风场中基于神经网络的炸弹弹道落点拟合分析

介绍了两种炸弹弹道落点拟合神经网络模型,对各模型的优缺点以及处理结果进行了分析。提出了采用广义回归神经网络来处理炸弹弹道落点拟合问题,弹道的落点参数、初始投放条件与风场可通过神经网络的阈值和权值来表现。仿真结果表明,应用广义回归神经网络进行弹道落点拟合,具有算法可行性好、拟合精度高、速度快等优点,而且运算简单;该方法在实战中有很高的参考价值和工程实用价值。     

基于2幂子图像的图像拼接算法

图像拼接已成为基于图像绘制(IBR)方法中的一项重要技术,它也是虚拟现实、计算机视觉、计算机图形学、图像处理等领域的重要研究课题。本文提出了2幂子图像的概念,并给出了基于2幂子图像的图像拼接算法。这是一种新的快速有效的图像拼接算法,它对基于快速傅立叶变换(FFT)的相位相关度法的图像对齐方法进行了改进,从而减小了FFT的计算量,使改进后的算法对图像对齐更加快速和减小图像间重叠率。     

幂律过程拟合优度检验的功效比较

幂律过程常被用于描述复杂系统的可靠性增长模型和可修系统的可靠性分析。本文考虑定数截尾场合幂律过程的７种拟合优度检验统计量,在备选假设为对数幂律过程时,比较了这７种检验法的功效。大量随机模拟计算表明,当ｒ在较宽的范围内,Ｆ检验法的功效比其余６种检验法都要高。     

滚摆非定常流场的定量流动显示

对 8 0°三角翼滚摆的非定常流场进行常规流动显示和定量流动显示即PIV测量 ,获得了对于引起和维持滚摆的气动机理的新认识 ,即引起和维持滚摆的气动机理不仅在于前缘分离涡相对翼面位置的动态迟滞特性 ,而且还在于前缘涡强度的动态迟滞特性     

超跨声速喷流流场的PIV测量

对示踪粒子发生装置和几种粒子的特性进行了实验研究 ,发现压缩空气流中自然存在的润滑油粒子在跟随性、分布的均匀性和稳定性、以及浓度方面对于PIV测量都非常有利。实验成功地应用PIV技术对超跨声速喷流流场进行了测量 ,初步分析了测量结果与理论的差异 ,并分析了实验的可靠性和精度。     

粒子像斑三维定位的透视成像原理和方法

在三维粒子成像测速 (PIV)方面 ,可运用体积光照明同时从不同光轴用多个照相机获得PIV图像 ,如何根据这些不同光轴获得的PIV图像确定出粒子物点的空间位置是实现三维粒子成像测速的前提。基于此 ,提出了根据多幅不同光轴的PIV图像的粒子像斑实现粒子物点三维定位的透视成像定位原理和方法。精确确定透视平面与透视中心在空间的位置是实现粒子物点三维定位的关键 ,直接测定透视中心 (照相机的光学中心 )和透视平面在空间的精确位置用常规的测量手段和方法难以奏效 ,因而针对透视图像成像特征及规律进行了较为深入地研究探讨 ,这对于寻求精确计测透视中心和透视平面空间位置的方法有着重要意义。作为实例 ,还给出了两光轴夹角为 90°情况下实现粒子物点三维定位的一系列具体方法和有关算法及定量关系。     

用于彩色图像分割的有效特征分析(英文)

提出了一种基于分析特征分割贡献的彩色图像分割方法。该方法不受某一特定彩色空间的限制 ,有效特征的确定取决于所设计的特征编码器对被测彩色图像中各种彩色特征的分析结果。该技术不同于以往的分割技术 ,自组织特征映射被用来构造特征编码器 ,使得编码器能自组织地分析不同彩色图像的有效特征。当合适的彩色特征和初始参数给定后 ,模糊聚类技术被用于最后的分割处理。该方法已经应用于不同类型的彩色图像分割处理 ,实验结果说明了该技术明显优于传统的聚类技术。研究表明 ,特征编码为彩色图像分割的自动化和最优化提供了保证。     

高频响流场测试TR-PIV系统技术及其应用

系统地介绍了高频响流场测试TR-PIV技术的基本原理、系统结构及组成,并对其三大关键技术即高速相机、高频响激光器和高速数据存储技术进行了系统的技术分析.结合TR-PIV实验系统要求,对商业高速相机和高频响激光器技术的现状进行了介绍和分析.TR-PIV实验过程中产生的大量数据图像文件对实验系统数据传输带宽的高要求,制约着实验数据采集频率和总实验时间两个参数.建立了基于PCI-E间接存储技术的TR-PIV流场测试系统并利用该系统对低速循环水槽中自由来流方柱绕流场进行了长时间110Hz连续采样,获取了方柱尾迹中旋涡结构的时空演变特征.研究结果对于集成建立高频响TR-PIV测试系统及其应用具有较好的指导价值.     

频率锁定对伞弹系统稳态特性的影响

旋转伞弹在下落过程中的稳定性直接影响着子弹的扫描性能,因此研究影响伞弹系统稳定性的因素非常重要.采用激光双目立体投影图像视觉技术在立式风洞中非接触测量了伞弹模型的扫描角和瞬时转速,介绍了测量与数据处理的方法,着重讨论了频率锁定现象对伞弹系统稳定扫描特性的影响.试验结果显示:在较窄风速范围内,存在频率锁定区域;在频率锁定区,扫描角和瞬时转速具有较好的周期稳定性,对外界的干扰不敏感,能量谱峰值也较显著.     

两种基于图论的聚类算法改进(英文)

近年来,基于图论的聚类算法被广泛地应用在数据聚类和图像分割之中。聚类任务主要是挖掘一组给定数据隐含的分布规律和结构信息,而图像分割则是将一幅图像划分为若干互不交迭区域的过程。主要讨论两种比较流行的基于图论的聚类算法,即基于有向树的数据聚类算法和基于最小生成树的图像分割算法。创新在于:(1)改进基于有向树的数据聚类算法,将其应用于图像分割;(2)改进基于最小生成树的图像分割算法,将其应用于数据聚类。在人工数据和实际图像数据上的实验结果表明,改进的有向树算法可以很好地分割图像并保留图像中足够的细节,而改进的最小生成树聚类算法能比较好地聚类具有流形结构的人工数据。