基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。     

基于ZAM分布的伪码调相与正弦调频复合引信信号特征参数提取技术

伪码调相与正弦调频引信信号特征参数提取是对该引信进行有效欺骗性干扰的前提。 为提取特征参数,提出了基于ZAM分布的信号特征参数提取方法。首先对侦察的复合引信信 号进行ZAM变换,将ZAM分布图进行投影获得负尖峰位值,通过搜索最小时间间隔提取伪码特 征参数,利用峰值跟踪曲线提取正弦调频信号的特征参数。仿真分析表明,该方法能有效提 取复合引信信号的所有特征参数。     

RESEARCH OF THE SWITCHED RELUCTANCE STARTER/GENERATOR SYSTEMS

This paper focuses on the simulation and test of the switched reluctance starter/generator systems. Through the emulational analysis of the initial starting torque, the optimal turn-on section of the power switches is discovered. The fundamental theory of the generating operation is analyzed with the linearity model, and a new method is presented based on voltage pulse width modulation for the generating mode control. Through the steady-state and optimized emulation of the output power and system efficiency, the optimizational control approach for the generating mode over a wide speed range is introduced. At last, the test of the 3KW prototype system shows that the dynamic and static performance of this system is fine.     

一种基于星座匹配的全天自主星图识别算法

讨论了一种新的无须任何先验知识的星图识别算法。通过对导航星座数据库进行调整和最大限度地利用了已识别基元所提供的匹配信息,使得算法的计算量和存储容量与传统的三角形匹配算法相当。ＭｏｎｔｅＣａｒｌｏ 模拟表明,在星等误差０．５ 星等（３σ）,位置误差１０ 角秒（１σ） 时,算法的识别成功率接近１００％ 。     

C/E复合材料声发射信号小波分析及人工神经网络模式识别

以复合材料为对象，以宽频带传感器及线阵列方式对各类模式试样采集了波形及信号参数，比较波形、信号参数、频谱及小波谱的特征，筛选出六类1300个样本，采用多分辨小波变换提取了5个特征向量，实现了特征空间的降维处理，采用B—P型反向传播神经网络构成了智能化模式分类器，研究了网络模型的学习效果和对与复合材料主要损伤机制有关的六类声发射信号的识别能力。试验结果表明，神经网络对六类信号的平均正确识别率达到90.4%。最佳识别率为97.2%。该方法成功用于90°、0°光滑和0°缺口三种试样的破坏过程分析，获得了满意的效果。     

基于光谱知识的高光谱图像自动识别方法

针对传统高光谱图像矿物识别方法未能充分利用矿物光谱诊断吸收特征与矿物光谱知识、识别过程人为干预多等问题,提出了一种基于光谱知识的高光谱图像自动识别方法.该方法引入了基于光谱吸收特征与波形特征的光谱知识作为自动识别的标准,利用连续统去除操作增强光谱吸收特征,采取基于光谱主次吸收特征的识别决策策略,建立多级约束准则以提高识别精度及避免误识别,通过利用模拟数据进行算法精度评价并应用航空高光谱成像仪AVIRIS(Airborne Visible/Infrared Imaging Spectrometer)数据进行应用分析与验证.结果表明:当图像信噪比大于200时,识别准确率可以达到80.3%,能够得到良好的识别结果以及较高的精度,并实现了基于高光谱图像的矿物自动识别.     

基于宽窄带微多普勒信息的进动目标特征提取

微动特征是弹道目标识别的重要特征之一。针对锥体目标模型,提出了一种基于宽窄带相结合的混合体制雷达网的微动参数提取方法。首先,在详细分析锥体目标等效散射中心微多普勒变化规律的基础上,利用微多普勒和差比实现了不同体制雷达回波中散射中心的匹配关联。其次,构建宽窄带微多普勒信息联合方程组,提取出锥体目标的进动角、底面半径、锥体高度等参数,并进一步对目标参数估计精度随曲线参数提取误差变化的关系做了比较研究。最后,仿真结果表明,在曲线参数提取值存在一定误差时,目标参数估计精度仍然较高。      

一种超低调频失真的测试方法

调频非线性失真是调频信号计量中需要测试的一个重要项目,对于一些调频失真指标很高的信号源,传统的失真度测量仪已不能直接测量其失真指标。通过分析调频非线性失真和调频线性度的关系,探讨了测试超低调频失真的一种方法,解决了用失真度测量仪不能直接对调频非线性低失真测试的问题。     

遮挡条件下的鲁棒表情识别方法

提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA,Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性.     

一种适用于空间应用的高速调制系统的设计和实现

为了适应空间科学技术的发展, 满足空间科学应用系统的数据传输速率、多进制数字调制方式以及实现调制体制灵活性的要求, 提出了一种适用于空间应用的高速调制系统的设计与实现方案. 该方案采用了基于FPGA和DAC的通信调制技术, 可在硬件设计不变的情况下, 实现QPSK, 8 PSK和16 QAM等多种调制方式下的高速数据传输. 分析了高速调制在硬件实现上的技术难点, 解决了高频率高精度同步时钟生成、高速数据转换、宽带调制等技术问题. 实测表明, 在载频为2 GHz时, 该调制系统在8PSK调制下速率可达750 Mbit/s, 且调制信号的矢量幅度误差(EVM)仅为3.3 %.