飞机框肋类零件外形样板三维快速设计原理及算法

作为近年来飞机型号研制中常用的内外形控制与协调方式,飞机样板因其使用便捷、成本低廉、技术成熟等优势,在当前飞机研制中仍具有不可替代性。在当前智能化技术快速发展的数字化环境下,依赖二维图纸的样板设计技术已明显成为制约飞机研制效率和周期的重要因素,研究和开发以框肋类零件三维几何模型为基础的样板三维设计技术已成为当前航空产业的迫切需要。针对上述问题,对框肋类零件样板的一大分支--外形样板的三维快速设计原理及算法展开研究,提出钣金零件几何属性提取及外形样板三维快速设计算法,主要内容为:提出框肋类零件基础结构特征定义及提取方法,基于提取结果构建零件弯边特征并计算样板设计所需几何属性,提出外形样板轮廓计算及补加添加算法,最终实现零件外形样板三维模型生成。经由实例测试,验证此算法的可行性与有效性。     

基于B-样条插值的图像边缘检测

为了能高质量地进行图像边缘检测,提出了一种新的基于B-样条插值的边缘检测方法.该方法为了保证图像边缘检测后的质量,采用3次B-样条对图像的像素点灰度值进行插值运算,提出了基于B-样条插值的一阶和二阶微分算子,并引入数字滤波技术加以实现.利用B-样条可分离的特性,实现了2维空间的基于B-样条插值的连续图像的重构函数,在此基础上提出了用于边缘检测的基于3次B-样条的一阶梯度模板和二阶微分模板.该方法非常适合于采用硬件的并行化实现,极大地提高了图像处理速度和边缘检测质量.     

一种新的任意角度旋转的景象匹配方法

为了解决任意角度旋转的景象匹配问题,在分析了传统的模板匹配算法对旋转敏感的本质原因后。提出了圆投影匹配算法,并对其进行了改进。实验结果表明,文中提出的算法不仅具有旋转不变性。而且对灰度变化、噪声、光照以及对比度变化等也具有很好的鲁棒性,同时匹配速度比归一化积相关匹配算法(NProd)提高了近一倍。     

规范化的SolidWorks工程图模版的定制

规范化的工程图模板对于在企业生产中提高机械设计效率、规范产品设计具有重要意义,通过实例介绍了应用SolidWorks软件进行工程图格式、环境设置和材料明细表的定制方法,为学习和应用SolidWorks软件定制工程图模版提供了技术思路。     

高分影像辅助下的航空高光谱严密几何检校方法

 惯性测量单元(IMU)与传感器视准轴的偏心角和偏心矢量是造成航空线阵列高光谱数据几何校正误差的主要原因之一。在分析偏心角与偏心矢量误差来源之后提出该误差由IMU主轴与传感器主轴的角度偏差、测区固定偏差、GPS中心与传感器投影中心相对偏差组成,在此基础上建立了较为严密的检校模型。针对模型解算时需要大量高精度控制点的问题,提出了一种高分影像辅助下的亚像元精度控制点自动提取方法。通过多地区、多传感器高光谱航测实验表明,亚像元精度控制点能有效提高模型解算精度。新检校模型可获得亚像元校正精度,推扫式传感器——应用型机载成像光谱仪(AISA)建模中误差约为0.39个像元,摆扫式传感器——实用型模块化成像光谱仪(OMIS)建模中误差约为0.23个像元,校正后的影像可直接进行拼接。     

基于模板匹配整帧屏幕视频帧内无损编码方法

当前主流的视频压缩标准,如H.264、HEVC等,主要是针对摄像机拍摄的视频而设计的.而屏幕内容(SC)的视频是由计算机生成的,无噪声,要求更高的压缩效率,同时与摄像机拍摄的视频相比包含更多的结构相似性.提出了一种利用屏幕视频中相似性的模板匹配帧内编码方法,采用由21个像素点组成的模板,以像素点为最小单位对整帧进行模板匹配,并使用哈希函数实现高效的模板查找,最后对残差图像进行熵编码.实验结果显示,与标准的HEVC扩展方法相比,该方法在无损编码上压缩率可以提高一倍,编码时间减小了近一半.      

阳极氧化铝模板法制备CoPt纳米管

采用电化学直流沉积,首次在氧化铝模板中成功制备出直径为50 nm的CoPt纳米管高度有序阵列。利用透射电子显微镜(TEM)、扫描电子显微镜(SEM)、X射线衍射仪(XRD)以及振动样品磁强计(VSM)对样品的结构和磁学特性进行测试。分析表明,CoPt纳米管是以面心立方(fcc)结构存在。当外加磁场与纳米线平行时,CoPt合金纳米管的矫顽力达450 Oe,这种大面积制备的CoPt纳米管希望在超高密度信息磁存储上得到应用。     

三维技术在模线样板设计中的使用

介绍三维技术在模线样板设计中的使用方法。包括平面组合件、单双曲度零件的模线样板设计中有关数据和图形的取制以及有关角度的计算过程，并通过几个典型实例详细描述了三维技术应用于模线设计的有关技巧。     

基于神经网络的飞行科目模板样本集建立方法

为建立某一飞行科目的模板样本集,提出一套基于神经网络和卡尔曼滤波的数据处理方法。任选一次试飞样本,建立Kohonen自组织神经网络进行参数降维、聚类分析、特征提取等,使样本量缩减90%以上,得到该科目的模板样本集。用处理后的样本训练BP神经网络,对其他未经处理的试飞样本进行载荷预测,误差均在3%之内,说明处理后的样本能代表该科目的数据特点,即为模板样本集。方法可以为飞机载荷监控数据库的完善工作服务。     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域，目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题，提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先，利用2个卷积网络构建一个5层Siamese网络，通过对模板特征与当前帧图像特征进行卷积得到目标位置；其次，利用高斯混合模型对以往的预测结果进行建模并建立目标模板库；然后，从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板，使Siamese网络能够自适应目标的外观变化；最后，引入回归模型进一步精确目标位置，降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响，具有较高的准确率。