基于拼接算法的炮膛疵病自动识别技术

针对当前采用目测识别方法进行炮膛疵病检测时存在的识别速度慢、精度低、人为影响因素大等缺点,提出了一种基于拼接算法的炮膛疵病检测方法。该方法采用Harris角点检测算法进行特征点提取,采用归一化互相关法进行特征点初匹配,采用马氏距离提纯算法消除误匹配,采用改进的8参数透视变换优化估计算法和基于边界保持的函数加权平滑融合算法进行炮膛图像融合,并选取图像面积、短长径之比为特征参数完成疵病的自动识别。实验结果表明：该算法对炮膛图像能较好地进行拼接,而且数值化的疵病识别方法相比传统目测识别方法也更加快速、准确,可为部队和相关工程人员进行身管检测提供有益参考。     

BP神经网络的身管寿命预测方法

作为影响火炮寿命的炮膛烧蚀和磨损,其作用过程是一个相当复杂的综合过程.到目前为止,还不能建立起一个较好的数学模型来计算火炮内膛烧蚀磨损量.针对这种情况,在实测数据的基础上,提出了采用BP(Back Propagation)神经网络的方法,利用其优越的非线性逼近能力和泛化能力来计算炮膛烧蚀磨损量,并根据最大烧蚀磨损量进行身管寿命预测.     

炮膛轴线偏离射面的偏离角测量方法分析

用炮口瞄准仪-靶权法测量炮膛轴线的偏离角所得数据偏大。通过对整个测量过程进行分析,表明目前所采用的测试规程中偏离角测量的数学公式推导不正确。在详细推导的基础上,给出正确的计算公式。     

基于灰度共生三角阵的炮膛图像分析

为解决炮膛疵病图像粗分类时缺少聚类和分类特征的问题，引入了灰度共生三角阵（Grey Level Co-occurrence Triangular Matrix，GLCTM）的方法。通过对炮膛样本图像GLCTM特征参量的计算与分析，确定了GLCTM的参数；根据特征参量的相关性分析结果，选择了其中7个作为炮膛图像的特征参量。样本图像的实验结果表明，炮膛图像的GLCTM特征参量取值与图像灰度的直观特点之间存在对应关系。