基于迭代学习控制的导弹PID控制器参数寻优

针对设计导弹PID控制器时存在的对比例、微分、积分3个控制参数大量盲目试凑的问题,利用迭代学习算法对控制参数进行自动寻优,最终得到最佳控制参数,从而实现了对PID控制器参数自动寻优的目的,简化了控制器的设计过程。通过仿真结果验证该方法在PID控制器参数自动寻优上是有效的,同时也为导弹控制器参数整定提供了工程适用的方法。     

军事计量人员能力评价

立足军事计量保障工作实际,明确了军事计量人员评定参数,建立了军事计量人员评价指标体系,对定性要素的量化与定量量纲进行了统一,运用灰色评估法和层次分析法建立评价模型,并进行军事计量人员能力评价.     

6σ管理技术在提高坐标测量机检测效率上的应用

介绍了6σ管理法的基本原理、特点及其主要步骤,在对我国企业生产质量管理现状进行大量调查的基础上,分析了我国企业生产制造过程的控制和质量管理中存在的问题以及6σ质量计划对我国企业提高质量管理水平的借鉴意义,通过研究,分析了6σ质量的统计解释及其含义,介绍了6σ管理法的基本工具,展示了6σ管理法与以往的管理法的本质区别:注意发现潜在的、隐藏的问题,预先处理而不是事后发现再采取行动,尤其注重对过程的优化再造.以制造过程为例,形象的展现了现代企业通过在生产制造过程中实施6σ管理法的典型做法,以提高其全过程的能力,提高顾客的满意度、降低成本,缩短周期,实现依靠质量获取效益的目的.     

高原机场应急救护及航空医学保障能力探讨

我国疆域辽阔，东低西高的地形分布，使我国目前17个高原机场（其中6个高高原机场）全部集中在西部地区。高原机场分为两类，一类为一般高原机场：海拔高度在1500米（4922英尺）及以上，但低于2438米（8000英尺）的机场；另一类为高高原机场：海拔高度在2438米（8000英尺）及以上的机场。高原机场海拔高，大气压力低，气象条件多变，地形复杂等特点，增加了机场、航空承运人的运行管理成本和运行难度。     

如何加强军用软件的质量管理

军用软件在武器装备系统中的地位已经越来越重要,但我国军用软件的质量管理起步较晚,因此很有必要研究如何加强军用软件的质量管理.本文在阐述软件生命周期的基础上,从开展军用软件研制单位的软件能力评价、加强软件配置管理和加强第三方独立测试三个方面探讨了如何加强军用软件的质量管理.     

微量钪对Al-Zn-Mg-Zr焊接接头组织性能的影响

采用铸锭冶金法制备了 Al-6.0Zn-2.0Mg-0.12Zr 和 Al- 6.0Zn - 2.0Mg - 0.2Sc - 0.12Zr 两种合金板材,以 Al-Mg-Sc-Zr焊丝为焊接填充材料,对3 mm厚的上述两种合金板材进行氩弧焊接,之后对两种接头的显微组织和力学性能进行对比研究.结果表明:第一,微量Sc可以显著提高Al-Zn-Mg-Zr合金基材的拉伸性能,基材强度的提高来源于晶粒细化强化、Al3(Sc,Zr)粒子的析出强化和Al3(Sc,Zr)粒子引起的亚结构强化;第二,焊接过程中,不含 Sc 的合金焊接接头热影响区内η相(MgZn2)粒子和晶粒明显粗化,含 Sc的合金焊接接头热影响区内η相(MsZn2)粒子也明显粗化,但晶粒大小没有明显变化,由于Al3(Sc、Zr)粒子稳定性高,不容易粗化和团聚,对位错和亚晶界仍然起钉扎作用,热影响区仍然保持未再结晶组织,过时效软化现象相对于传统的铝镁合金来说不是很严重;第三,微量 Sc 可以明显提高 Al-Zn-Mg-Zr 合金焊接接头的强度,与不加 Sc 的合金焊接接头相比,添加Sc的合金拉伸强度从395 MPa提高到447 MPa,强度系数从 0.7 提高到0.8.强度的提高主要来源于晶粒细化强化、Al3(Sc,Zr)粒子的析出强化和由于Al3(Sc,Zr)粒子的高稳定性导致的的抗热循环软化能力的提高.     

一种自主飞行的小型无人机系统设计

介绍了小型无人机系统的总体结构,分析了无人机的结构设计和算法,阐述了弹射起飞系统和伞降着陆系统的设计原理,采用嵌入式系统和GPS设计无人机的飞行姿态控制、导航控制、任务控制系统和数据链,实现了空中机器人的自主飞行。     

基于深度学习的混合翼型前缘压力分布预测

提出了一种基于深度学习的混合翼型前缘压力分布预测方法,通过对翼型几何特征提取、压力分布曲线的参数化,建立了卷积神经网络模型（CNN）,并利用计算流体力学（CFD）的计算结果作为其训练样本,实现对混合翼型前缘压力分布的预测。结果表明:两种方法计算结果的拟合优度大于0.98,基于深度学习的计算方法耗时1.7 s,CFD方法耗时大于50 s,计算时间大大缩短。该方法能够在满足计算精度的条件下提高计算效率并可应用于其他的翼型设计过程。      

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。     

基于SE模块改进Xception的动物种类识别

Xception是Inception网络的一种极端化表现,在与Inception v3参数相近的情况下,它能够达到更高的准确度。由于神经网络提取的特征不一定都是有用特征,因此以Xception为基础,将SE(Squeeze and Excitation）模块加入该网络,调整特征通道的权重,使得网络的精确度得到提高。通过实验,融合SE模块的Xception网络训练精确度分别在Oxford-IIIT Pet数据集和CUB_200_2011数据集上提升了1%~1.7%和0.8%~1%,证明了SE模块能够进一步提升Xception的精确度。将改进后的Xception应用到动物种类识别中,根据精确度曲线对实验策略调整改进,最终在测试集上获得95.63%的识别率。