一种基于正弦图的工业CT系统转台旋转中心自动确定方法

构建一个工业CT成像系统,转台旋转中心的确定是非常关键的步骤,其定位误差会引起CT图像上的伪影。本文在详细分析了现存旋转中心确定方法不足的基础上,提出了一种新方法,该方法利用隐含在正弦图中的对称投影信息,并根据经过旋转中心的射线束在两个对称投影视角下透过的物体路径相同这一规律来定位旋转中心。相对现有算法,该方法适用于射线源与旋转中心的连线不严格垂直于探测器的情形,无需使用模体,亦无需知晓任何几何参数,实时且基本不受随机噪声影响。实验数据验证了该方法的有效性。     

复杂背景下红外弱小运动目标检测的新方法

提出了一种用于检测不同类型复杂背景下红外弱小运动目标的新方法。该方法能够根据图像信息自动选择背景预测算子;同时,针对不同类型复杂背景中目标和背景特性的差异,提出了“局部小目标可辨识度”的概念,并定义了一种有效的方法将其量化。在此基础上,采用蒙特卡罗实验方法构造了一种新的阈值函数,实现了单帧目标的检测,然后采用移动加权管道滤波提取目标的运动轨迹。实验结果表明,该方法对不同类型复杂背景的红外弱小运动目标具有很好的检测性能。     

涡轮泵试车数据单类支持向量机检测算法

为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵故障,实现基于不完整信息的状态决策,建立了基于v-支持向量分类器的单类支持向量机新异类检测模型。在分析了模型决策边界、支持向量和约束条件之间关系的基础上,为单类支持向量机引入并改进了序贯最小优化算法,提高了训练效率,解决了大样本训练问题。通过对某型液体火箭发动机涡轮泵历史试车数据的分析,结果表明,所建模型的训练速度得到了很大提高,对涡轮泵状态的检测效果良好。     

一种准循环低密度校验码部分并行编码结构设计

为了满足在一个系统中使用多码率低密度奇偶校验（LDPC）码字的需求,设计了一个多码率准循环LDPC（QC LDPC）码编码器;按照功能,将编码器分成输入缓存单元（ISU）、生成矩阵存储单元（GMSU）、矩阵乘法运算单元（MMU）以及输出缓存单元（OSU）4个主要组成部分;通过使用多个小块存储器组合的方式设计ISU可以使无效存储空间降到最低;通过分析各种码率生成矩阵特点,将矩阵进行分割,从而将各种码率生成矩阵所需要的信息存储在若干个存储单元中;MMU用于完成信息位与矩阵的乘法与求和运算,运算单元的数目和GMSU的数目相等;OSU中包括两个存储器,采用乒乓操作,以提高编码速率。通过管脚的选择,此编码器支持0.4, 0.6以及0.8码率3种编码模式。最后用Altera公司的现场可编程门阵列（FPGA）EP1S801508C7对编码器进行了实现。结果显示此编码器仅耗费5 339个逻辑单元,占FPGA总逻辑单元的7%,耗费439 296比特的存储器资源,占FPGA总存储器资源的6%。     

结冰实验段空气-水混合流动过程的数值模拟

针对结冰实验段内低温空气与高温雾化水滴的混合流动过程进行了数值模拟,采用拉格朗日方法建立了空气-游离水滴/冰粒多相混合流动与传热传质的一维分析模型,考虑了水滴粒径分布、相变及空气-水滴/冰粒传热传质等因素,求解了流道内气流温度/湿度/速度,水滴温度/速度/半径等参数沿流动方向的变化,分析了水滴粒径分布、气流温度、液态水含量、相对湿度等参数对流动与传热过程的影响,与已有数据的对比验证了模型及结论的正确性.      

分布式网络技术在燃气轮机性能测试系统中的应用

分析了分布式网络系统及燃气轮机性能测试系统的结构特点,描述了基于系统级、子系统级和工作站级的分布式测试系统的3级结构模型.     

航空发动机技术进步与投资强度的定量关系

对航空发动机技术水平提高速度与投资强度这两个概念做了界定.利用有关数据,针对航空涡轮发动机的技术水平提高速度、最大推力、类型(涡喷或涡扇)与投资强度的定量关系建立了的一个数学模型,并对模型的应用进行了探讨.     

中国大型飞机发动机研制中的关键技术

简要论述了中国研制大涵道航空发动机的部分关键技术,以期对中国具有自主知识产权的大涵道比发动机研制工作提供参考。     

基于红外热像技术的涡轮叶片损伤评价研究进展

主动红外热像技术作为一种新型无损检测手段,具有高效率、无污染、易操作等特点,适合用于材料表面和近表面缺陷检测,因此在叶片类薄壁零件损伤评价方面有一定优势。当前基于主动红外热像无损检测技术的高温涡轮叶片损伤评价研究主要集中于热障涂层厚度检测、涂层脱粘检测、涂层界面处热生长氧化物检测以及叶片基体疲劳裂纹检测4个方面。但现有研究仍然面临热激励理论不完善、红外热像仪识别精度不够高以及热图处理方法有待改进等主要问题和困难。随着这些理论问题和技术困难的解决,主动红外热像技术呈现出人工识别缺陷向自动识别发展、定性检测向定量检测发展的趋势。总体而言,该技术未来在涡轮叶片损伤评价方面具有较大的应用潜力。     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。