非真空收集器质谱检漏标定技术

从理论上导出了非真空收集器质谱检漏漏率的几种标定公式 ,并对漏率标定的各种方法进行了利弊分析。经综合考虑认为 :为实现快速的高精度的漏率标定 ,采用标准气量直接加注法进行漏率的标定是比较适宜的     

亚像素条纹边缘提取技术在型面测量上的应用

三维型面非接触测量在工业领域有着广泛的应用前景.双目视觉是一种有效获取三维轮廓信息的方法,其中对大密度的黑白相间条纹进行精确定位和提取,是基于投影光栅图像的光学三维型面测量的关键技术和难点.利用空间编码技术将被测空间划分为若干区域,每个区域对应一个二进制码.条纹落在区域上与唯一的二进制码相对应,就可以对条纹精确定位.利用边缘提取算法获得像素级条纹后,再利用亚像素技术可以进一步对条纹进行高精度提取.介绍了基于灰度矩的和基于多项式拟合的亚像素边缘检测算法.将空间编码和亚像素条纹提取技术相结合,对光栅条纹进行亚像素级定位和提取的技术,与像素级的定位技术相比,能提高图像的定位精度,有效地改善测量系统的性能.      

基于小波分析的航空发动机旋转失速检测方法

对试车检测到的压气机旋转失速压力数据,进行了小波降噪处理,并对处理后的数据进行多分辨分析,利用dN层小波系数重构相关频带内的压力信号分量,当重构信号某处的幅值超过给定阀值时,认为检测到了失速。研究结果表明,小波分解能有效地区分信号中的突变部分和噪声,达到降噪的目的;对不同采样频率的压力数据进行分析,给出了相应的阀值,对dN层重构信号进行监测,能有效检测到旋转失速的发生。      

复杂交通场景中多运动目标分割算法

针对室外复杂交通场景中多运动目标分割问题,提出了一种由变化检测和运动分割组成的算法,利用水平集算法对帧差图像进行变化检测得到运动窗口,在运动窗口范围内进行改进的k-均值聚类分割,利用运动相似性进行分割区域融合.算法避免了整个图像的分割,减少了运算量,完整的分割出运动目标.试验结果表明,算法不仅能从复杂交通场景图像序列中有效的检测和提取出运动目标并有很强的鲁棒性,而且能够解决运动目标的遮挡问题.      

多界面多任务下不同任务权重的目标辨认

武器装备人机界面设计中目标辨认问题,必须通过目标辨认的实验和评价研究加以解决.根据飞行作业中所需完成的操作任务,提出一个多界面多任务目标辨认实验方案.通过测定被试完成实验主任务的反应时间和正确探测率,研究人在不同任务权重下对目标颜色、形状、位置的辨认情况,为人机界面设计目标编码提供科学依据.实验结果表明:在需要分配人注意力的条件下,无论任务权重如何,绿色、红色和三角形是界面设计中合适的目标编码,圆形和正方形必要时可用于目标编码;人对不同位置的目标辨认受到任务权重的影响,人机界面对目标位置的设计要充分考虑任务权重因素.      

失速起始检测的平均数值差分方法

为在压气机整机进入深度失速前检测到失速起始信号,提出了一种基于平均数值差分的短周期扰动检测方法。应用该方法对某轴流式压气机压力测量数据进行了分析。结果表明,平均数值差分方法可准确地在该压气机深度失速前0.02～0.05s检测到失速起始信号,具有一定的工程应用价值。      

一种基于HMM的多用户检测算法

针对以概率统计为基础信道估计收敛速度慢、状态估计存在非合理性的问题进行研究,提出了一种新的多用户检测方法.该算法以隐马尔可夫模型为基础,为了避免由于相邻状态序列后向概率相差很大而造成的信道估计发散,采用固定延迟的方法,利用锯齿延时的办法计算后向序列概率以减少计算复杂度.根据前后序列之间的相关性和最陡下降法,提出了解相关最小均方(DLMS)多用户上行复合信道的盲估计. 考虑到由于发射序列状态之间可能存在时序非继承性,而搜索与前向序列对应的具有最大转移概率的后续序列,给出了最大后验(MAP)多用户检测方法.计算机仿真实验表明,该算法提高了信道响应估计速度,具有全局收敛性和系统的稳定性.      

小波变换在层板实时损伤检测中的应用

采用小波变换作为复合材料层合板损伤检测信号的分析工具,在获得复合材料层合板的动力学响应的基础上,应用小波分析工具对结构响应信号进行提取,对含噪声信号则先作降噪声处理,然后再进行小波分解,根据各种响应信号对损伤的灵敏度,选择损伤特征,通过捕捉结构出现损伤的时刻,实现复合材料损伤实时监控.      

飞船部组件的检漏方法

文章介绍氦质谱检漏方法在飞船部组件环境试验中的应用。阐述了试验方案、检漏工艺的设计和不同条件下的漏率测试过程。试验结果验证了这些检漏方法在飞船部组件环境试验中的可行性。     

基于支持向量机的民航发动机故障检测研究

将支持向量机用于民航PW4056发动机故障检测研究。首先,对3个发动机巡航数据偏差进行研究,分析得到故障检测应采用短期偏差;其次,由于模型参数对检测准确率影响很大,文中采用验证法进行模型参数选择,并分析了模型参数对检测准确率的影响;最后,对检测模型的输出进行了分析,并定义了异常指数来衡量发动机故障严重程度,其中检测模型的训练和验证采用了发动机真实运行数据。研究表明,该发动机故障检测模型有效可行,准确率达到90%,但要获得更高的检测准确率,还需进一步提高数据质量。