基于仿真模拟壳体缺陷机理分析及工艺改进

为了提高某型号发动机低压壳体铸件合格率,对壳体加工后轴承冷却孔缺陷问题进行分析,提出了工艺改进措施.采用内窥镜检查、剖切检查,确定缺陷形貌及产生位置,运用仿真模拟软件对原铸造工艺方案进行模拟,基于凝固过程仿真结果以及产品结构分析,确定了缺陷产生原因为温度场不协调及缺乏有效补缩源.针对缺陷产生原因提出工艺改进措施,改进冷...     

天基逆合成孔径雷达脉内脉间运动补偿及高分辨成像

近年来,太空态势感知在军用和民用领域都得到了越来越多的关注。天基逆合成孔径雷达(SBISAR)能够实现对空间目标的高分辨成像,支撑部件提取、姿态估计、类型识别等后续任务,是太空态势感知的重要工具。然而,在SBISAR成像场景下,平台与空间机动目标间存在复杂的相对高速运动,传统距离-多普勒成像方法不再适用,必须进行运动补偿。本文针对高速径向速度下传统“停—走—停”模型失效、长相干积累时间内目标转速不一致的两个典型误差来源,分别设计了脉内运动及脉间运动补偿算法。首先,建立SBISAR成像的信号模型。然后,基于最小熵准则构建参数估计代价函数,通过估计目标对应回波信号的调频率,构造补偿项进而实现脉内补偿。同时,建立图像熵代价函数,在估计转动参数后,完成对目标转动的空变相位补偿。所提算法有效解决了天基高速机动背景下传统距离-多普勒成像方法的距离像展宽、方位散焦问题,实现了SBISAR对空间目标的高分辨成像。通过基于仿真数据的实验分析,验证了所提算法的有效性。     

基于双判定准则的航空发动机叶片缺陷孔洞的边界提取

航空发动机叶片缺陷孔洞的几何形状复杂、位置分布散乱且曲率变化明显,使用单一判定准则难以完整地提取其边界特征点.为实现叶片缺陷孔洞边界的精准提取和孔洞边界线的平滑拟合,提出了一种基于双判定准则的航空发动机叶片缺陷孔洞边界特征点的提取算法.该算法采用K–Dimension tree(K–D树)建立点云的空间拓扑结构,以采样...     

基于余弦调制滤波器组的DSSS通信系统窄带干扰抑制技术

文章讨论了基于滤波器组理论的直接序列扩频系统窄带干扰抑制技术,提出一种新的结合通道功率估计和修正K谱线法的变换域窄带干扰抑制算法;分析和仿真结果表明,滤波器组理论比传统的块变换、重叠变换有更多的设计自由度,通过合理设计原型滤波器可获得更好的干扰抑制性能。     

弹道折合的遗传主成分方法

制导工具误差折合是导弹精度评定中的重要问题,针对传统主成分方法中主要成分选择只考虑试验弹道的问题,提出了充分考虑试验弹道与全程弹道特点的主成分确定方法,并利用遗传算法确定最佳主成分子集。仿真计算表明,与最小二乘和经典主成分方法相比,遗传主成分算法获得的全程弹道遥外差与落点偏差更接近于真实值。     

一种基于历史数据的软件缺陷预测方法改进

捕获-重捕获方法常用于评审会后对产品残留缺陷数的估计.使用均方误差对几种基于捕获-重捕获模型的估计器性能进行评估.然后提出一种基于历史数据的估计器改进方法,并对改进前后估计器的缺陷预测效果进行对比分析.      

一种新的坐标测量形位误差计算方法

对比了基于坐标测量的形位误差计算方法 ,提出了一种新的最小条件计算方法并简略论述了其数学原理。     

卫星测控信号的调制类型自动识别算法

研究了应用于卫星测控信号的自动调制识剐算法，提出了FM和PM测控信号识剐的两种算法，分析并仿真验证了载频偏移对正确识别率的影响，研究了载频偏移估计算法对消除载频偏移影响的效果。计算机仿真实验表明：在基于瞬时相位标准偏差σdp为关键特征的算法中，采用最小二乘原理估计频偏可以有效地消除载频偏移和部分噪声的影响；基于瞬时折叠相位偏差σ1Wp的算法在载频偏移为100Hz，信噪比高于-6dB时，其识别率可达100％。     

CT图像中一类裂缝类缺陷提取与可视化

文章首先对裂缝图像进行形态学去噪预处理。然后,针对CT图像中裂缝类缺陷和背景相连的情形,通过区域生长、边缘提取、斑点噪声消除、形态学膨胀和腐蚀等运算,优先封闭外轮廓,从而建立了裂缝类缺陷区和背景区之间的分界线。最后,通过图像差运算实现了裂缝类缺陷的二维特征提取,并将缺陷形态可视化。     

基于红外热成像技术的胶接薄板内部缺陷检测

为了探测PC胶接薄板的内部缺陷,利用脉冲闪光灯热激励方式对试件进行加热,并由红外热像仪实时监测试件表面温度场的变化,通过表面温度场的差异来显示试件的内部缺陷。但所得的红外热图像对比度不大理想。为了更精确地提取缺陷大小,采用直方图均衡化处理,以增强图像的对比度。成功提取了缺陷尺寸大小,并对其结果进行误差分析。实验结果表明:红外热成像检测技术可以直观地检测直径4 mm以上缺陷,且直径6 mm以上缺陷的检测精度较高,测量误差可以控制在10%以内。由于边缘效应的存在,靠近边缘的缺陷测量结果误差偏大。