超精密加工在线检测与误差补偿的理论与方法

超精密加工技术是高新技术、现代机械、电子产业以及国防工业的重要支柱,已成为技术发达国家重要的竞争目标。我系自１９８２年以来开展超精密加工技术的研究已有十多个年头了,取得了重要进展和重大突破。本文就所进行的研究工作,综合介绍了超精密加工中的若干理论与方法,包括形状误差在线检测的误差分离、误差补偿控制、微进给机构的非线性建模、微位移检测等内容,最后介绍了我系所取得的主要成果。     

单相电路的一种谐波和无功电流实时检测方法

提出了一种新的单相电路的谐波和无功电流实时检测方法。它利用三角函数的有关特性 ,对畸变电流中的基波有功和无功电流分量的振幅分别进行计算 ,然后通过低通滤波器把它们分离出来 ,最后得到基波有功和无功电流分量。该方法电路结构简单、动态响应速度快、检测精度高 ;既可得到单独检测出畸变电流中的任何电流分量 ,又能得出谐波和无功电流之和。仿真和实验研究证实了方法的有效性和可行性。     

多载波码分多址在低密度二分图上的建模与分析

多载波码分多址是移动通信重要的多址技术之一,传统方法将扩频序列的构造和多用户检测单独考虑,未能做到发射机和接收机的一体化设计。受到低密度奇偶校验码的启发,基于图论建立多载波码分多址收发机模型,采用二分图定义码片和数据符号间的扩频关系。在此基础上,利用适合低密度二分图的消息传递算法完成多用户迭代检测,推导并分析洪水消息传递和串行消息传递两种检测机制。仿真结果表明,当传统的多载波码分多址系统陷入严重过载而不能正常通信的情况下,基于低密度二分图的多载波码分多址系统依然能够达到理想的传输性能,为下一代移动通信系统的设计提供了有益的参考。     

超精密加工机床及其新技术发展

介绍了超精密加工技术、应用背景、发展动向以及超精密加工关键技术的一些最新成果。从超精密加工技术推广应用的角度阐述了其精度目标、模块化、廉价化发展趋势 ,同时就如何发展超精密加工技术全面介绍了目前机床模块化部件、传动系统、检测环节、数控系统和环境控制等领域的最新研究水平和成果。     

基于超分辨率超声图像的缺陷量化方法

以相位相干多信号分类(phase-coherent multiple signal classification, PC-MUSIC)方法为例,研究基于超分辨率超声图像的缺陷量化方法。利用全矩阵采集方法从被测对象获取超声阵列数据,对数据进行时域预处理,提取缺陷散射信号;利用PC-MUSIC方法处理缺陷散射信号,获取超分辨率超声图像;分析超声图像特征,提取横向强度曲线,定义-6 dB主瓣宽度作为缺陷的评估长度。搭建实验系统,选择铝试块作为被测对象,在其内部加工1个长度为10 mm的刻槽作为缺陷。实验结果表明,在信号子空间维度选择合适的情况下,PC-MUSIC方法能够准确评估缺陷长度,误差在10%以内。     

天线阵载波相位双差的欺骗干扰检测技术

针对采用单一发射天线的导航信号欺骗干扰,研究了基于天线阵载波相位双差的欺骗干扰检测技术,采用代数方法证明了三元非线阵是进行导航信号到达角无模糊解算的最少阵元数和阵型要求,并以相应阵型为基础,提出了基于天线阵载波相位双差的欺骗干扰检测量构造方法,给出了检测性能的分析方法,定义了用于限制检测性能下降的最小检测门限。采用蒙特卡洛方法对所提检测方法的检测性能进行了仿真,结果验证了理论分析的正确性。     

随机共振原理在强噪声背景信号检测中的应用

动态系统中的噪声常被认为是令人讨厌的东西 ,但在特定的非线性系统中 ,噪声的存在事实上能够增强微弱信号的检测能力 ,这种现象就是随机共振 (SR ,stochasticresonance) ,它在物理、工业技术和生物医学领域里具有广泛的应用潜力。给出了利用随机共振原理检测微弱周期信号的基本方法 ,并采用模拟的信号对该方法进行了分析与验证。结果表明 ,该方法简单、稳健、可靠 ,能把信噪比较低的周期信号从强背景噪声中可靠地提取出来 ,将在机械故障诊断领域展示诱人的前景     

数字式相位差测量方法及精度分析

相位差变化率是最近提出的用于快速无源定位的观测量。该文研究相位差的高精度测量方法 ,提出了一种正交双通道数字式的相位差测量方法。通过对信号频谱的分析 ,计算了测量系统输出的信噪比 ,从而得出了相位差测量的理论精度 ,随后进行仿真分析验证了理论精度。理论分析和仿真实验证明 ,论文提出的方法可以实现高精度的相位差测量     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测