一个识别零件几何与工艺特征的自动分类系统

提出了一种在成组技术中应用模糊综合评判理论识别零件几何与工艺特征、进行计算机辅助零件分类的新方法，据此设计了自动分类软件。本法是根据零件本身间的相似性自动分类，不需建立一套分类用编码系统，也不需事先设定假想零件。对不同的分类要求，修改各种输入信息很方便，具有柔性。本文对２３００个航空附件回转类零件作了试验分析，讨论了特征抽取，目标类别，权级、权重分配，模糊关系矩阵计算，及自动分类应用软件设计．本软件是在ＩＢＭ－ＰＣ微型计算机上用Ｆｏｒｔｒａｎ－７７语言实现的，分类结果满意，自动分类正确率达９０％以上。本软件设计方法也适用于设计管理部门．     

Beamlet变换提取线特征的改进算法

文章首先利用二进方块中Beamlet基的对称、平行等几何性质对离散Beamlet基进行分类;然后通过定义一个新的二进方块统计量和建立一个新的能量函数,对Beamlet变换方法中利用BD-RDP提取线特征的算法进行改进.通过实验对比,该算法进一步减少了运算量,提高了线特征提取的速度,且对复杂结构图像中的线特征提取效果更为清晰.     

导弹复合材料立尾的动力特性分析

对Ｈｅｌｌｉｎｇｅｒ－Ｒｅｉｓｓｎｅｒ变分原理进行了详尽论述。依据该变分原理推导了基于折线假设的复合材料层板元素的刚度矩阵，复合材料面板蜂窝夹芯元素的刚度矩阵。在形成元素刚度矩阵时，在子域一极求逆节省大量机时。介绍了动力特性的分析和试验方法。运用Ｈ－Ｒ元素计算了导弹复合材料立尾的动力持性，取得了满意的结果。     

系统可靠性预测方法

概述了系统可靠性预测的主要方法，对它们各自的优缺点和适用范围进行了系统的介绍了评论。在此基础上，提出一些新的可靠性预测方法，并对新方法的合理性进行了论证。     

周期结构和太阳电池翼的模态分析

基于周期结构的振动理论,把折叠状态太阳电池翼当作拟周期结构处理,解释了太阳电池翼在进行模态分析时所出现的“主模态局部化”现象,了解该现象对于在实验模态分析中确定阻尼系数具有重要意义。同时从理论上说明了,简单的基板模型的第1阶特征值是整翼模型的第1阶特征值的近似值。两个算例计算的结果支持了这个观点。     

随机疲劳裂纹扩展及动态可靠性分析

在确定性袭纹扩展模型的基础上，建立了疲劳裂纹扩展的随机模型。考虑裂纹扩展引起的强度衰减，建立了实用的动态可靠性分析模型。     

SOM神经网络在卫星电源系统故障诊断中的应用

研究了自组织特征映射（SOM）神经网络的结构及学习算法，提出了利用SOM神经网络对输入样本的“聚类”作用，实现对故障模式的分类，并据此对故障进行诊断的新方法，通过对某卫星电源系统故障的诊断实例，验证了该方法是有效可行的，能对卫星电源系统的故障进行准确的实时诊断。     

SAR/INS组合导航中基于SURF的鲁棒景象匹配算法

在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。     

基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

基于快速提升KLDA准则的MSTAR SAR目标特征提取与识别研究

 核线性判别准则(KLDA)是一种非线性特征提取准则。利用KLDA提取MSTAR SAR图像特征,既达到较理想的识别概率,又可克服SAR图像对方位的敏感性。但此时训练样本最多,KLDA的计算代价高。为了解决这一问题,提出一种快速特征向量选择法（FFVS）。FFVS把类别和方位相似的SAR图像分成若干组,然后快速选择各组中部分图像组成一个集合且其到高维特征空间的映射作为一组基。利用该组基的线性组合表示任一样本和投影算子,降低了KLDA中核矩阵的阶数,达到降低计算代价的目的。实验结果表明,FFVS与KLDA组合能达到理想的识别结果。