基于最小值通道与对数衰减的图像融合去雾算法

雾天各类图像采集系统获取的图像颜色退化,细节模糊,严重影响户外成像系统的稳定性和有效性,因此研究图像去雾技术很有必要。针对暗通道一类去雾算法边缘去雾不彻底问题,提出一种基于最小值通道与对数衰减的融合去雾算法。首先,对有雾图像的最小值通道图进行对数衰减作为先验假设条件,再进行交叉双边滤波消除纹理效应,在操作前后分别进行下采样和上采样操作以提高运算速度,求出初始透射率;然后,用Canny算子检测最小值通道图得到的边缘进行对数衰减,得到边缘信息图,将初始透射率与边缘信息图进行加权融合构成优化透射率;最后,结合改进的四叉树搜索法求得的大气光值反解大气散射模型,恢复无雾图像。实验结果表明:所提算法可以有效抑制光晕现象,去除边缘残雾,且实时性好。      

基于振动参数聚类融合的空间轴承故障辨识方法研究#br#

轴承是飞轮和控制力矩陀螺(CMG)等空间惯性执行机构的核心部件,其健康状态直接影响整机性能和使用寿命.当前,由于轻载轴承在正常运转时也可能产生类似于微弱故障特征的现象,导致单一故障特征参数难以辨识正常和微弱故障状态.针对这一问题,本文提出了一种基于振动参数聚类融合的轴承微弱故障辨识方法.首先,通过轴承振动实验获得数据;然后,基于特征频率比值等方法对振动信号进行特征参数的提取;在此基础上,利用K Medoids算法对正常样本进行聚类,并根据3σ法则构建正常运转的安全边界;最后,计算不同轴承故障数据的超限概率,根据概率大小进行故障状态的识别.结果表明,该方法对轴承正常和微弱故障的辨识是可行和有效的.     

基于工程教育专业认证背景下地方特色院校“金课”建设的研究与探索

"金课"作为一项新提出不久的概念,许多重点院校和地方特色院校已经着手打造了一部分精品课程,主要是一些开放性课程和文法类课程,原因是这一类课程思维发散,教学手段多样,可以运用现代化信息技术手段采取线上线下教学模式。但是教育部推出的"金课"建设不单单只是针对于这些类课程,对于工科专业的课程建设,也需要打造"金课",尤其是以工程教育专业认证的标准和理念打造地方特色院校"金课",是我们这些地方特色工科院校需要重点研究和探索的。本文的研究重点在于如何把工程教育专业认证的理念与课程建设有机融合体现工科"金课"的"四性"。     

民用航空产品设计制造单位安全管理体系一体化研究

本文对民用航空产品设计制造单位职业健康安全管理体系、安全生产标准化、安全管理体系(SMS)的融合进行了研究。从理论基础层面和体系要素层面分析了3个安全体系融合的可行性,在对3个安全体系建设标准进行对比分析的基础上,提出构建包括4个支柱、17个要素,以安全管理体系为核心,以职业健康安全管理体系和安全标准化为补充的一体化安全管理体系,并探讨了一体化体系文件编制方法。     

点融合系统在飞行训练中的应用初探

随着我国中低空域逐渐开放,空域布局愈加复杂,各类通航运行矛盾冲突明显。通航产业中架次与时间占比最大的训练飞行,因其运行繁杂,亟需提升空域容量,降低工作负荷,更新教学课程,适应市场需求。本文研究点融合系统,比对训练飞行困境,分析实施基础,对点融合技术在飞行训练中的运用进行初探,认为该技术的应用能优化空域结构,厘清飞行航迹,提升空域容量,缓解学生积压,减少燃油消耗,且已初步具备基础条件。后期还需从机载设备加装、程序设计优化、人员能力提升、运行监管体系搭建等方面加强建设,以满足点融合系统运行所需。     

基于弹道动力特性考虑的不完全测量数据处理方法

针对试验任务中数据丢失的情况,讨论了如何结合遥测信息,充分考虑弹道动力特性提供样条节点,最终获得目标高精度的位置和速度参数估计的问题。首先,介绍了样条节点的概念及其反映的物理背景;然后,结合遥测数据处理的相应理论,提出了遥测弹道具有充分反映动力特性、保形的特点;最后,结合最优节点搜索方法和节省参数建模理论,运用样条约束的联合处理手段,采用改进Gauss-Newton法求解非线性方程,给出了相应的实测数据处理算例。结果表明,基于靶场现有高精度测量设备的跟踪数据,充分考虑弹道的动力特性,在某些数据丢失的情况下,仍然可以提供高精度弹道参数。相对于传统的融合低精度测元进行数据补偿的方法,文中所介绍方法对提高全程弹道精度具有重要意义。     

双星预警系统弹道参数估计及一些问题分析

主要讨论由2颗地球同步轨道卫星组成的卫星预警系统(简称双星预警系统)中弹道导弹参数的估计问题。阐述了主动段运动的建模问题和弹道数据处理方法,考虑到微分求速的重要性,采用了带光滑约束的样条拟合方法。结合预警系统对弹道导弹预警的具体情况,分别讨论了预警系统下的发射原点估计、射向估计、关机时刻估计、关机点弹道参数估计、落点估计等问题。还讨论了系统中存在的两个问题的分析与解决。模型及分析方法均经过理论和仿真的验证,可应用于双星预警系统下的实际预警的研究。     

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。     

无人车基于激光雷达/视觉的目标体积自动测量方法

近些年,基于激光雷达和视觉的目标感知在无人系统中得到了广泛应用。目标的体积测量在很多应用场景可以发挥极其重要的作用,然而对识别感知目标的体积测量,目前尚无大量研究。首次提出了一种基于激光雷达/视觉的无人车目标体积自动测量方法,实现了无人车与目标体积测量功能的结合。通过在LeGO-LOAM算法中加入点云畸变补偿,相较于原始LeGO-LOAM算法,无人车在高速情况下的构图精度得到提升;通过将激光雷达与视觉进行深度融合,实现了目标的自动识别与全局定位;通过基于平面拟合的地面分割与欧式聚类,实现了目标点云轮廓的实时获取;通过设计一种基于切片法的不规则物体体积测量方法,实现了无人车在运动情况下对目标体积的自动估计。最终,分别通过Gazebo仿真和实际试验验证了算法的有效性。试验结果表明,所提算法在无人车运动的情况下对静态目标物的实时体积测量精度优于3%,具有较好的工程应用价值。     

不依赖卫星的定位导航与授时体系研究

定位导航与授时(positioning, navigation and timing, PNT)体系是支撑人类社会发展的基础设施。当前以卫星为核心的天基PNT应用广泛,但在卫星拒止环境下面临严峻挑战。通过总结天基PNT在国民经济发展与国防建设中的重大作用,分析天基PNT的脆弱性与依赖风险,明确了对不依赖卫星的PNT体系的迫切需求。提出了不依赖卫星的PNT体系概念与特征,即以“惯导+时钟”为核心增强基础PNT能力,利用外源传感器多源融合提高精度保持能力,在卫星拒止条件下为用户提供可承载的高性能PNT服务。基于现有技术基础重点发展微小型、高精度、低成本惯导技术,微时钟技术以及智能融合技术是有效途径,能够实现不依赖卫星的PNT覆盖性、精确性与可承载性的全面提升。