅损失特性的影响

采用经实验校核的CFD方法研究吸力面不同深度的凹坑对高负荷扩压叶栅气动性能的影响。为研究不同凹坑方案对于叶栅损失特性的影响,深度为0.2、0.3、0.4、0.5、0.6mm,深宽比为0.25的5种凹坑分别被布置在42%~60%轴向弦长处。不同深度凹坑对于减小损失的效果不同。结果表明:深度为0.2mm的凹坑能够使得叶栅出口总压损失降低10.8%。三维球状凹坑通过提高边界层内的湍动能水平,促进边界层转捩,消除了层流分离泡,改善了矩形叶栅的气动性能。     

叶尖泄漏掺混损失影响因素分析

借鉴Denton不可压叶尖泄漏损失的理论分析,推导出可压缩流动中叶尖泄漏掺混损失基本关系式,其集中反映了尖区叶表压强、叶尖间隙、泄漏流流量系数及总损失系数影响.在仅考虑泄漏掺混损失情况下,数值分析了叶尖基元负荷、间隙、泄漏流量系数整体水平及其弦向分布等因素对叶尖泄漏掺混损失的影响.结果展示了各因素对叶尖泄漏掺混损失的作用及机理.最后提出一个重要的组合参数,反映了叶片尖部载荷和叶尖间隙的流向分布对叶尖泄漏掺混损失的综合影响.      

基于图像处理自动调焦方法的稳定性研究

本文对几种常用的图像聚焦评价函数进行了比较、研究,并在此基础上针对由于图像噪声导致评价函数不稳定,调焦重复精度不够的现象,首次提出了调焦区域选择,图像预处理,改进算法,曲线拟合四项措施结合来提高调焦重复精度.     

图像模板测量技术在零件不规则薄圆孔检测中的应用

针对不规则薄圆孔的检测,提出了一种基于数字图像处理的模板匹配检测方法,运用数字图像处理技术对采集的圆孔图像进行截取、降噪、分割、边缘检测等处理,再把提取出的圆与标定模板上的标准圆进行比较,实现对不规则圆孔尺寸的检测,并通过实验证明了该方法的可行性和实用性。     

一种快速Web中文分词算法的研究

提出了一种快速Web分词算法,该算法采用首字哈希存储和词条等长分簇存储的思想,采用近邻匹配和二分查找相结合的查找算法,可以方便实现邻近匹配,提高了效率.     

地形景象匹配辅助导航可视化仿真研究及软件实现

为了直观有效验证地形景象匹配算法和演示地形辅助导航的过程,设计了地形景象辅助导航可视化仿真软件系统.利用Visual C 和OpenGL的功能实现了对导航数据和飞行过程的动态二维可视化曲线显示,对匹配区域中的实测图和参考图进行动态显示,能够直观地分析匹配结果的正确性;并在此基础上着重对地形景象匹配辅助导航过程实现了可视化仿真显示,能形象直观地演示地形景象辅助导航的过程及其性能.通过多次试验表明,该软件能很好地演示地形景象辅助导航系统的全过程及其性能,具有很好的实际应用价值.     

RS485电路的匹配和保护性设计研究

嵌入式串行通信系统被越来越多地应用于对传统机电设备的改造中,在某工程应用中就大量使用了异步串行通讯总线RS485完成和机电系统的信息交互,但是各机电设备的电路设计不统一、不规范,在工程的实际应用中造成了很多困难.结合实际应用给出了一些RS485电路中的常用匹配和保护设计方法.     

改进的图像相关匹配算法

将遗传算法用于低对比度小目标图像相关匹配跟踪,提出了改进的快速图像相关匹配算法。结合图像匹配本身的特点,采用新的编码方式克服了二进制编码的缺点。采用NPROD匹配准则在同样的匹配效果条件下,提高了匹配精度,该算法在计算速度上较原始算法提高了至少12倍以上,同时该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用。实验结果表明该方法可以有效地跟踪低对比度小目标。     

基于加权模糊C均值聚类的图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法存在着本质上的缺陷,就是仅利用了图像的灰度信息,而没有考虑像素的空间信息,使得其对于实际的含有噪声的图像分割效果不理想。因此,提出了一种新的加权模糊C均值聚类算法,实践证明,该方法可以有效地、实时地把目标从背景中分割出来,并具有较强的鲁棒性。