基于自组织神经网络的软件功能测试数据自动生成

针对面向软件功能的测试数据自动生成问题,提出了一种动态自组织特征映射方法,用于生成揭示软件功能故障的测试数据(简称故障数据)。该方法主要有两部分组成,①采用具有全局多峰搜索特性的小生境遗传算法,在输入空间内搜索功能测试数据,生成少量的初始故障数据;②由初始故障数据,采用具有联想和分类能力的可变结构自组织特征映射,不断迭代生成大量相近而不同的故障数据,以便给开发者提供引发这些软件故障的信息,从而确定软件故障行为的模式或假设。用某型空空导弹发射控制软件进行了实验,运行结果表明了方法的有效性,故障数据生成效率高于遗传算法和随机法。     

一种改进的三角形星图识别方法

首先提出在直角坐标系下将天球球面均匀地分成486个分区的方法——"内接正方体法",实现导航星的快速检索。然后按照星对角距的大小升序排列,直接存储星对角距,并通过设置星对角距状态标识,完成星对角距的快速匹配搜索。最后,引入验证识别环节有效地解决观测三角形与匹配的导航三角形产生的冗余问题。仿真实验表明,改进的三角形星图识别方法对星点位置噪声和星等(亮度)噪声均具有较强的抗干扰能力,且在识别时间和存储空间的需求方面均比传统的三角形算法也具有较大的优势。     

星敏感器在轨光行差修正方法研究

星敏感器作为目前航天器中最重要的姿态测量敏感器,其精度直接影响航天器姿态测量精度,因此对其误差源进行分析和修正则尤为重要。提出了一种星敏感器在轨光行差修正方法,根据光行差产生的原理和特点,将星敏感器沿探测器X和Y方向产生的光行差误差角巧妙地转换为光行差误差四元数,并直接对输出四元数进行修正,从而为修正星敏感器光行差提供了一种方便简洁的方法。     

机载大屏幕显示器人机工效及其标准初探

分析了国内外机载大屏幕显示器人机工效发展现状,介绍了机载大屏幕显示器人机工效的关键技术,简述了国内外标准发展情况,提出了制定我国机载大屏幕显示器人机工效标准的建议。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

感应同步器，光栅和磁栅兼容的数显表的研究

本文介绍了数显表在我国的发展概况,以及感应同步器,光栅和磁栅兼容的数显表的基本原理。     

激光室内定位的混合式高效点云地图构建方法CSCD

针对机器人在室内定位中存在的点云地图形式单一、存储空间大等问题,提出了一种包含特征地图、通行地图和精简地图的混合形式地图构建方法。构建特征地图时,利用曲率、法线和局部显著性等要素提取环境中的显著特征点。构建通行地图时,首先,采用区域生长分割平面;其次,基于室内曼哈顿假设,利用平面空间关系分割出地平面;最后,根据预设高度构建出2D通行地图,并将3D边缘信息融入到通行地图中。在精简地图中,分别采用主方向权重、随机采样和K均值聚类方法对不同类型体素网格内点云进行精简。实验表明,特征地图可为机器人提供丰富的特征信息。通行地图中地面分割的准确度大于95%,可提供准确的先验通行信息。精简地图有效降低了点云地图的冗余度,在精简比例达到95%时,仍可取得0.8mm的平均模型误差,其精简性能优于传统的随机采样和体素格网方法。     

全微机化坐标数显与数据处理系统

本文介绍了一种全微计算机化的两坐标数显与数据处理系统。系统实现了机、光、电的一体化。在坐标信号的提取与读出过程中,用计算法和CRT显示代替了传统的电子细分和可逆计数器;12种基本测量软件及其35种组合软件、6种专用测量软件可以实现工件二维坐标的绝大部份测量任务,在少数情况下也可由用户编程,实现某些特殊的测量功能。     

基于枝切截断的高质量相位解缠算法

针对传统枝切截断相位解缠算法受残差检测理论缺陷的影响,不能实现对相位完全正确解缠,在总结枝切截断法和质量图导向法的基础上,提出一种新的相位解缠算法。在残差检测理论的基础上,使用一种新的表征相位质量的可靠性导向图指导放置枝切阻断线,对低质量相位的界定使用一种自适应阈值的方法使残差检测达到最优,提高了相位解缠的质量。对于一些背景噪声严重的情况,调制度预处理的方法提高了相位解缠的鲁棒性。实验结果表明,该算法能自动避开相位不连续区域,得到较高质量的相位解缠结果。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。