基于微结构识别的单向复合材料导热系数预估

以T300碳纤维/环氧树脂基单向复合材料为例,考虑纤维周围间隙缺陷的影响,建立了基于微观图像识别的等效导热系数预估方法.首先利用图像识别技术处理材料微观电镜照片,然后依据纤维体积分数稳定性判据应用几何重构技术建立了代表性单元,并通过在代表性单元（RVE）内部交界面处添加接触热阻的方法引入间隙缺陷的影响,最终利用有限元方法模拟得到等效导热系数（ETC）.研究发现:间隙的位置对等效导热系数影响微弱;随着间隙缺陷占比和厚度的增加,等效导热系数显著降低;间隙缺陷占比大于0.8,无量纲间隙缺陷厚度小于0.15时,单向纤维增韧复合材料的等效导热系数受间隙影响最突出;相对于纤维和基体理想接触的情况,考虑间隙缺陷后,等效导热系数最大降幅可达52.1%.      

某瞄准吊舱跟踪精度评估技术研究

采用VC 编程语言和数字图像处理技术实现了机载某瞄准吊舱电视/红外系统图像中的瞄准十字线的自动检测,可对图像中叠加的GPS时间进行自动识别,并采用滤波技术对识别出的时间进行滤波。对电视/红外图像跟踪精度测量数据的不确定度分析表明,测量结果的标准差满足测试精度的要求。     

修正D-S证据组合方法及其在目标识别中的应用

在多传感器信息融合算法中，Dempster-Shafer证据理论得到了广泛应用，但该理论本身也存在一些不足之处。针对这种情况，提出了D－S证据组合中“与”算子的一种改进方法，并进行了仿真。仿真结果表明，所提出了算法能够有效排除干扰，得出符合实际的组合结果。     

测量参数时间延迟对气动导数辨识结果的影响

主要讨论了测量参数间的时间延迟对飞机气动导数辨识结果的影响。通过对飞机仿真数据的计算表明,为了保证气动导数辨识的准确性,必须对测量参数间的延迟时间作一定的限制。结果表明,飞机的主要导数对时间延迟不敏感,而一些小值导数则较敏感。文中还根据实际计算经验对测量参数间的延迟时间给出了适当的限制。这些结果可为工程应用提供理论参考。     

泊位引导系统中运动物体的检测与分类

重点研究了基于视觉检测方式的机场泊位自动引导系统的图像预处理算法。提出改进的基于混合高斯模型的运动检测算法,有效抑制了分割运动缓慢且成像面积比较大的物体时易出现的“拖尾”现象。提出了基于颜色色度信息的阴影检测算法,成功地检测出运动物体的阴影。在此基础上设计了分类器,区分泊位飞机与泊位场景中其他运动物体。在实际机场泊位自动引导系统中的应用证明了所提出算法的有效性和实用性。     

纺织企业风险评价与承保相关性探讨

为了给保险公司承保提供参考,在了解纺织企业生产工艺的基础上,对企业潜在风险进行了识别与分析。建立了纺织企业风险综合评价指标体系层次模型,应用模糊综合评价方法对其进行了风险综合评价。根据定量化的风险值,保险公司可做出调整保险费率、标准投保、拒绝投保等科学决策,企业可采取有效风险控制措施。有助于稳定保险公司经营,促进财产险健康发展,同时也是降低承保风险,减少企业事故损失的有效途径之一。     

某涡轴发动机异常噪声源识别

通过对国产某涡轴发动机和原型机采用台架试车多测点噪声对比测试和频谱分析，确定了国产机产生噪声异常的主要噪声源，测试结果表明，国产机噪声异常主要是由于不稳定造成的。     

双层通用自适应模式识别系统

单层n元自适应模式识别系统(WISARD)由于其大规模并行分布处理能力、通用性和自适应性而显示了巨大的应用潜力。但由于其结构的原因,系统性能受到了一定的限制。Kanerva提出的稀疏存贮器结构和WISARD的RAM阵列结构有相似之处。而且这种稀疏分布存贮的原理,可以从结构上解决WISARD的固有缺陷。根据SDM的概念,在WISARD的基础上,本文提出了一种新颖的双层自适应模式识别系统模型。它除了保持WISARD的原有特点之外,在解决大维数或非确定性模式数据的识别问题以及控制系统成本方面有着明显的优势。在该系统上进行的多体印刷汉字识别试验,初步优化了系统各参数的关系,验证了模型的可行性。     

三维表面微观形貌的表征参数和方法

近几年,由于计算能力、速度和图像、数据处理技术的不断提高,极大地推进了３Ｄ表面微观形貌测量仪的实用化和商品化,同时也增加了研究者对３Ｄ分析的兴趣。总结了近期文献中出现的３Ｄ分析方法和表征参数,如：基准表面、图形（ 像） 表征、参数表征以及Ｍｏｔｉｆ 和分形表征方法,旨在促进我国对３Ｄ表面研究的发展。最后提出了３Ｄ表征技术的任务和发展方向。     

基于ICA和BP神经网络相结合的掌纹识别

提出了一种基于独立成分分析(ICA,Independent Comment Analysis)和多层前馈(BP,Back Propagation)神经网络相结合的方法对掌纹进行识别.首先采用一种新的方法检测角点,得到掌纹图像的不变特征点,根据这些点校正掌纹方向并得到掌纹的感兴趣区域.对该区域采用定点快速ICA算法(FastICA),得到掌纹特征子空间,然后构建BP神经网络,并采用训练样本得到的掌纹特征进行训练,得到合适的权值.对香港理工大学掌纹数据库进行测试,与主成分分析(PCA,Principal Components Analysis)提取特征的方法进行比较,取得了较高的识别率.