复杂曲面零件散乱点云特征点提取

复杂曲面零件的几何特征提取对加工质量的检测及逆向重构具有重要意义。提出了一种复杂曲面零件散乱点云特征点提取方法。首先,提出了基于高斯权重的邻域主成分分析的方法,通过估计每一点邻域的局部变化程度对点云模型进行初始标记;然后,采用基于标记的自动识别法实现特征点的提取;最后,通过特征点聚类的方式去除了特征点集中的异常点,完善了提取的点云特征。该方法直接操作于散乱点云,无需任何的拓扑连接信息。试验结果表明:该方法简单、有效,不需要过多地人为调节参数,特征点提取完整。     

一种混合的多机动目标跟踪算法研究

提出了一种混合的多机动目标跟踪算法:交互多模型模糊联合概率数据关联算法(IMM-FJPDA),该算法将交互多模型算法(IMM)和模糊联合概率数据关联算法(FJPDA)相结合,它克服了IMM-JPDA算法计算量大和IMM-FDA算法在强杂波环境中跟踪精度差的问题.给出了基于模糊C均值(FCM)算法的多机动目标跟踪步骤.仿真结果表明IMM-FJPDA算法跟踪精度与IMM-JPDA算法相当,但计算量明显减小,提高了跟踪实时性.     

基于改进FCM的北斗三频组合观测值选取

以北斗卫星导航系统三频双差为基础探讨了组合观测值及误差,针对以往采用聚类方法在研究GPS三频组合数据过程中的不足,提出了基于距离修正的增量模糊C均值算法.通过调节因子有效地修正了样本中心与聚类中心的距离,获得合理的隶属度,从而得到正确的分类;构造了基于距离修正的聚类有效性指标,自动获取最佳聚类数,避免了人为确定聚类数的不合理性;在此基础上引入增量的思想,数据增加时以原有的数据集为基础,根据阈值进行归类,不需要重新进行初始计算.通过矩阵变换法及实例验证了该方法的可行性和可靠性.     

美网络司令部进行第二次“网络旗帜”演习

据报道,2012年10月29日～11月8日,美网络司令部在内利斯空军基地举行了第二次"网络旗帜"训练演习。美国网络司令部设计的"网络旗帜"演习旨在为国防部众多司令部提供阻止、必要时挫败网络攻击的真实的训练机会。具体地说,"网络旗帜"演习应用独特的被称为全球靶场互联网的模拟器,提供真实的WWW网框架,进行类似现实互联网环境的训练。由     

基于核主成分分析的空域复杂度无监督评估

空域复杂度评估作为衡量空域运行态势、管制员工作压力的关键手段,是运行调控的基础。由于影响因素众多,不同因素间耦合关联复杂,且标定样本很难获取,空域复杂度的准确评估被公认为航空领域的一个挑战性问题。提出了一种空域复杂度的无监督评估方法。首先通过核主成分分析挖掘原始样本各维度的非线性耦合关系,准确提取能够最大化复杂度评估信息量的主成分,进一步设计了可按需定制的主成分聚类方法,实现了无监督条件下空域复杂度的准确评估,为空域划分、流量管理提供了有效的技术支撑。     

管类结构自由阻尼处理

采用复刚度法和变形能法,分析了管类结构的阻尼损耗因子,该阻尼损耗因子η除了受到模量比e、厚度比δ和平均半径比-γ的影响外,还与阻尼材料的损耗因子β成正比,并以海豚直升机救生绞车支架为例,分析了自由阻尼处理前后结构的阻尼损耗因子的变化.     

应用Fuzzy ISODATA方法选择航空科研项目

 本文将Fuzzy ISODATA方法用于科研项目的选择,并结合中国航空发动机涡轮冷却专业的科研选题实例进行了定量分析。用Fuzzy ISODATA方法将14个备选项目按其对总目标的贡献值划分为3类。结果表明,该方法具有划分合理,结果直观,计算速度快便于对大量项目进行选择的优点。     

CCAR-25与CCAR-33适航审定关系分析

开展大型客机动力装置与发动机型号合格审定之间关系的研究对我国适航管理工作的发展具有重要的意义。首先,利用中国民用航空规章的相关数据,建立数据综合管理系统;然后,总结CCAR-25《运输类飞机适航标准》与CCAR-33《航空发动机适航规定》具有重合内容的关联项,分析二者之间的相互关系;最后,研究上述两部规章关于防火系统和滑油系统对某些对象的规定。结果表明:CCAR-25与CCAR-33条款的关系可分为引用、选择、补充、相似和差异五种;最难界定的是相似,它要求对条款的充分理解,否则会有重复审定和漏审的风险;CCAR-25与CCAR-33对防火系统和滑油系统的规定出现了多条款交联对应的情况,通过数据综合管理系统可将其分解为单条款对应并进行适航认证。     

无人机类脑吸引子神经网络导航技术

当前无人机在非结构化或未知环境下飞行主要采用SLAM进行导航与定位,存在如下突出问题：依赖高精度昂贵激光雷达等环境感知传感器;需要建立准确世界和无人机物理模型;受环境影响较大;自主智能水平较低,无法较好地满足无人机对导航系统的要求,需要发展自主智能的导航方式。基于吸引子神经网络的类脑导航技术,无需训练模型参数,不依赖高精度传感器,无需精确建模,且复杂环境下鲁棒性较强,具有解决上述问题的潜力。简要阐述了动物大脑导航机理,分析了吸引子神经网络和基于吸引子神经网络的类脑导航关键技术,最后讨论了吸引子类脑导航技术在无人机应用中的挑战。