LEA-6T在小型无人机质子磁力仪中的应用

研究的目的是将LEA-6T应用在UAVPM系统中,探讨不同速度对偏航距和定位精度(均方差)的影响。简要介绍了UAVPM系统结构,在此基础上详尽围绕I2 C硬件接口,数据提取,坐标转换等方面阐述LEA-6T与UAVPM系统集成。结合小型无人直升机做飞行实验,实验数据证明集成了LEA-6T的UAVPM做航磁磁测时,飞行速度保持在30km/h以内,满足预期偏航距不大于150m,定位精度(均方差)不大于10m的要求。     

2SD315A在微弧氧化电源中的应用

微弧氧化是镁合金表面处理的一种新方法，微孤氧化电源是这种方法的决定性因素之一，功率模块IGBT的触发是电源的核心。传统的触发模块有EXB841，M57959L,由于两者适用范围和电性能的要求使其不适合触发大功率IGBT，所以选用了大功率触发模块2SD315A。介绍了在镁合金表面进行微孤氧化的电源的原理,以及2SD315A在电源中的应用。     

铸铁锅的氮碳共渗

为提高耐磨性能和使用寿命,HT200灰口铸铁锅需进行气体氮碳共渗。技术要求为:经盐雾试验6 h后,铁锅表面颜色异常点少于10个,锈点少于5个。经过3次试验,得出了能使铸铁锅达到技术要求的气体氮碳共渗工艺为:采用NH_3+CO_2作渗剂,二段氮碳共渗,第1段510℃×1 h,分解率25%,第2段560℃×3 h,分解率50%～55%。     

ZL201曲面薄壁件挤压铸造工艺及模具设计

根据厂家提出的要求、结合帽盖零件产品结构特点和加工难度,确定了用ZL201合金挤压铸造成形工艺制坯,替代LY12合金棒料生产曲面薄壁帽盖零件,设计并制造了两套帽盖零件毛坯挤压铸造模具.两套模具的区别主要在凹模部分,其中一套属于间接加压,凹模带有溢料槽,另一套属于直接加压,凹模为组合式.     

偏压类型对磁过滤等离子体制备优质类金刚石膜的影响

采用自行研制的磁过滤等离子体装置在单晶Si基底上制备了优质类金刚石(DLC)薄膜.运用红外光谱(IR)、扫描电镜(SEM),原子力显微镜(AFM)和纳米压痕仪对样品进行了表征和分析,着重研究了衬底偏压类型对制备薄膜的影响.结果表明:在无偏压或周期性负偏压下制备的DLC薄膜的sp3含量比连续负偏压下制备的薄膜的sp3含量要高;同时在周期性偏压下制备的薄膜表面较光滑,其表面粗糙度仅为0.1 nm,sp3含量达到66.8%,相应的纳米硬度也较高(达到80GPa).同时对相应的成膜机理进行了讨论.     

基于keil C51实现对变极性等离子焊控制系统编程

Keil C51是一种结构化的语言，具有灵活，高效等优点，利用C51对变极性等离子焊控制系统编程表明，同汇编编程相比，整个程序可读性和结构化较好，算法的实现也较汇编语言简单，可完全满足变极性等离子弧焊设备对电流频率，正负半波导通比等参数的调节和控制的要求。     

EBY1-60×134型电子束焊机控制系统的设计

介绍了EBY1-60×134型法兰环缝局部真空电子束焊机的基本组成及作用,对该焊机的控制系统的组成和工作原理进行了分析,提出以工控机作为上位机控制核心,可编程控制器作为下位机控制核心的控制系统主要组成,设计了上位机工控机的控制软件,下位机PLC的控制软件,实现对法兰环缝局部真空电子束焊机的真空系统控制、焊接过程控制和焊接工艺过程的数据管理,应用该设备已成功地焊接了某大型航天飞行器典型结构件上的法兰环缝。设备运行表明:焊机的控制系统硬、软件设计合理,功能完善,工作可靠,满足了法兰环缝局部真空电子束焊接的需要。     

自动变速器电磁阀占空比及油压采集系统设计

采集自动变速器多路PWM(脉宽调制)电磁阀占空比及油压对分析自动变速器的控制逻辑和策略具有重要意义,以美国阿里森HD4070PR自动变速器为试验平台,设计了自动变速器多路PWM电磁阀占空比和油压的采集系统,系统采用美国NI公司的PCI-6602和PCI-6025E数据采集卡分别采集多路电磁阀占空比及油压,上位机采用工控机,同时设计了信号调理电路,用LabVIEW语言作为开发具。该系统是研究和开发自动变速器的有力工具。     

基于LonWorks技术的智能节点设计

LonWorks智能节点是LonWorks现场总线的一个非常重要的组成部分,本文介绍了一种Host—Based结构的LonWorks智能节点的设计方法。并采用Motorola公司生产的MC143150神经元芯片,主要负责Lon网络通信;采用DSP芯片TMS320F240作为主处理器,它能够大大提高LonWorks节点的数据处理和控制的能力。     

基于预测对抗网络的图像二分类模型

正未标记学习仅使用无标签样本和正样本训练一个二分类器, 而生成式对抗网络(generative adversarial networks, GAN)中通过对抗性训练得到一个图像生成器. 为将GAN的对抗训练方法迁移到正未标记学习中以提升正未标记学习的效果, 可将GAN中的生成器替换为分类器C, 在无标签数据集中挑选样本以欺骗判别器D, 对C与D进行迭代优化. 本文提出基于以Jensen-Shannon散度(JS散度)为目标函数的JS-PAN模型. 最后, 结合数据分布特点及现状需求, 说明了PAN模型在医疗诊断图像二分类应用的合理性及高性能. 在MNIST, CIFAR-10数据集上的实验结果显示: KL-PAN模型与同类正未标记学习模型对比有更高的精确度(ACC)及F1-score; 对称化改进后, JS-PAN模型在两个指标上均有所提升, 因此JS-PAN模型的提出更具有合理性. 在Med-MNIST的3个子图像数据集上的实验显示: KL-PAN模型与4个benchmark有监督模型有几乎相同的ACC, JS-PAN也有更高表现. 因此, 综合PAN模型的出色分类效果及医疗诊断数据的分布特征, PAN作为半监督学习方法可获得更快、更好的效果, 在医学图像的二分类的任务上具有更高的性能.