聚氨酯橡胶模的设计与应用

讨论聚氨酯橡胶模的冲裁原理、模具结构和设计方法。介绍橡胶模的特点和应用范围。它适用于厚度在0.5mm以下的薄料的冲裁。它既能冲裁钢、铜等金属材料,也能冲裁云母片等非金属材料,尤其适用于精度要求高的薄片零件的小批量加工。     

基于聚类的星座卫星可用性分选方法

卫星可用状况会随时间发生变化,为了实现对卫星工作情况的监控,应经常对目标卫星进行分析。通过实际侦收卫星信号确定卫星可用状况是最可靠的方法,但这种方法工作量大、周期长、效率低、实时性差。为了解决这一问题,本文提出一种运用聚类算法的卫星可用状况快速分选方法。该方法利用从互联网下载的最新轨道参数,根据卫星轨道特性方面的差别进行自动分选,具有速度快、人工干预少的优点。将这种方法用于铱星星座分选,分选正确率可达80.44%。     

歼击机座舱维修工效定量评价技术研究及应用

为提高维修工作效率、减少维修差错、基于"人-机-环"理论,分析维修工效影响因素,引入德尔菲法确定维修工效评价指标体系,提出了基于灰色聚类模型的维修工效评价方法,实现了维修工效定性评价的定量化。结合某型歼击机维修工效核查数据,实例验证了评价指标及方法的有效性。     

模糊聚类法在试验模态参数识别分析中的应用

为了搜索系统的真实极点,将模糊聚类理论引入试验模态参数分析.根据极点之间内在的亲疏关系,将其 合理地聚为若干类,搜索每一类的最佳极点,即系统的真实极点,在稳态图中自动完成真实极点的选择.该方法 能够避免人为因素造成的识别误差,提高识别结果的可信度.在正交多项式曲线拟合和多参考点最小二秉复频 域识别系统中引入该方法,实现了稳态图中极点的自动选择,提供了真实极点选择的一种新思路.通过仿真和实 验证明了模糊聚类法对极点选择的可行性和稳定性.     

敏捷SAR卫星滑动聚束模式姿态控制分析

敏捷合成孔径雷达（Synthetic aperture radar,SAR）卫星机动能力强、图像质量高,可以实现条带模式、滑动聚束模式、大角度侧视及大角度斜视成像。滑动聚束成像模式图像几何分辨率高、图像质量高,是敏捷SAR卫星的典型应用模式。根据滑动聚束模式的成像特点,本文分析了两种典型的滑动聚束成像模式姿态控制实现方式,并分别进行仿真、测试和比较分析,以支持卫星在轨滑动聚束成像模式的应用。     

影响泥岩压缩变形与抗剪强度的物性指标灰色关联度分析

为研究广西南宁泥岩物性指标分别与压缩变形参数、抗剪强度参数的关联程度,采用灰色关联法中改进的指标权重计算方法,找出影响压缩模量E_(S1-2)、粘聚力с和内摩擦角φ的主次因素。研究结果表明:含水率ω和孔隙比e与压缩模量E_(S1-2)关联度较小,其余4项物性指标影响贡献率顺序由大到小依次为天然重度γ、饱和度S_r、液限W_L、塑限W_P;天然重度γ、饱和度S_r、液限W_L对粘聚力с和内摩擦角φ影响较小,其余3项物性指标影响贡献率顺序由大到小依次分别为含水率ω、塑限W_P、孔隙比e和含水率ω、孔隙比e、塑限W_P。研究得出的结论可在泥岩工程设计计算中发挥借鉴参考作用。     

基于多样性约束和离散度分层聚类的无监督视频行人重识别

视频行人重识别是一项应用非常广的计算机视觉任务。目前的视频行人重识别方法通常是基于监督学习的,该方法需要手工标记大量的数据,代价非常高且并不适用于现实场景。本文提出了一种从底向上的基于多样性约束和离散度分层聚类的无监督视频行人重识别方法。该方法首先将每个样本当作是一个不同的类,然后结合类内间离散度进行从底向上的分层聚类,类间和类内离散度都小的类别将被优先合并,同时在聚类准则中加入一项多样性约束来平衡每类中的样本数量,最后,利用线性变化的特征存储器动态更新模型。在Mars和DukeMTMC-VideoReID两个大型视频数据集上的实验结果表明,相比于目前先进的无监督视频行人重识别方法,本文方法在性能上有一定的提升。     

金属橡胶用异型不锈钢微丝轧制成形对组织性能的影响规律研究

采用光学显微镜、三维视频显微系统、扫描电镜、X射线衍射、有限元仿真模拟等技术,研究了金属橡胶构件以不同轧制率度冷轧以及410～1270℃热轧异型小锈钢微丝的微观组织结构和力学性能的变化规律.实验结果表明,φ0.4mm的原材料冷拉拔不锈钢微丝中形变马氏体含量为82.1%,经冷轧成形后有所增加,经热轧后则有不同程度的减小.轧制成形异型不锈钢微丝内部存在的微孔体积分数比轧制前有所减小,尤其是在固定轧制速率下随轧制温度的降低而减小.冷轧成形异型不锈钢微丝的抗拉强度高达1374～1553MPa,硬度为402～510 HV.若轧制率一定,异型不锈钢微丝的抗拉强度和硬度随轧制温度的升高而降低,延伸率随之增大.模拟结果表明,异型不锈钢微丝轧制成形后截面的变形区域为49.8%.     

基于无监督聚类与LSTM网络的航天器健康状态预测方法

健康状态预测是从系统层面保证航天器在轨安全稳定运行的关键技术.针对机电类关键部件存在性能退化过程的特点,提出一种基于无监督聚类与长短时记忆(LSTM)网络的航天器健康状态预测方法.该方法首先提取航天器单部件多维参数的高维时域特征,通过PCA方法将高维特征融合为反映部件运行状态的健康因子,再结合无监督聚类算法识别出故障的不同演化阶段,最后采用LSTM网络分别对各退化阶段构建其健康状态演化预测模型,实现对航天器部件健康状态预测.本文以控制系统关键部件控制力矩陀螺(CMG)为例对上述算法进行试验验证,验证了方法的有效性.     

条带模式合成孔径雷达回波数据的聚束成像算法处理

对条带模式SAR和聚束模式SAR的关系进行了研究,给出了一种如何利用聚束成像算法来处理条带模式SAR的原始回波数据的方法,这种方法基于两种模式成像处理器输入数据的不同特点和Dechirp解调原理,同时使用了频谱扩展的方法。在没有聚束模式SAR原始回波数据的情况下,可使用本文的方法利用条带SAR数据来模拟聚束SAR数据,以便研究聚束成像算法。此外在条带 SAR成像过程中,利用文中给出的算法,可以对某一小的目标区域进行精细成像。也可将此方法用于条带SAR的快视成像中。