全液压驱动管道机器人公理化设计

随着管道机器人应用领域与任务需求的不断增大,机器人设计中存在的问题日益突出,如输出功能相互耦合、定位精度不高以及复杂环境下可靠性低。针对石油水平井对于管道机器人的特殊应用需求,将公理化设计理论应用到机器人系统设计中,创新设计一种基于挠性支撑结构的全液压驱动管道机器人。概述公理化基本原理与设计过程,对全液压驱动管道机器人进行概念设计,完成设计耦合性分析。确定机器人机械系统与液压系统具体结构组成,并分析其工作机理。应用AMESim软件,对机器人运动原理方案进行仿真分析,结果表明:全液压驱动管道机器人可以实现自动往复运动,牵引力可以达到30 kN,运动速度可以达到0.12 m/s;机器人牵引能力与运动速度可以完成单独调节,从而实现解耦设计。     

基于SOINN增量自编码器的网络异常检测研究

针对批量学习的网络异常检测模型存在内存资源消耗大、无法在线更新的问题,利用自组织增量神经网络(self-organizing incremental neural network, SOINN)的增量学习特性,提出一种增量自编码器构建方式,将改进SOINN的输出神经元作为自动编码器的输入,使得模型在不破坏已有学习成果的基础上,具备增量更新能力。针对SOINN算法获胜神经元邻居节点学习率固定,不利于区分其与输入样本的相似性的问题,提出一种学习率自适应调整方法,来提升获胜神经元邻居节点的学习效率,使得算法输出神经元更能代表样本特性。针对反馈更新样本中正常样本纯度不高的问题,提出一种基于距离度量的样本标签筛选机制,通过计算反馈样本与神经元的距离来对正常样本进行筛选,使得反馈样本中正常样本比例更高,以此来提升模型的在线检测效果。在NSL-KDD数据集上开展了相关实验,实验证明所提方法具备增量学习能力,且改进SOINN的增量学习效果优于原始算法,有效节省了模型的运算和存储开销,通过基于距离的样本标签筛选机制,模型的在线检测能力有效提升。     

“基辅”号航母鏖战记（九）：出海调查遇难潜艇

自动加密通信台的收发员到驾驶舱交给将军一份电报,他迅速扫了一眼电文便把电报递给巴希洛夫。     

谈火灾自动报警系统的干扰因素及对策

火灾自动报警系统能否正常稳定的运行,对建筑物的消防安全起到至关重要的作用.通过分析火灾自动报警系统的干扰原因,提出一些增强火灾自动报警系统抗干扰能力的方法,为火灾自动报警系统设计、施工提供参考.     

武警部队应急铁路输送方案自动生成系统

为了提高战备铁路输送方案的编制速度 ,本文研究开发了应急铁路运输方案自动生成系统 ,提出了列车梯队自动划分模型和梯队铁路装载计划生成模型 ,应用表明 ,两种模型是非常实用和有效的     

“聪明炸弹”自摆乌龙的启示

2001年12月5日6时52分,美国国防部发言人戴夫·拉潘中校一脸沮丧地宣布:美军遭遇了反恐战争以来最大的伤亡,3名美军士兵阵亡,20多人受伤。尤其让山姆大叔“心痛”的是:此次重创并不是塔利班的“功劳”,而是美军一向引以为自豪的“聪明炸弹”GBU—31自摆乌龙的“杰作”。据称,GBU—31联合制导攻击炸弹是美军目前最先进的精确制导炸弹之一,安装有全球卫星定位系统,是一种“聪明”的自动寻的炸弹。     

基于航向自动舵实船环境模拟的海浪扰动模型研究

以航向自动舵实船模拟环境的建立为背景,讨论了等效到舵叶舵角上的海浪扰动数学模型的建立,并通过仿真,分析了各种因素对海浪扰动的影响.     

一种新型往复机械密封填料自动压紧装置

通过特殊的结构设计和力学计算,研制了一种能够在往复机械正常工作过程中,及时地、自动地保持对填料施加恒定压紧力的新型装置.应用实例是使用于潜艇某装置的填料压紧.     

基于改进CNN的红外目标识别方法研究

自动目标识别是红外成像精确制导武器系统的关键技术,针对传统红外目标识别算法在复杂环境作战中存在目标特征建模复杂、识别率低等问题,提出一种基于改进的卷积神经网络(Convolutional Neural Network,CNN)方法。结合红外目标特性,调整ZFNet的卷积层和池化层数量,加入空间变换网络以提高对数据变换的鲁棒性;对Dropout层的丢弃率变化进行可视化分析并确定选取原则,以提高红外目标的识别率。通过试验结果与传统方法相比,该方法具有较高的识别率,能够为红外成像导引头目标识别算法设计提供参考。