约束阻尼型镗杆的优化及减振性能

孔加工过程中镗杆的切削颤振影响着表面加工质量和加工精度,约束阻尼型镗杆可有效抑制这种切削振动,但其作用机理未被完全研究清楚,导致其抑制振动的效果一般。对约束阻尼型镗杆的结构优化、材料优选及减振性能进行了理论和实验研究。首先,根据Kelvin-Voigt粘弹性力学模型理论建立了镗杆的动力学模型,研究证实增大镗杆的静刚度和结构损耗因子能提高其减振性能从而提高孔加工质量;其次,基于建立的约束阻尼型镗杆静刚度和结构损耗因子理论公式,对其进行结构优化、材料优选。结果显示:存在一个最佳尺寸范围可减小镗杆在主要工作频域段上的振动,同时所选用的阻尼层应具有较小的弹性模量和较大的材料损耗因子,约束层材料应具有较大的弹性模量;最后,设计制造4种不同材料的约束阻尼型镗杆,通过模态实验获得静刚度、结构损耗因子,并与理论计算结果进行对比分析,同时研究切削过程中约束阻尼型镗杆的材料及切削参数对减振性能的影响。结果显示:约束阻尼型镗杆能有效减小径向振动以提高加工质量,不同材料的约束阻尼型镗杆在切削过程中径向振动差别较大,优化后的钢-PMMA-硬质合金镗杆在不同切深及转速下的径向振动加速度较小且更加稳定。     

双机协同无源定位的飞行试验方法研究

分析了基于测向交叉定位的双机协同无源定位原理,构建了误差模型,给出了影响定位误差的因素。并从双机定位基线、目标机进入距离和目标机进入方位三个因素进行了双机协同无源定位误差的仿真。通过基于定位精度要求的试飞剖面设计,给出了两种典型的双机协同无源定位试飞航线,并给出试飞结果评估的方法和流程。     

骨特异性转录因子Runx2对抗空间骨丢失效应的初步研究

为了构建稳定过表达Runx2 (骨特异性转录因子)的C2C12 (小鼠成肌细胞)和MG63 (前成骨细胞)细胞株, 并用于研究Runx2在对抗空间骨丢失效应中的作用. 利用实时定量聚合酶链式反应鉴定Runx2下游基因I型胶原、碱性磷酸酶表达情况, 在二维回转器中培养稳定细胞株, 通过定量聚合酶链式反应,观察在模拟失重效应下Runx2基因对其下游基因表达的影响. 结果表明, 通过筛选获得稳定转染的C2C12-Runx2和MG63-Runx2细胞株, 经鉴定都能过表达Runx2. 转染后的细胞 I 型胶原和碱性磷酸酶mRNA表达增高. 回转组与对照组相比, MG63, C2C12-Runx2, MG63-Runx2细胞的I型胶原和碱性磷酸酶mRNA表达降低, 但在模拟失重效应下, 转染细胞中I型胶原和碱性磷酸酶的mRNA表达下降程度明显低于未转染细胞株. 所构建的C2C12-Runx2和MG63-Runx2细胞株比较稳定, 并证实Runx2能部分对抗失重引起的成骨特异性分子的降低.      

星载单频GPS数据的电离层延迟改正方法分析

利用C/A码单点定位对LEO(Low Earth Orbit)卫星上的电离层延迟改正方法——"电离层比例因子法"进行了分析研究.计算的CHAMP卫星的轨道结果表明:采用电子密度峰值高度(hmF2,F2 region maximum electron density height)平均值和瞬时值计算的电离层比例因子α变化范围分别为0.3~0.4和0.2~0.65之间,两者最大差异可达0.3,相比较而言,hmF2瞬时值的结果更加合理,并且相应的大地高H方向的系统偏差要降低0.05~0.3m左右;与双频无电离层组合的普通单点定位结果相比表明该方法能较好地消除电离层一阶项所引入的H方向上的系统偏差;该方法适用的LEO卫星轨道高度范围大致在200~ 600km之间,当轨道高度超过700km时,该方法并不适用.     

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.      

面向智能环境的活动模式迁移学习

针对智能环境中活动模式的学习和挖掘花销大、难以实际操作等问题,提出了能够有效地将已有活动模式迁移到新环境的整体框架。迁移学习框架将活动模式的迁移过程分解为轨迹的迁移和触发持续时间的迁移,首先对已有活动模式中的活动轨迹以及触发持续时间模糊化;然后采用备选轨迹生成(ATSG)算法在新环境中生成备选轨迹集;最后采用相似度计算(SC)算法进行活动模式中的轨迹与备选轨迹间的匹配,利用活动轨迹映射(TM)算法和触发持续时间迁移(TDT)算法对活动信息进行迁移,从而在新环境中得到活动模式。理论分析和实验结果表明,相比于基于频繁模式挖掘得到活动模式的方法,本文方法大幅度地降低了得到活动模式所需的时间开销,同时,利用本文方法获取的活动模式取得了较好的活动识别效果。      

适用于卫星导航系统的结构化LDPC码

结构化低密度奇偶校验码可通过基矩阵和扩展因子描述,具有较低的编译码复杂度和优异的译码性能。相比卫星导航系统IS-GPS-800协议中的非规则LDPC码,在校验位采用双对角和"a-0-a"连接关系的结构化LDPC码,同样可以达到线性复杂度编码。除此以外,通过设置不同的扩展因子和修剪操作,结构化LDPC码可以灵活支持不同多种长度的自适应传输,其中修剪操作的打孔/截短图案可以通过外信息转移(Extrinsic Informa-tion Transfer Charts,EXIT)分析方法优化。结合圈长分布和外信息度数谱联合优化设计方法,提出单个基矩阵的编码方案,通过配置不同的扩展因子和修剪方案,实现多种传输码长配置。译码仿真结果显示经过优化打孔/截短图案修剪的结构化LDPC码的译码性能要略优于IS-GPS-800协议中的非规则LDPC码。     

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

人工智能技术在嵌入式代码审查中的应用与展望

代码审查是航天嵌入式软件开发中的重要环节.近年来,随着嵌入式软件开发需求的增多,传统以人工为主的代码审查方法逐渐不能满足快节奏的软件开发流程.为了减轻审查人员的压力,提升审查效率,研究者们逐渐将目光转向以深度学习技术为首人工智能领域,尝试寻求技术上得突破,以开发更智能的审查系统.本文对近年来人工智能技术在代码审查及程序理解中应用的相关工作进行了归纳总结.首先简要介绍了嵌入式代码审查工作目前面临的困境及解决方案.然后引出了代码审查中的一项重要活动,即程序理解.并详细阐述了目前基于人工智能的程序理解在代码审查中的应用情况.最后根据相关领域的发展情况,对未来代码审查的发展方向作了进一步的探讨.     

无人平台复杂地形探测的视触融合方法

为提高无人平台在复杂环境中的地形探测能力以及解决在小样本数据下识别地形困难的问题,提出了一种无人平台复杂地形探测的视触融合方法。在原始宽度学习的基础上,建立了多模态级联特征节点宽度学习框架。首先进行触觉和视觉初步特征提取和融合特征提取,随后将融合特征矩阵经宽度学习分类器得到地形识别的结果。最后,在自建的视觉-触觉地形 (V-T2)数据集进行了实验验证。结果表明,相比于传统的融合算法,提出的融合算法有很好的准确性和鲁棒性,为无人平台地形探测提供了有效的策略。