评定测量系统不确定度的方法

测量结果的不确定度是评定测量系统测量质量的重要指标,文中给出了测量系统不确定度的A类和B类评定方法,以及合成不确定度和系统总不确定度的计算方法,并通过实例进行了说明.     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机"凸壳"模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

轴类零件三维尺寸自动标注算法

针对尺寸自动标注仅限于表达产品的几何信息而未关注其功能特性,从而导致所标注的尺寸无法恰当地描述产品设计意图的问题,提出一种基于产品功能特性的三维尺寸自动标注算法.首先,根据零件的功能构造了尺寸标注基准集;其次,建立了轴向尺寸标注优先级确定准则,构造轴向尺寸集,并采用图论法消除了尺寸冗余;然后,构建径向尺寸集,并采用尺寸冗余度法删除其中的冗余尺寸;最后,通过实例测试,验证了所提算法的可行性和有效性.     

仿生光磁导航技术发展研究综述

仿生导航是在仿生技术基础上发展起来的新型导航技术方法,该方法融合了仿生技术的优点,因其抗干扰性强、适应范围广的特点,迎来了研究的热潮。从仿生光流导航、仿生偏振光导航、仿生类脑导航和仿生地磁导航四个角度对近年来大量的相关文献进行了综合性地整理和分析,阐述了其导航原理、发展现状和动态,对其未来的发展前景进行了展望,指出了限制现有技术的难点和瓶颈,对未来仿生导航技术的发展提供了参考,有一定的指导作用。     

基于小波包分解和FCM聚类的纹理图像分割方法

提出了一种新的图像特征提取中选取最优小波分解树的方法.塔式小波分解对信号解不够全面,而小波包全分解又引入庞大的计算量,因此小波分解最优树的选取尤为重要.结合模糊c均值(FCM,Fuzzy C-Mean)聚类,提出了一种能同时进行小波自适应分解和纹理特征分类的纹理图像分割方法,该方法将无监督聚类中的聚类有效性参数引入到自适应小波分解的判决中,能根据无监督聚类分割的需要,自适应地选取小波包分解的树形结构和分解层数.相对于小波包全分解,节省了大量的运算,并能取得良好的分割效果.      

网络图中边集束优化问题

网络规模增大和复杂度提高造成的节点遮挡覆盖和边交叉阻塞等问题成为网络可视化研究的热点.针对网络中出现的视觉凌乱问题,以空间位置和群组关系为出发点,从网络中独立的边和群组两个层次,以边汇合的角度研究边集束技术,将网络中临近的边集聚成束以降低视觉复杂度,提出和改进了分段力导引算法(FDA)简化模型和群组边相容的网络图边集束模型.其中分段集束模型,提出以二次样条曲线表示网络边,通过样条控制点进行迭代汇聚的方法,实现了网络中边的集束;针对分段集束模型中部分连线过度弯曲问题,提出通过CNM聚类算法将网络进行群组划分,在群组结构的基础上对组内连线应用边相容原则,根据连线的匹配系数计算其集束程度的方法,网络图集束后曲线扭曲变形减少,曲线过渡更加平滑.选取国内航空网络作为案例,通过两种边集束模型进行网络图简化,分析结果表明,国内机场的群组结构具有地理属性的相近性,航空网络在整体上呈现出明显的十字脉络,东西走向和南北走向的航线分别汇聚集结成束,表现了航空网络建设在南北和东西方向的总体趋势.本集束简化算法适用性广,绘制的网络图具有良好的视觉效果和可读性.      

应用Fuzzy ISODATA方法选择航空科研项目

 本文将Fuzzy ISODATA方法用于科研项目的选择,并结合中国航空发动机涡轮冷却专业的科研选题实例进行了定量分析。用Fuzzy ISODATA方法将14个备选项目按其对总目标的贡献值划分为3类。结果表明,该方法具有划分合理,结果直观,计算速度快便于对大量项目进行选择的优点。     

轴类零件形位误差在线测量方法探讨

通过对轴类零件形位误差在线测量三种方法的探讨，联系生产现场的实际情况，说明了各自的特点及其需要解决的问题。     

高速风洞试验中运输机支撑形式的选择

合理选择模型的支撑形式和解决支架干扰问题是准确获取气动力数据的关键因素。为了寻找一种合适的运输类飞机在高速风洞试验中的支撑形式,首先通过计算分析和试验验证,给出了运输类飞机高速风洞试验中30°尾支撑支架干扰问题存在的原因,然后根据0°、5°、15°以及30°不同尾支撑形式的计算分析和专项试验论证结果,提出并验证了小角度尾支撑是现阶段运输类飞机高速风洞试验中最合理、最有效的支撑形式。     

由感知到动作决策一体化的类脑导航技术研究现状与未来发展

随着脑与神经科学以及人工智能技术的持续发展,昆虫和哺乳动物大脑导航机理启发下的感知/认知/路径规划/动作决策一体化类脑导航技术得到了较大发展,可以实现由原始感知信息输入到导航动作决策的直接输出,呈现出接近动物端到端面向目标导航的智能行为,具有提高密集型无人机集群导航鲁棒性、准确性、实时响应动作、自主智能性以及计算效率的潜力。阐述了昆虫和哺乳动物大脑导航机理及其互补对称关系,以及昆虫和哺乳动物大脑导航机理启发的端到端类脑导航技术内涵;论述了类脑导航技术研究进展,包括类脑环境感知、类脑空间认知、面向目标类脑导航;分析了类脑导航向智能化、神经形态系统以及群体导航发展的新趋势;最后讨论了类脑导航技术应用于无人机密集集群系统时存在的挑战。