铝合金T型材拉弯成形的有限元模拟

针对目前拉弯成形中的问题,采用有限元模拟的方法,对带下陷拉弯过程进行计算机仿真,得到优化后的工艺参数,避免了盲目的试拉,提高了加工效率,降低了拉弯成本,积累了带下陷拉弯成形的经验,提高了公司拉弯工艺水平。     

计算机图形信息的查询技术研究与实现

计算机中信息的表达方式多种多样,其中图形信息是其中非常重要的一种。介绍计算机中图形信息的数据组织,并对图形信息的查询技术进行深入研究。     

基于TC35i和C8051F020的远程数据采集系统

本文提出了一种用混合信号系统级单片机C8051F020控制GSM网络引擎TC35i实现远程数据采集的方案。在描述了远程数据采集系统原理、构成和功能的基础上，对无线通讯模块及硬件和软件设计部分也进行了详细介绍。     

一种定量建立主题数据库的算法

本文利用企业模型中的企业活动与实体之间的关系给出了实体组之间的相关系数定义，在此基础上，给出了实体组的分组算法，从而应可以根据主要数据库分划标准把实体划分成实体大组，形成主题数据库。     

刚体转动惯量的测量及数据处理

本文采用一元线性回归法进行刚体转动惯量实验的数据处理,对通常在测量中运用的简化条件作了分析,从而提高了实验课的教学水平,并使该实验具有实用价值。     

面向任务的空间信息网络体系结构可重组设计

针对空间信息网络体系结构设计和其使命任务的多重性、多维性的问题,提出了一种体系结构可重组设计方法。首先,介绍了空间信息网络及其体系结构的国内外发展现状,分析了研究空间信息网络体系结构可重组设计的需求。其次,结合空间信息网络的概念、结构和特征,建立了松耦合、兼容性、隔离性和可解构的可重组设计原则。同时,定义了管理中心（RMC）和资源中心（RRC）的内涵,分析了RMC和RRC的运行机制,从目标、拓扑、实体、数据、方案5个维度出发提出了一种形式化的可重组网络体系结构模型,并给出了可重组网络体系结构的实现算法流程。最后,以某反导作战活动为例进行了体系结构可组构设计的案例分析,基于STK平台进行可重组网络的仿真演示,着重展示和验证了可重组设计思想在实践中的具体应用,达到了预期目的。     

低轨卫星缺失时序数据的模式识别方法

在航天应用中，低轨卫星经常会由于原始数据缺失而影响卫星时序数据模式识别结果，降低准确率。针对该问题提出了一种新型MR-GRU模型，可有效处理缺失时序数据，并获得较好的模式识别准确率。区别于传统模型的补全缺失数据的方法，MR-GRU模型直接在缺失时序数据上运用循环神经网络进行训练，对传统门控循环单元结构进行了改进，增加了两个新变量：掩蔽项和衰减项。掩蔽项作用于输入，衰减项作用于输入和隐层单元输出。MR-GRU模型不仅能够保持时序数据固有的时间特性，还能有效提高模式识别精度。在卫星时序数据上的模式识别试验表明，MR-GRU模型准确率优于传统模型。     

大数据背景下“战略性阅读”的支撑研究——以HistCite引文分析为例

对大数据背景下科学研究模式新的变化进行了剖析,探讨了"战略性阅读"的由来及内涵,然后以"战略性阅读"的支持工具之一HistCite为例,以"数字图书馆"主题领域为宏知识来源,研究了如何运用引文分析工具来支持用户对海量数据进行深度分析。     

机载综合无线电平台的中频数据传输总线优选分析

在综合无线电平台中，根据硬件平台通用化要求，需要选择一种总线同时满足CNI 不同波形的中频 数据传输对延时、带宽和误码率的要求。本文针对不加协议的GTX 和加上高速串行通信协议的Aurora、SRIO 进行测试，得到这三种高速串行总线在延时、带宽和误码率的对比分析，从而选择一种总线作为多波形综合的 中频数据传输总线。     

Visual inspection of aircraft skin: Automated pixel-level defect detection by instance segmentation

Skin defect inspection is one of the most significant tasks in the conventional process of aircraft inspection. This paper proposes a vision-based method of pixel-level defect detection, which is based on the Mask Scoring R-CNN. First, an attention mechanism and a feature fusion module are introduced, to improve feature representation. Second, a new classifier head—consisting of four convolutional layers and a fully connected layer—is proposed, to reduce the influence of information around the area of the defect. Third, to evaluate the proposed method, a dataset of aircraft skin defects was constructed, containing 276 images with a resolution of 960 × 720 pixels. Experimental results show that the proposed classifier head improves the detection and segmentation accuracy, for aircraft skin defect inspection, more effectively than the attention mechanism and feature fusion module. Compared with the Mask R-CNN and Mask Scoring R-CNN, the proposed method increased the segmentation precision by approximately 21% and 19.59%, respectively. These results demonstrate that the proposed method performs favorably against the other two methods of pixel-level aircraft skin defect detection.