基于因子分解和光束法平差从航空序列图像恢复三维结构

从航空序列图像恢复目标三维结构是航空摄影测量的基本问题。针对现有算法中精度与计算量的矛盾,提出一种基于因子分解与光束法平差的新算法。作为因子分解与光束法平差的桥梁,提出基于"R T"模式共线方程的概念,详细推导了其线性化公式。仿真实验和真实图像实验表明,新算法精度高、稳定性好,可应用于航空测绘、虚拟现实、军事侦察等工程实践。     

分解炉内三维湍流流场数值模拟

针对某大型高性能分解炉的实际尺寸,用Realizable(带旋流修正的)k-ε模型,采用SIMPLE算法,二阶迎风差分格式,模拟了炉内三维湍流流场.计算所得的速度、压力分布与该炉热工标定的结果以及其实际运行的性能符合较好.     

中子无损检测炭滤器技术研究

滤器内防毒炭在长期存放和使用过程中,会吸湿空气中的水分逐渐陈化变质导致防毒性能下降。依据氢原子核对快中子具有特殊慢化作用原理,研究了对滤器中炭层湿度无损检测技术。     

基于近场声全息的空压机噪声源识别

近场声金息(NAH)是一种有效的噪声源分析工具,当噪声源声场由一些不相干或部分相干的声源叠加而成时.就必须利用声场分解技术将总的辐射声场分解成各个互不相干的子声场,然后再对每一个子声场进行NAH分析.利用NAH争基于偏相干的声场分解技术对CZ-20-C型空压机进行了噪声源识别定位和分解研究.试验结果表明:该方法可以较好...     

基于宽带Delphi和功能分解相结合的装备软件早期成本估算

针对装备软件早期成本估算时存在的相关成本信息基础薄弱的“贫信息”问题,提出了基于宽带Delphi与功能分解的装备软件早期成本估算组合法。该组合法依据领域专家的知识和经验对软件成本做出判断,避免了需要过多依赖历史信息的局限性。而功能分解法能将软件按功能模块进行细分,提高了宽带Delphi估算的精度。     

基于EEMD方法的混合信号分离识别

针对宽开通信侦察系统中的多信号分离问题,提出了一种总体平均经验模式分解(EEMD)方法。首先对混合信号进行去噪,进行功率谱估计,然后利用EEMD方法对混合信号进行分解得到一簇本征模态函数IMF(Intrinsic Mode Function),对代表单个信号的IMF进行Hlibert变换,得到与各阶IMF相对应的瞬时频率,确定信号的个数,估计出其载波频率,设计出相应的带通滤波器,分离出单个信号。最后设计决策树对分离出的单个信号进行调制识别,确定信号的种类。文中以三个信号组合ASK、BPSK、2FSK为例,通过仿真验证了方法的有效性。     

面向复杂几何模型的多级并行四面体网格生成算法

高性能计算机的快速发展为数值模拟提供了必需的硬件环境,数值模拟领域对网格的需求已高达数十亿到数百亿量级,而网格生成作为数值模拟的重要一环,其发展则相对滞后,很难满足并行数值模拟求解器对大规模网格的需求。本文面向复杂几何模型提出一种多级并行四面体网格生成算法,该算法首先基于模型的几何特征建立网格的尺寸场,并基于尺寸场和几何实体间的邻接关系对几何实体进行分组,将分组后的几何实体分配到不同的计算节点,在计算节点间采用前沿推进法实现三角形面网格的并行生成,然后在计算节点内对三角形面网格进行二级区域分解,将分解后的子网格分配到各进程中,最后在进程内采用多线程并行方法实现四面体网格的并行生成。通过实际应用三峡大坝模型进行验证,该算法具有良好的并行效率和可扩展性,可以在数千处理器核上实现十亿规模高质量四面体网格的并行生成。     

合成作战单元抢滩阶段作战编波冲击及方案优化模型

如何科学、量化进行编波冲击是影响和制约合成作战单元抢滩阶段战斗的焦点问题、瓶颈所在.通过分析研究影响编波冲击的主客观因素,建立了合成作战单元抢滩阶段作战编波冲击模型,提出了基于"和数分解"的多目标优化搜索算法,并结合算例对模型的有效性和可信性进行了验证,对编波方案的价值进行了评价和优化分析.     

基于双谱切片小波包的雷达体制识别技术

根据机械扫描雷达、一维相控阵雷达和二维相控阵雷达扫描方式的差异,通过对3种体制雷达进行双谱分析、切片化处理以及小波包分解,提出了双谱切片小波包的概念,并根据此特征用支持向量机对不同体制的雷达进行识别.仿真结果表明:该方法在噪声占比为0～20％时,可分性好,并且在噪声占比增大时,通过该特征仍能对不同体制的雷达进行有效识别.     

基于机器学习的固体火箭发动机无损检测数据智能判读

传统固体火箭发动机无损检测图像判读工作存在人工识别效率低、图像数据分散及数据利用率低等问题。本文借助机器学习算法与计算机视觉技术,利用大量发动机无损检测图像数据开展无损检测图像数据预处理、边缘检测以及数据模型训练和应用等技术研究,探索快速、准确获得发动机无损检测图像数据特征的方法,深入挖掘固体发动机无损检测数据的内在联系,找到潜在规律。本研究不仅为固体发动机无损检测图像判读提供了一种准确、高效的手段,同时,能够为发动机无损检测图像识别、测量、判读和发动机相关故障模式分析与故障诊断提供数据和决策支持,也能够为未来机器学习在固体发动机无损检测图像判读领域的深入应用提供实践探索和理论研究方面的参考。