神经网络架构搜索研究进展与展望

神经网络架构搜索旨在针对不同任务,自动化地搜索得到性能最优的神经网络结构,是深度学习、计算机视觉技术结合当前现实需求应运而生的一大重要科学问题。对近年来神经网络架构搜索研究进行梳理、归类和评述;阐述神经网络架构搜索的定义和意义,全方位剖析当前研究所面临的难点与挑战;以此为基础,对主流的搜索策略进行阐述和归纳;探讨研究潜在的问题及未来颇具潜力的研究方向,以期推动该领域的进一步发展。     

NICALON(SiC)纤维增强铝预制丝透射电镜样品的研制

文中研究了用离子减薄法制备NICALON(SiC)/A1预制丝的透射电镜(TEM)样品。结果表明:用离子减薄法制备含有性质非常不同的组元(如碳化硅-铝复合材料)TEM样品是一种方便、有效的方法。运用TEM初步分析了所制出的预制丝样品。     

计及技术风险的复杂系统多分辨率风险评估方法

针对技术风险难以直接度量、模型参数设定主观性较强等问题,利用技术成熟度的规范化方法评估系统组成的技术实现条件和难度;通过矩阵化的系统描述及关联关系推理,建立各分系统技术成熟度与系统过程模型动态参数之间的量化关系;采用系统过程建模仿真的间接方法,计算进度或费用超出可承受范围的不确定性,用以评估复杂系统研制的技术风险。通过多分辨率建模方法提高系统分析粒度,使该方法具有随系统演化过程对技术风险评估保持更新和分析粒度提升的能力。     

信号稀疏分解理论在轴承故障检测中的应用

将信号稀疏分解理论引入到轴承故障检测问题中,提出新的轴承故障检测方法。通过字典学习的方式可有效实现轴承正常状态振动信号稀疏表示的超完备字典。利用该字典只适用于轴承正常状态信号稀疏分解的特点,将待分析信号在该字典上展开,通过比较信号稀疏表示误差与所设定阈值的关系来判断轴承对应的状态,从而实现轴承的故障检测。实验结果表明:当误差阈值设置合理时,该方法可有效地判断出轴承是否发生故障。     

自润滑关节轴承磨损寿命模型

自润滑关节轴承寿命的计算和预测对于提高装备的运行安全性具有重大的意义。针对自润滑关节轴承磨损寿命计算和预测的需求,本文从自润滑关节轴承的磨损机理出发,依据材料摩擦磨损理论,采用组合磨损计算方法分别建立了自润滑推力关节轴承和向心关节轴承的磨损寿命模型。该模型综合考虑了影响自润滑关节轴承寿命的磨损机理、结构特点、工作特性以及零部件功能要求等因素,特别是将结构参数和功能要求显式的在模型中表示,可直接反映结构变化和功能要求对自润滑关节轴承磨损寿命的影响。计算实例和分析结果表明：相对目前使用的自润滑关节轴承经验计算公式,本文模型计算结果准确,理论依据更充分,对于特殊结构和功能的特种自润滑关节轴承适用性更好。     

均布压力下T型连接极限承载特性试验研究

针对复合材料舵翼骨架与蒙皮连接,设计了两种T型连接结构,并对其在波浪砰击载荷作用下的极限承载特性进行了试验研究。根据结构承载特点,提取典型局部试验缩比模型,给出了均布压力下T型连接试验载荷等效方法。试验比较了两种T型连接的承载特性差异,研究了跨距对T型连接初始刚度、极限破坏载荷以及极限承载弯矩的影响规律。试验结果表明:构型A存在明显的初始破坏,但极限破坏载荷大于构型B;极限承载弯矩基本不随跨距改变,可作为不同跨距、不同构型T型连接优劣衡量标准。最后,基于试验结果、载荷等效与缩比原则,提出了T型连接承载特性评价方法。     

雷达目标全极化一维距离像的瞬时测量方法

雷达目标宽带全极化测量在雷达成像、目标识别等领域有着重要应用,为此,基于正交频率分集思想,设计了一种用于宽带全极化瞬时测量的矢量信号波形;给出发射信号模型和回波信号模型,利用该波形的单个脉冲回波,可以获取测量带宽内多频点全极化数据,再经逆离散傅立叶变换后可以得到目标的全极化一维距离像;最后,用仿真数据和实测数据进行仿真实验,验证了该方法的有效性.     

聚碳硅烷／二乙烯基苯快速升温裂解制备Cf/SiC复合材料

以聚碳硅烷(PCS)/二乙烯基苯(DVB)为先驱体,采用快速升温裂解制备了3D-B Cf/SiC复合材料.结果证明:裂解升温速率的提高可以大大缩短制备周期,同时可以提高材料密度和形成较好的界面结合,从而提高材料的力学性能.制备得到的Cf/SiC材料室温弯曲强度达到556.7MPa.     

利用交互依赖活动集对C4ISR系统进行重组

一个复杂的C4ISR系统由若干子系统组成,子系统之间的交互依赖关系应该尽量少.利用活动模型构造系统的活动邻接矩阵,用图论中的路径矩阵来识别强连通子图,从而得出交互依赖活动集.具有交互依赖关系的活动尽量安排在一个子系统内部.利用这种方法来对C4ISR系统进行重组.     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。