基于模糊层次分析法的雷达导引头干扰效能评估

为评估对主动雷达导引头的干扰效能,结合导引头工作原理和功能特性,运用模糊数学理论,构建了对雷达导引头干扰效能进行评估的指标体系,建立了二级模糊评判模型,采用正态分布形式构造隶属函数,并利用指数标度的层次分析法(AHP)确定各因素的权重,使得判断矩阵的一致性指标得到改善,实现对雷达导引头的量化评估。最后选择噪声干扰为例进行模糊综合评判,实例分析结果表明该雷达导引头干扰效能模糊评判模型具有实用性,其评估结果可为干扰措施的选择提供参考。     

基于地基多传感器融合的无人机自主着陆引导方法

针对无人机自主着陆过程中卫星导航系统易被干扰的问题,提出了一种基于地基多传感器融合的无人机自主着陆引导方法。首先采用主动式激光照射的方式,获取机载反射棱镜的近红外成像,在红外图像中对无人机目标进行识别;然后通过坐标转换将识别结果映射到可见光图像中,在可见光图像中选择的感兴趣区域进行可见光目标识别,从而在降低计算量的基础上获得更加精确的无人机相对角度信息;最后利用距离测量信息和引导系统角度信息可以获得精确的无人机相对位置。无人机着陆引导试验结果表明,该方法能够提供精确的无人机位置信息,能有效适应于复杂背景下的无人机自主着陆引导。     

基于多尺度融合预测模型的航空发动机剩余寿命预测

针对大多数基于数据驱动的航空发动机剩余寿命预测方法未细分其退化过程与复杂输入数据之间的关系,无法准确识别和提取关键特征的问题。提出一种基于多尺度融合预测模型(MSF)的航空发动机剩余寿命预测方法。该方法利用静态协变量编码网络(SCCN)和变量选择网络(VSN)针对输入数据类型进行特征选择,将SCCN生成的静态协变量连接到模型的不同位置,以提升模型捕捉不同尺度时间特征的能力,并融入门控残差机制构建模型基本框架,既能提高模型的适应性也能保证信息在网络中传递的效率,采用分位数误差作为损失函数实现了多尺度的预测,有效的提高了预测的准确性。在CMAPSS涡扇发动机数据集上进行实验分析,FD002、FD004测试集的预测精度分别达到91.9%和92.4%,通过与其他深度学习方法进行对比,RMSE最优值分别提高15.54%和16.91%,Score最优值分别提高83.21%和78.78%。     

CODAD后传动装置的配置和评估优化

在全面分析了全柴并车传动装置的各种影响因素的基础上 ,建立综合评估模型 ,对评估模型指标层的各个指标分类研究 ,采用模糊数学的方法对定性指标量化 ,采用层次分析法 (AHP)确定权重 .最后 ,应用线性加权和函数法将多目标化成单一目标 ,得到综合性能评价函数 ,根据综合性能评价函数的大小确定最佳方案     

超急速爆发沸腾研究的新实验方法

在总结分析前人实验方法的优缺点基础上 ,在国内首次建成了超急速爆发实验台 ,其特点如下 :加热和测温信号互不干扰 ,温度测量频响快、精度高 ,且避免了测量滞后 ,温度测量动态响应时间小于 1μs ;采用高压电火花放电技术 ,高速照相速度快 ;采用了汽泡轮廓清晰并可以研究整个过程以及光源强度要求低的侧照方式 .照相最高放大倍数可达 10 0倍 ,研究范围为 1～ 90 0 μs .     

坦克目标威胁程度评估

以军事理论和层次分析法为基础,将一种新的归一化效用函数应用于坦克目标的威胁程序评估,为地面作战自动化指挥提出了一种辅助决策方法。     

二维约束点集Delaunay三角剖分算法研究

在已有算法基础上,提出了任意二维约束点集Delaunay三角剖分的新算法,算法仅在局部产生少量新点,并在局部对三角剖分进行修改,便可保证整体三角剖分符合Delaunay性质.     

基于深度学习及UKF的机器人SLAM

针对室内机器人定位中精度不高、稳定性差的问题,提出融合深度学习和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的机器人同时定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)。首先利用深度相机获取彩色图和深度图,再利用单发多框探测器(Single Shot MultiBox Detector,SSD)进行路标检测,获取路标坐标,最后将路标信息加入到UKF-SLAM中。实验结果表明,该方法提高了SLAM的精度,可用于室内机器人同时定位与地图构建。     

固连双相机多视图重建测量方法设计

大范围场景光学非接触式测量在工程中具有广泛的应用需求,常规基于单相机的多视图重建测量方法需要在场景中加入尺度基准,图像采集过程复杂、对图像重合度要求高。为此提出一种利用固连双目相机进行多视图重建的方法,既继承多视图重建中测量范围大的优势,同时又无须尺度基准,图像采集过程更简单易实现,数据优化过程中还额外增加了双相机固连约束条件。具体实现过程中,首先标定获取安装在固定杆上的两相机的内参数及固连关系,然后使用双相机对待测量区域采集图像并双目交会获取每一时刻的空间点云。计算相邻时刻点云所在坐标系的转换关系,通过传递将所有时刻图像对应相机位姿以及交会点云统一在指定坐标系下,由光束法平差优化相机位姿及点云坐标,由重建点云坐标即可计算待测尺寸参数及形变信息。经实验验证,在5 m范围内,其测量误差最大3 mm,均值1 mm。该方法可以满足大尺寸物体、大范围场景的测量需求且稳定可靠。