混合膛线阴极计算机辅助设计

为解决渐速混合膛线电解加工阴极设计难度大,研制周期长,采用数控仿真软件VERICUT设计阴极工作齿。根据给定的几何参数和弹道方程建立数学模型;建立阴极工作齿、数控机床、炮管毛坯实体模型和炮管膛线的理论设计模型;选择机床数控系统;编写数控程序;优化阴极并进行试验。试验显示,在电解加工中采用计算机辅助设计进行阴极设计是一条可行的途径。     

在科学发展大进军中奏响兵器新“春雷”——山西春雷铜材公司战略转型可圈可点

山西春雷铜材有限责任公司作为中国兵器工业集团的一家铜板带生产加工企业,近年来,通过夯实基础,强化管理,优化结构,拓展市场,已经走出困境,站在了一个新的发展平台上,进入到了走“专、精、特、优”之路,做同行业精兵的阶段。站在军工行业科学发展的大进军中,面对新挑战、新任务,面对广大干部员工的新期待,春雷下一步怎么走？怎么走得更远？     

离子束加工误差对散射损失的影响研究

离子束加工(Ion Beam Figuring,IBF)去除函数对加工残差具有重要的影响,而加工残差引起的表面散射则导致光学性能发生变化.为了减小加工残差对光学性能的影响,利用基于CCOS成形原理的离子束加工仿真程序对光学镜面进行修形,分析不同去除函数宽度对散射损失(Ratio of Scattering Loss,RSL)指标的影响.通过研究可知,随着去除函数宽度的减小,加工残差对散射损失的影响越来越小.因此,根据加工残差对RSL指标的影响程度以及RSL指标要求,可以合理选择去除函数宽度,从而在满足面形精度的同时,优化加工工艺.     

代厂方发薪利村民

女民兵朱伯英,在家乡浙江省青田创办巾帼服饰有限公司,她免费为周围乡(镇)农村妇女培训平车服装加工技术,使她们成为家庭来料加工业的主力军。前几年,她的学徒一批又一批外出到北京、广州、温州等地打工。可是没多久,外出打工的村民又一批批回到了村里,村民不愿出去打工最主     

基于改进Yolov5的晶振多缺陷检测

长期以来,晶振的缺陷检测主要依靠人工,存在着效率低、受外界影响程度大、成本高昂的问题。传统方法无法实现多缺陷一次性记录检出,而深度学习应用部署于工业界也存在着无GPU加速导致的推理速度慢的问题。针对以上问题,选定算法模型并通过在输入模块对图像增强、主干网络特征图融合、颈部网络引入新的尺度检测层和新的激活函数、输出预测时引入注意力机制的多种方式进行改进,在保留模型轻量化的同时增加小目标检测能力。最后进行模型剪枝和硬件加速推理,部署于PC端进行缺陷统计等工作。实验表明该系统的检出率在95%以上,实现了晶振缺陷检测的自动化和精细化。     

基于改进SegNet网络的遥感图像语义分割方法研究

遥感图像的语义分割在生产和生活中有着广泛的应用。针对常用的语义分割网络SegNet在遥感图像上对小目标和边缘细节分割精度不够理想的问题,对SegNet进行改进,提出EP-SegNet模型。该模型将激活函数由ReLU替换为ELU,以加快收敛速度,避免神经元死亡,去掉编码器最后一层的池化仅作卷积处理以降低空间信息的损耗,构建Bottleneck层以在加深网络的同时减少参数量,引入金字塔池化模块(PPM)以提升网络对全局信息的感知能力。实验结果表明：该模型的准确率为97.48%,高于SegNet模型3.31%,在图像分割中对边缘细节和多尺度目标的分割精度有较明显提升,较之前模型表现更优。     

基于深度卷积神经网络的蛇形机动航迹图像识别

为提高防空武器系统对空袭目标的拦截防御能力,针对现有蛇形机动识别算法鲁棒性较差的问题,提出了将航迹坐标数据转化为图像,利用深度神经卷积神经网络进行航迹模式分类的方法。针对航迹数据直接转化为图像时存在机动幅度不明显或过大的问题,提出了有效解决方案。基于CAFFE平台进行了大量仿真实验,确定了适宜于航迹模式分类的深度卷积网络结构和网络参数。实验结果表明,该方法能有效提高蛇形机动航迹识别的鲁棒性。     

航空发动机叶片加工生产线及整体叶盘抛光机床示范应用项目启动

<正>2016年3月19日,"航空发动机叶片加工生产线及整体叶盘抛光机床示范应用"项目启动会在西安召开。数控专项办、陕西省工信厅、中航国际航空发展有限公司、中国和平利用军工技术协会以及该项目的 8个承研单位的有关领导、专家和参研人员代表30余人出席了会议。"航空发动机叶片加工生产线及整体叶盘抛光机床示范应用"项目是《高档数控机床与基础制造装备》科技重大专项专门针对航空发动机叶片生产线安排的一个重点项目。旨在通过自主研发建设航空发动机叶片加工生产线,     

无人机蜂群通信感知一体化关键技术

无人机蜂群机动性强、易于调度、部署灵活,是未来战场态势互联互通、快速精确打击的重要手段。多无人机“通信感知一体化”将无人机通信和感知两个功能互融在一起,在无线信道传输信息的同时,主动认知并分析信道的特性,感知周围环境的物理特征,使得通信与感知功能相互得到增强。与此同时,深度强化学习将深度学习的感知能力和特征提取能力与传统强化学习的决策能力进行有机结合,解决了智能体决策博弈类的现实问题。将通信感知一体化和深度强化学习应用于多无人机态势感知、信息传递、任务规划、资源调度等,能够为多无人机蜂群系统的发展和实践应用奠定基础。     

军用微型机器人及其关键技术

现代科学技术的发展,特别是微细加工技术和微机电系统的飞速发展为微型机器人的出现奠定了技术基础。微型机器人并非现有机器人在尺寸上的简单微型化,而是指以微机电系统技术(MEMS)为依托,具有微小尺寸结构,可进行微细操作的机器人。微型机器人的最基本的部件是微型机电系统,它是将微型传感器、微型驱动器、微型开关、微型电机、微型电子器件有机地组合在一起,用特殊材料封装而成的。