基于ATE技术的末制导雷达“天线对零”实现方案

在叙述“天线对零”过程重要性的基础上,介绍了基于ATE技术的末制导雷达“天线对零”自动过程的实现方案。该自动“天线对零”方案已经应用在“末制导雷达通用检测系统”中,保证了系统的高精度自动化测量。     

鲁棒故障诊断中特征结构配置的有关问题

讨论了用于故障检测的特征结构配置方法，给出了特征结构设计的必要条件。此外，还讨论对加权矩阵与增益矩阵的最优鲁棒设计问题，提出了一种直接的、降秩逼近的设计方案，指出了Ｐａｔｔｏｎ的设计方案有可能实现不了的原因，并举例给予验证。     

利用普通游标卡尺检测特殊零件尺寸的几种方法

笔者通过图例,详细论证了利用普通游标卡尺及简单、通用的附件,检测一些具有特殊型面及特殊要求的工件尺寸的方法,其操作简单、精度较高有很大的实用意义.     

活动多余物的检测

利用多余物位移信号为连续谱声信号的原理，设计研制了弹上仪器活动多余物检测装置，对弹上仪器进行了检测，可靠地检出了少数仪器中存在的金属、非金属多余物。     

H∞滤波在惯导系统地面快速对准中的应用

阐述了H_∞滤波器的设计过程,并将H_∞滤波方法应用于惯导系统地面初始对准.文中建立了惯导系统的误差模型,并对其进行了可观性分析,利用H_∞滤波方法对可观子系统进行了滤波计算,给出了在噪声统计特性未知方差有界情况下惯导系统初始对准的仿真曲线,仿真结果表明该方法克服了卡尔曼滤波对噪声的苛刻要求,滤波效果能够满足工程需要,进一步说明H_∞滤波应用于惯导系统初始对准是有效的.为提高对准速度,文中给出了方位误差角的一种快速估计方法,结果表明该方法是可行的.     

视觉检测中高速图像采集技术的研究

利用视频输入处理器(SAA7111)和现场可编程门阵列(FPGA),采用全硬件方式和两帧轮换存储方式设计实现了图像采集系统、计算机以及前端硬件处理系统之间的相互接口,使得视觉检测中视觉传感器能够同时进行图像采集和低级图像处理.     

机翼蒙皮无损检测生产线中扫描路径优化方法

复合材料机翼蒙皮尺寸大、形状复杂、易回弹,无法采用机床等传统方式进行无损检测,机器人柔性化、智能化的特点,为无损检测生产线提供了全新的思路。针对此类问题,提出了大型机翼蒙皮连续曲面无损检测生产线及路径优化方法。利用双机器人搭载超声扫描设备,采用两次检测策略,第一次扫描对复合材料曲面进行重建,提高第二次透射式无损检测的精度。根据机翼的形貌,提出了一种平行于桁条行切的总体扫描策略,根据曲率利用最小二乘法将点集分组,之后应用混合遗传LM算法进行路径优化,即采用改进型遗传算法进行启发式全局优化,之后采用LM算法进行确定性局部优化,高效得到其最优扫描路径。在RoboDK中进行仿真,利用机器人搭载超声检测末端对蒙皮进行扫描。最后采用机器人搭载线激光扫描仪对优化路径进行精度验证。仿真及试验结果表明,相较于传统的检测方法,该方法满足无损检测约束条件,平均检测效率提高9.2%。     

工艺参数对TiNi合金/TC4钛合金超声波焊焊接接头形貌和力学性能的影响研究

采用超声波焊对镍和纯铝作为过渡中间层材料的Ti Ni记忆合金和TC4钛合金异种材料进行焊接,研究了不同工艺参数对TiNi/TC4异种金属焊接接头形貌和力学性能的影响规律。结果表明,Al中间层接头界面附近材料的塑性变形程度要远大于Ni中间层接头中的塑性变形,并且有大量的Al被挤出界面。焊接时间和压力对焊接接头的抗拉剪力有明显影响,接头的抗拉剪力随着焊接时间和焊接压力的增加先增大后减小。超声波焊接过程还会改变焊缝区材料的显微硬度,平行于结合面方向,焊核位置相比于未焊接的母材硬度有小幅度的增加,垂直于结合面方向,越接近结合界面,材料的硬度越高,但两者的增幅一般不超过10%。     

基于三维激光扫描的金属基航空模线样板自动检测算法

虽然数字化制造已成必然趋势,但在未来很长一个时期内,模线样板依然将在飞机制造中扮演重要角色。如何以先进的数字化技术提升传统模式下的生产效率和质量,是需要认真研究的课题。针对模线样板的检测需求,结合模线样板的几何特征,提出基于三维激光扫描的金属基航空模线样板自动检测算法。对于样板刻线,将样板点云粗栅格化后,根据点云高度信息进行刻线的粗提取,再根据刻线的特性利用法矢信息优化提取结果;对于外形轮廓,将点云转换成二值图像并计算其边缘,实现外形特征提取;将特征提取结果与CAD数模进行配准并去除噪声,最后计算与数模的误差,实现样板检测,输出误差分布。试验结果显示,本文算法在精度和效率上优于现有算法,相较人工检测提升了可靠性和效率,在实际工程中具有应用价值。     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。