液体火箭发动机试验推力自动校准加载系统的研制

液体火箭发动机推力是火箭发动机关键的性能参数,在发动机研制试验过程中推力测量是十分重要的。推力校准是推力测量中一项重要的环节,而校准加载系统又是力值传递的基础。介绍了推力校准加载系统的组成、工作原理,提出了推力校准自动加载系统研制的关键技术要点,并分析了攻克要点的技术途径。经试验验证,该加载系统可对0t～100t推力进行自动校准,校准加载稳定度为0.001%,提高了推力校准的效率和准确度。     

基于力矩前馈和舵机角度补偿的力矩控制

针对舵机刚度测试中力矩精确加载问题,设计了基于力矩前馈和舵机角度补偿的高精度、大量程力矩加载控制系统.对系统中力矩电机、力矩电机驱动器和加载弹性杆进行了建模分析,从加载目标、频宽及系统稳定性的角度,分析了弹性杆刚度对力矩加载性能的影响.针对力矩闭环控制系统的持续振荡及相位滞后问题,基于不变性原理引入了力矩前馈及舵机角度补偿的复合控制策略.实验表明该方法能有效抑制力矩的振荡及相位滞后,满足刚度测试对加载力矩的控制精度要求.     

微结构表面超精密加工中切削条件的影响分析

介绍了微结构功能表面加工中的问题,以同轴调制锯齿波微结构的金刚石超精密加工为例阐述了其加工原理,结合试验对刀具刀尖圆弧半径、被加工材料和切削液等切削条件与金刚石超精密切削加工后的微结构功能表面之间的关系进行了分析与讨论,并对主轴转速和刀具进给速度等切削用量与金刚石超精密切削出的微结构功能表面之间的关系进行了分析与讨论.     

均布静压作用下的飞机结构振动环境试验技术

分别从试验的总体思路、试验系统的设计技术、以及均布静压载荷的施加、静力及力矩平衡的形式、静压载荷的控制等方面探讨了振动环境与均布静载的联合加载试验技术,并应用虚拟测试技术完成某型号结构件的均布静压和振动环境联合作用下的结构动响应测试试验,试验表明：气囊模拟气动静压载荷作用下的飞机结构振动环境试验技术是能够应用于实践。     

电动模拟加载测试系统的设计与实现

针对导弹弹翼尾翼电动模拟加载测试系统，设计系统硬件结构，详细分析加载系统中多余力矩的测试及抑制方法，提出以TMS320LF2407 DSP和以直接转矩控制输出的ACS600伺服驱动器为核心的系统实现方法。对电动加载系统快速性和多余力消除这两个关键性的难点给出解决方案。实验结果表明，系统能精确地模拟弹翼及尾翼在飞行展开过程中的气流阻力，满足加载测试系统的快速性要求。     

基于可变阶变分模型的医用低剂量CT图像去噪

为了降低患者的辐射风险,低剂量CT（LDCT）广泛用于临床诊断,但辐射剂量的减少在重建的LDCT图像中引入了斑点噪声和条纹伪影。为了提高LDCT图像的质量,提出了一种基于可变阶变分模型的后处理技术。所提出的变分模型使用边缘指示器控制变分阶数,根据图像的特征在一阶全变分（TV）正则项和二阶有界Hessian（BH）正则项之间交替变换。采用基于快速傅里叶变换（FFT）的分裂Bregman算法求解所提出的变分模型。该模型在保留高剂量CT（HDCT）图像相应结构的同时,有效抑制了斑点噪声和条纹伪影。重建的图像和实验数据表明,所提出的变分模型比现有的先进模型具有更好的质量。      

使用深度神经网络检测Cassini ISS图像中圆盘状星体轮廓

Cassini空间探测器光学成像系统（ISS）拍摄的图像中,很多卫星呈现为面元,其轮廓检测是天体测量的重要工作.使用神经网络方法进行ISS图像中面元轮廓检测.每个ISS图像的像素分为轮廓边缘和非轮廓两类.使用神经网络框架TensorFlow,输入每个像素的9个特征,输出每个像素的分类.利用约3.6万个像素训练该网络,通过380幅ISS图像进行测试.与人工标记结果相比,轮廓像素检测的平均精确率为78.26%,平均召回率为73.32%.以检出轮廓像素作为输入,通过椭圆拟合得到面元的轮廓,所得轮廓与面元真实轮廓吻合良好.研究结果表明该方案能够有效检测出面元轮廓,进而给出假图像星的排除范围.      

微量天平校准装置及精度分析

装置适用于风洞应变式微量天平六分量精密静态校准。通过高精度复位工件台和电视测量实现了微量天平的五分量体轴校;应用力的精密传递与转换实现了微量载荷在水平方向的准确加载。对三分量天平的综合加载精度以及影响因素进行了分析,同时还给出了该设备对三分量微量天平校准的结果,并与其他设备校准结果进行了比较     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。