更高速(400+km/h)列车气动减阻技术发展与展望

合理有效的气动减阻技术是我国研发运营速度400+?km/h高速列车的过程需展开深入研究的重点内容.首先阐述了高速列车气动阻力的基本分布特征,并针对国外下一代更高速列车的气动减阻技术进行了调研,尤其分析了欧洲、日本和韩国的下一代更高速列车气动减阻技术的特征,总结了国外下一代高速列车气动减阻的关键技术与方法.然后根据列车气动减阻技术实施部位的差异,从列车头型优化以及转向架、受电弓和风挡等局部结构优化两个方面对我国目前高速列车气动减阻技术研究现状进行了分析和梳理,同时归纳了新型气动减阻技术的研究现状.最后在综合国外下一代更高速列车气动减阻技术与我国气动减阻技术研究的基础上,对我国更高速(400+?km/h)列车气动减阻技术中可行性较高且效果明显的发展方向进行了展望与建议,为我国更高速列车气动减阻技术的设计与发展提供有价值的参考.     

基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。      

基于复杂网络的车载自组织网络脆弱性分析

车载自组织网络(VANET)作为智能交通的重要基础应用，其安全稳定地运行是交通系统乃至社会经济可持续发展的需要。以最大连通度、连通分支平均规模、全局网络效率等参数为脆弱性测度指标，基于复杂网络理论，应用车辆仿真软件(VanetMobiSim)建立了VANET网络拓扑模型，详细研究了在随机攻击和蓄意攻击模式下脆弱性量化指标随节点移除比例的变化关系；通过仿真实验分析了节点密度、信号辐射半径及不同攻击策略对VANET脆弱性的影响。仿真结果表明:VANET在蓄意攻击下比较脆弱，基于节点介数的蓄意攻击效能最强；节点密度、信号辐射半径越小，VANET连通性越差，网络越脆弱。所提方法和结果为VANET拓扑控制优化和网络管理决策提供了理论依据。      

机载托架自动校准系统的设计与实现

为了解决机载托架传统校准方法精度低、耗时、费力等问题,设计了一种高精度、高效率并且操作简单的成品托架自动校准系统。该系统运用调平精度较高的"循环多次"最高点不动调平方法,建立高精度机载托架校准的静力学数学模型,运用VC与Matlab的COM接口编程技术开发机载托架自动校准系统,并建立良好的人机交互界面。试验结果表明,利用该方法对机载托架进行校准,无论是校准精度还是校准效率都较传统方法有很大提高。     

基于结构加权低秩近似的泊松图像去模糊

针对由高斯模糊和泊松噪声引起的图像降质问题，提出了一种基于结构加权低秩近似的图像去模糊方法。首先，通过依次组合缩放、旋转、剪切和翻折等四种基本操作引入结构变换，以增加搜索空间内候选图像块的相似性。然后，构造新的目标函数，利用相似图像块的低秩性，在正则项中使用加权核范数（WNN）对结构变换后的图像块进行惩罚，以在去模糊的同时抑制泊松噪声。最后，基于半正定二次分裂（HQS）方法设计交替优化方案，用于求解目标函数，从泊松图像中去除模糊。实验结果表明:在多种泊松噪声强度下，所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）都高于当前同类去模糊方法。      

航空电子产品电磁环境效应模块化设计方法

对高强度辐射场（HIRF）环境特点与干扰类型进行分析，采用理论计算、计算机仿真技术（CST）的仿真分析及实测等方法分别对某型飞机航空电子系统综合显示单元的外部强电磁辐射场孔缝耦合、场线耦合及芯片前端电路影响关键芯片的相关规律进行了研究，给出了相关设计建议。结果表明，可通过分析孔缝、场线耦合获得进入关键芯片前端电路的电磁干扰能量，再结合关键芯片前端电路网络对干扰的插入损耗分析，获得关键芯片在外部强场激励下的感应电压。