FBN和JF402在泡沫洗消剂中的展开作用及其对泡沫性能的影响

研究了FBN、JF402 2种碳氟表面活性剂与发泡剂配伍后形成的水溶液在油面上的铺展及泡沫性能（发泡力和稳定性）。结果表明FBN、JF402的加入可提高体系的铺展能力。FBN的铺展性能好于JF402,但JF402泡沫性能好于FBN。     

二元论下行为概念的分层建构

行为在犯罪论体系中具有重要地位,行为概念本身也具有限定、统一和结合的机能。存在论立场得出的概念难以涵纳过失行为和不作为行为,而以价值论为立场得出的概念虽然具有更强的解释力,但缺乏对象性的客体事实,难以实现刑法的保障机能。以存在论和价值论的哲学联系为出发点,以可控制条件说为内核,从事实层面到价值层面建构不同外延的行为概念更有利于发挥行为概念的各种机能,也有利于维护刑法的基本原则,适应理论和实践的需要。     

无监督特征学习的人体活动识别

针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。     

GPS接收机模糊搜索粗时定位方法

由于难以获得免时定位算法所需的接收机概略位置,提出模糊搜索的粗时定位方法。为减小搜索空间,在位同步后优选几何精度因子值较好的4颗卫星通过遍历伪距模糊的方式进行位置估计,并基于伪距残余均方根最小准则选出最合理的位置估算结果。根据概略位置恢复所有卫星的完整伪距。利用5状态的免时定位算法估计接收机位置。使用11个国际卫星导航服务观测站的观测数据对算法进行验证,结果表明,在概略位置未知情况下该方法能够实现粗时定位,且定位精度与直接使用完整伪距的精时最小二乘定位精度相当。     

基于附加频移跳频的方案设计及其性能分析

为了提高跳频系统的抗预测性能,增大抗跟踪干扰能力,提出了基于附加频移的跳频通信。在给定跳频带宽内,该方案通过双序列的控制输出射频频率来提高其跳变复杂度,从而增大敌方对于跳频序列的正确建模和预测难度。基于混沌特性的分析方法,对采用L-G非连续抽头模型和Logistic-Kent级联映射构造的合成跳频序列的复杂度进行了计算,与相同模型下构造的常规跳频序列相比,基于附加频移的跳频通信均具有更大的复杂度。     

基于卫星数据链路的飞机主动维修保障系统

基于北斗卫星数据链路,采用了"空-地"两级数据处理方式进行飞行参数在线判读、主动维修保障及安全监控系统的实时处理。分析了主动维修保障及飞机实时状态监控、北斗短报文系统的基本情况,并着重介绍了系统的总体结构和优势,以及包括机载部分、地面处理系统和北斗卫星数传装置三部分的工作原理和设备构成。     

PHM在空空导弹勤务保障中的应用

简要介绍了PHM概念和国内外研究现状,参照OSA-CBM模型,提出了空空导弹PHM系统结构,并阐述了各个模块的功能作用。分析了PHM技术应用于空空导弹贮存的效益和影响可靠性的因素,确定了监测参数,根据尺寸、成本等提出传感器选型要求,构建空空导弹包装箱状态监控系统。通过市场调查,确定了可用于状态监控系统的传感器类型,对未来应用于导弹内部的传感器系统提出了期待。     

结合多视角学习与一致性表征的人脸伪造检测

现有的人脸伪造检测方法通常在已知域上表现较好,但面临过拟合的风险,在应对未知场景时无法保持良好的检测能力。为解决此问题,提出一种结合多视角学习与一致性表征的人脸伪造检测框架。为捕获更全面的伪造痕迹,将输入图像转换为两种互补视角并采用双流骨干网络进行多视角特征学习。引入一致性度量,以补丁级监督的方式明确约束不同视角输出的局部特征的相似度。为提高检测精度,采用特征分解策略进一步优化伪造特征,减少不相关因素的干扰,并以伪造特征空间的决策作为最终的预测结果。在基准数据集上进行的大量实验表明,所提出的方法优于现有的主流模型,具备良好的跨域泛化能力。     

雷达目标高分辨距离像的特征提取及识别方法

本文首先应用ＴＬＳ－ＥＳＰＲＩＴ算法提取光学区高分辨雷达目标散射中心位置信息,并提出了“基于散射中心位置的相关匹配”目标识别算法,而后,证明了该算法相关匹配系数与所选择的基底无关以及算法的稳定性问题。最后,给出了五种飞机缩比模型的实验结果。     

主元分析法和模糊积分的航空发动机气路状态监测

航空发动机是一个大系统,由于结构复杂、工作条件恶劣等因素影响,对其进行有效地健康状态监测成为航空领域长期难以解决的关键技术之一。为有效监测航空发动机健康状态,以航空发动机气路系统为例,提出一种基于主元分析和模糊积分的航空发动机状态监测方法。首先,利用主元分析法提取发动机状态样本集的主元,对样本数据进行降维,实现样本的最优压缩。其次,利用BP神经网络和Elman神经网络对发动机状态信息的特征向量进行初步状态监测。最后,利用模糊积分对采用两种神经网络的初步监测结果进行决策层融合,从而有效地实现对航空发动机气路系统的状态监测。通过某型真实航空发动机验证表明,所提出基于主元分析和模糊积分的状态监测方法,能有效提高监测的准确度,满足航空发动机状态监测的实时性要求,具有良好的工程应用价值。