基于潜在成分的时变系统损伤的概率神经网络分类

提出了一种新的时变系统健康监控的损伤分类方法。将函数级数时变自回归平滑时序模型应用于时变系统的振动信号,以估计TAR／TMA参数和革新方差。这些参数是时间的函数,将它们在以特定的基函数构成的某种函数子空间上展开得到相应的投影系数组。所估计得到的TAR／TMA参数和革新方差可进一步用来计算潜在成分（LCs）,将LCs用于健康评估比原来的参数更具信息。并将LCs联合并归化为数值得到特征集,输入概率神经网络（PNN）进行损伤分类。为了评价该方法,对一个时变系统进行了仿真,以各种不同的质量和刚度减少来模拟不同的损伤类别。算例表明：该方法能够在时变系统的背景下对损伤进行归类。     

设计特征模型中的装配特征识别

研究了由设计特征模型识别装配特征的算法 ,该算法采用凹凸特征模型为中间模型实现设计特征模型向装配模型的转化。识别算法用特征设计与特征识别相结合的方法有效地识别出设计特征指定面的所有凹凸特征 ,利用判别装配特征的充分必要条件得到所求的装配特征。该方法克服了传统算法的缺点 ,提高了装配特征识别的有效性和可靠性     

上游转子对下游静子叶片气动力的影响

为研究轴流压气机下游静子叶片非定常气动力的大小和频率的变化规律,采用在静子叶片表面埋设微型动态压力传感器的方法,在低速单级轴流压气机实验器上进行了静子叶片表面压力的测量。测量了不同轴向间距、不同转速下从近堵塞到近失速的宽广流量范围,并对所测得的静子叶片非定常气动力进行了离散傅立叶变换,以分析其频谱特性。实验结果表明：在转子尾迹的影响下,静子叶片表面的波动频率是转子的尾迹频率及其倍频。转子尾迹频率的高频分量对静子叶片吸力面前缘的影响比对其他位置的影响大。叶片表面的非定常压力和气动力随压气机流量、转速和轴向间距的变化而变化。     

自适应融合 RGB图像特征的稀疏深度修复

深度修复的目的是从稀疏深度图像中恢复出稠密的深度图像。现有方法通常是以稀疏深度图像及其对应的 RGB图像为输入,通过 1个卷积神经网络恢复出密集深度图像。然而,普通的卷积层在处理稀疏且不规则的深度信息时有较大的局限性,同时,RGB图像特征和深度图像特征属于不同的模态。针对这些问题,文章提出了自适应稀疏不变模块,根据输入像素的有效性来处理稀疏深度,并提出了结合注意力机制的多尺度特征融合模块,在关注有效特征的同时,抑制不必要的特征,进一步提高深度修复性能。文章在 NYUv2数据集上进行了一系列实验,实验结果表明了所提出算法和模块的有效性。     

航天发射特征事件综合和弹道融合策略优化研究与应用

特征事件综合和弹道融合是航天发射过程中最为重要的一项工作,通过特征事件发生时间和火箭飞行弹道可直观地反映出运载火箭的飞行状态。因此,为了进一步提高特征事件综合和弹道融合效果,基于遥、外测量信息,分别对参与特征事件综合和弹道融合的信息源进行分类及其影响因素进行分析,并提出了相应的信息融合策略。通过采用优化的融合策略,可进一步提高特征事件时间解算的准确性和实效性,提升弹道融合的效果,满足航天发射飞行态势显示和安全控制的任务需求。     

基于多特征融合的航天器锂电池健康评估技术

传统的航天器蓄电池可靠性试验按照最大放电深度进行定额充放电，所构建的失效模型用于支撑航天器总体可靠性设计，不能用于在轨锂离子蓄电池健康评估任务；航天器在蓄电池遥测的采样率、精度、样本量方面无法与民用领域相比，基于高采样、大样本的民用蓄电池健康估计方法也不适用于在轨锂离子蓄电池健康评估。针对该问题，从在轨航天器蓄电池数据特性出发，挖掘在轨状态下所能提取的退化特征，并采用多特征综合评价方法，设计了一种基于多特征融合的在轨锂离子蓄电池健康评估方法，实现了在轨蓄电池放电内阻、同放电深度下的终端电压、恒压充电时间3项退化特征融合的健康量化评估，应用于某型号卫星的在轨监测与健康评估，具有良好的工程实用性，可作为国内航天器健康评估技术的参考。     

加权自适应模式识别系统的数学描述

基于n元原理,采用加权训练思想,为克服经典自适应模式识别系统——WISARD的简单训练策略之不足而提出的加权自适应模式识别系统,具有自动消除伪特征、突出训练模式的固有特征、改进系统的分类性能筹优点。本文首次用数学手段描述了加权自适应模式识别系统,把系统的训练与分类过程抽象为对模式进行矩阵变换的过程。系统的分类行为由训练模式所建立的逻辑函数矩阵来表征。文中还对系统的性质作了初步探讨,指出只要合理地选取加权训练阀值,加权系统的分类性能不会弱于非加权系统。最后还给出了加权训练阀值的上界和下界。     

简论社会主义政治文明的历史方位及特征

政治文明是人类政治生活的进步状态，社会主义政治文明是在社会主义社会的基础上确立和发展的，是现代政治文明发展的先进形态。中国共产党在中国社会所开创的社会主义政治文明，不仅具有社会主义社会的本质要求，而且具有鲜明的中国特色。     

基于运动特征和中心环绕模型的空对地车辆检测方法

平台的移动基于空基车辆检测以其视野广、速度快、适应性强等优点,近些年成为了智能交通和航空应急救援等领域内的一个热点课题。然而,在城市背景的交通环境下,由于复杂背景造成的干扰、车辆运动的不规律性以及光照等条件变化带来的噪声,有效地获取运动对象特征是空对地视觉监视方法面临的一个难题。为有效解决这一问题,提出了结合运动特征的中心环绕模型进行空对地车辆检测的算法。现有的空对地车辆检测算法,大多是针对固定的摄像头的情况下,基于运动特征进行检测,例如光流法、背景差法等。这些方法在对高速公路等背景相对较为简单的环境下获得了良好的检测结果,但当面对城市复杂背景条件或摄像头自身运动的状况时,难以有效地检测出运动目标。而在对颜色、强度等静态特征进行显著度分析的基础上,加入了对运动特征的分析,可以解决在复杂环境下准确提取车辆目标有效特征的问题。试验表明,相较于基于图像相减的检测算法和单一显著度算法,该算法可以获得更高的检测率与更低的误报率。     

Mechanical wear debris feature,detection, and diagnosis: A review

Mechanical debris is an important product of friction wear, which is also a crucial approach to know the running status of a machine. Many studies have been conducted on mechanical debris in related fields such as tribology, instrument, and diagnosis. This paper presents a comprehensive review of these studies, which summarizes wear mechanisms (e.g., abrasive wear, fatigue wear, and adhesive wear) and debris features (e.g., concentration (number), size, morphology, and composition), analyzes detection methods principles (e.g., offline: spectrograph and ferrograph, and online: optical method, inductive method, resistive-capacitive method, and acoustic method), reviews developments of online inductive methods, and investigates the progress of debris-based diagnosis. Finally, several notable problems are discussed for further studies.