可转位高速铣刀刀体加工的工艺优化

系统的研究了可转位高速铣刀刀体容屑槽与刀片槽加工工艺方案。设计了确保加工精度的工装夹具,优选出了最佳的使用刀具材料,优化了刀具加工路径及误差控制策略。     

航天器局部系统动力特性的频率匹配设计

对航天器结构进行频率匹配设计,是降低耦合响应,控制其在发射阶段动力响应水平的有效方法,文章进行了局部系统动力特性的频率匹配技术研究。用基于响应谱分析的频率匹配技术优化配置局部系统的固有频率,使其与整星动力学特性和动态激励特性更加匹配,并结合结构动力特性优化使局部系统频率满足设计值。通过工程实例,验证了该方法用于控制航天器动力响应的有效性,优化后设备加速度响应幅值相对于优化前降低了20％～40％。     

微半球陀螺测控电路国内外现状与关键技术

微半球陀螺相比于传统的机械陀螺具有更小的尺寸，因此其对温度、湿度、磁场等外界环境的变化更为敏感。为了保证陀螺具有较好的工作表现，需要使外部驱动信号的频率严格锁定于工作模态的中心频率上，且陀螺输出信号幅值恒定。与此同时，由于微半球陀螺信号为微弱信号，故而需要采用微弱信号采集技术及反馈技术对其进行处理，并且通过解调控制算法得到输出信号。阐述了微半球陀螺基本测控电路的国内外发展现状，并从Sigma-delta、模态匹配、正交补偿、温度补偿等角度分析了微半球陀螺测控电路的关键技术。     

飞行模拟器操纵负荷系统的无源性设计

 操纵负荷系统是飞行员与飞行模拟器之间的接口装置。提出了这种人在回路的实时控制系统的一种新的设计思想,这种设计将无源性与阻抗的概念结合,并将系统阻抗的频率特性作为定量设计的手段。基于频率分析,控制器设计中应增加一个阻尼项,使传递到操作员手上的阻抗与飞行环境的阻抗相匹配。并指出,系统中的力伺服系统的阻尼比应在0.5~0.8范围内以满足这个虚拟环境的无源性要求。操纵负荷系统的无源性可保证整个仿真系统的稳定性。所提出的设计思想还可推广应用于其他各种虚拟环境的设计。     

基于蜜罐技术的分布式容侵防御模型

在分析国内外研究现状的基础上,针对目前蜜罐技术应用中存在的问题,提出了一种基于蜜罐的分布式容侵防御模型,并在模型中设计权限状态监控和基于匹配度的检测算法。测试实验证明,该模型能够弥补当前蜜罐技术应用的不足,辅助IDS提高威胁检测的准确度,有效地增强网络的容侵能力和生存能力。     

基于角点特征的SAR图像与光学图像匹配算法

INS／SAR组合导航系统对SAR实时图像与光学参考图像的匹配算法提出了实时性和准确性要求。文章首先采用一种结合Harries算子与曲率尺度空间的算法,提取SAR图像与光学图像中的角点;然后利用距离约束、角点值约束、边缘约束进行角点匹配。经实验验证,该方法实时性好,匹配精度高,可较好的应用于INS／SAR组合导航系统的...     

特征融合的双目立体匹配算法加速研究与实现CSCD

随着图像分辨率和场景信息获取实时性需求的提高,业界对双目立体匹配算法的效率提出了更高的要求。针对该问题,提出了将SAD与Census变换特征融合的结果作为初始匹配代价,利用SGM算法进行代价聚合,采用赢家通吃策略计算视差,通过左右一致性检验检测出遮挡点并填充,使用中值滤波剔除异常值,最终获取优化后的视差图。采用统一计算设备架构(CUDA)对算法实现并行计算,针对立体匹配比较耗时的问题,该算法最大化地利用共享内存、寄存器内存以及CUDA流,实现了不同核函数之间的并行,大大提升了执行效率。结果表明,该算法在Middlebury立体匹配平台上,平均误匹配率下降了8.05%;在NVIDIA GeForce GTX 1650平台上运行450×375分辨率的图像,比原始SGM算法快687倍,运行高分辨率图像时依然能够实现实时显示性能。     

一种基于视频序列的运动目标检测方法

文章提出了利用帧差分法和背景差分法结合块匹配对运动目标进行检测的方法,该方法实现简单、速度快。块匹配方法的引入有效地抑制了光照变化和背景扰动的影响,提高了整个系统的自适应性。实验证明,该方法能够满足运动目标的实时检测要求。     

高性能叶轮机全3维叶片技术趋势展望

高性能叶轮机是驱动先进航空发动机/地面燃气轮机发展的核心技术,为明晰叶轮机技术发展问题与趋势,在相关文献调研基础上,从基元叶栅、展向积叠、端区处理、精细化设计以及全局观念等方面出发,概要分析阐述了中国叶轮机全3维叶片技术继续发展的要点与突破口,指出全面综合最大折转亚声速叶栅、允许分离超声速叶栅、弱化激波叶栅、掠弯参数化积叠、叶身/端壁融合等基础研究成果并结合伴随方法进行精细化设计的负荷最大化技术,再辅以3维空间、非定常流动、细节关联等全局观念下派生的技术是全3维叶片技术的重要发展方向.未来全3维叶片将注重全3维空间流线曲率的良好控制.     

基于 SURF算法和 Kalman预测的运动目标跟踪

SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。