一种新的SIFT匹配定位技术研究

在基于局部特征点匹配的目标定位系统中,匹配点和误匹配点数量的多少直接影响定位准确度。传统SIFT方法为保证匹配过程中有足够的匹配点数,通常选取较小的统计区域,特征点缺失了对周边区域的关联性,造成误匹配。为提高定位准确度,提出一种改进的SIFT特征描述子。在传统的SIFT局部特征描述子中引入PCA统计特征,在获得更高的正确匹配率的同时降低了错误匹配率。针对常用的SIFT误匹配滤除算法（NN法）滤除误匹配时需牺牲大量正确匹配,提出在NN法基础上,利用匹配特征点的坐标信息对误匹配进行二次滤除,进一步减少了误匹配。实验结果表明,定位算法的准确度优于传统方法。     

混沌遗传组合算法在复杂曲面零件加工定位中的应用

针对复杂曲面零件加工时难以精确定位的问题,利用数控机床对毛坯测量,然后将测量值和CAD模型理论值进行匹配计算,从而将标准零件模型嵌入到毛坯中,实现工件的定位.对于求解转换矩阵这一非线性问题,设计了混沌遗传组合算法,该算法可有效减小遗传算法陷入早熟的概率,有助于搜索到全局最优解.最后通过试验证明该算法可实现对转换矩阵的求解,将理论模型嵌入到零件毛坯中,使加工余量得到优化.     

简谐力激励下多组件结构系统的整体优化设计

多组件结构系统整体优化设计通过协同优化支撑结构拓扑构型和组件布局来使结构系统的位移响应最小。本文提出通过模态加速度法（MAM）求解多组件结构系统的位移响应,并以位移响应值最小作为优化目标;引入多点约束（MPC）方法模拟组件与设计域间的铆钉或螺栓连接形式;采用有限包络圆法（FCM）来避免组件之间及组件与设计域边界产生干涉。建立了多组件结构系统整体优化问题的数学模型,并对动响应目标函数关于设计变量的灵敏度进行了推导。最后,通过几个算例验证了整体优化方法在简谐力激励下求解问题的可行性及其在实际问题中的有效性。     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

论高职院校的科研定位

高职院校的科研定位是由高职院校的定位决定的。科研定位是否科学准确,对于高职院校科研工作的顺利开展具有十分重要的意义。高职院校科研定位应包括科研地位的定位、科研功能的定位、科研内容的定位和科研服务面向的定位等。     

汽车牌照自动识别技术研究

提出了一种汽车牌照的自动识别算法：先对图象进行直方图均衡,平滑去噪,二值化预处理,再根据车牌上文字变化特点快速,准确地从复杂背景中分割车牌最后采用投影－变换系数法取汉字,英文和阿拉伯数字的不同维数的特征,送到相应的ＢＰ神经网络中进行识别,较好地解决了汽车牌照的自动畜产     

无线传感器网络超声波定位算法的研究

在无线传感器网络定位中,距离定位机制受无线传感器设备功耗、价格和硬件限制及对定位精度的要求,距离定位机制比较容易实现的解决方案.介绍了超声波传感器定位的原理,提出了基于传感器数学模型的目标定位方法,在此基础上建立基于超声波的目标定位系统,最后分析了超声波传感器定位中存在的问题.     

吸附式亚声速压气机叶栅气动性能实验及分析

以亚声速平面叶栅风洞为实验平台,在不同来流马赫数、攻角和吸气量状态下,测试吸附式压气机叶栅吸力面、压力面表面压力分布和叶栅尾缘等参数.结果表明,附面层吸除能促进附面层减薄,减少分离损失,有助于降低叶栅总压损失,提高气流折转能力,改善叶栅气动性能.合适吸气槽位置和吸气量的选择,有利于叶栅内部流动更趋合理.      

多点随机激励振动试验的推力需求下限分析

针对载荷加载点与响应控制点数量相同的多点随机激励试验,进行多点响应与多点激励之间的传递关系理论分析,获得多点激励下控制载荷需求的表达式。采用遗传优化算法,开展对控制载荷推力需求的数值模拟,获得某典型结构在两点激励和三点激励等工况下的推力需求下限。结果表明,由于目前多点激励试验中只控制响应幅值,并不关注多点响应之间的相位差,使得控制载荷不唯一,这有利于实现对多个点的响应控制,同时需要通过合理的加载布局实现对加载设备能力的充分利用。     

基于深度学习的航空发动机不平衡故障部位识别

针对基于机匣测点的航空发动机不平衡故障部位识别问题,提出了基于深度卷积神经网络的航空发动机不平衡故障部位诊断方法。针对某典型双转子航空发动机,建立整机耦合动力学模型,并利用数值积分算法实现不平衡故障数值仿真;在从发动机压气机端到涡轮端的高、低压转子上选择4个不平衡故障部位作为诊断对象,通过仿真分析得到发动机典型转速下的转子不同部位不平衡故障的仿真样本;计算4个机匣测点信号的规范化频谱,通过对大量仿真数据的处理得到反映不同不平衡故障部位的故障样本集;利用仿真得到的大量不平衡故障样本,训练深度卷积神经网络,利用深度卷积神经网络的优良特征学习能力实现航空发动机不平衡故障的不同部位进行识别,数值试验结果表明该方法对航空发动机不平衡故障部位的识别准确率达到95%。