图样的知识目标分类与例证性分析

根据教育目标分类学的观点分解课程教学目标，再分别对分解的目标进行例证性分析，能更客观地验证教育目标的实效性和教育过程的可行性。本文通过对图样的知识目标分类与例证性分析，为工程图学教育目标检测做一尝试。     

基于特征的锻件分类及特征有限元法

综合分析锻件后引入特征技术并归纳锻件的形状及变形特点 ,提出了锻件特征概念并给出锻件形状特征的一般定义和构成 ;采用面向对象技术表示特征 ,提出了锻件特征类的概念模式和具体的参数化数据模型 ;针对有限元分析中复杂多变的约束条件和载荷状况两个关键性因素的表达 ,提出特征类的关联思想。在基于特征的锻件分类基础上 ,把锻件变形归纳为“挤”或“压”两种特征元 ,提出了采用基于特征的有限元法 ,并综合自适应FEM、并行FEM、智能型FEM共同求解大型复杂锻件的变形模拟问题。     

HINet： 一种面向冰雹识别的多源数据融合网络

冰雹天气具有突发性和局地性强,以及破坏力大的特点。尽管地面自动站、雷达和卫星等获取的观测资料在冰雹识别中发挥了一定的作用,但单一观测资料的局限性导致冰雹识别虚警率较高和准确率较低。因此,亟需构建基于多源高分辨率观测的冰雹识别技术。本文提出了一种面向冰雹识别的多源数据融合网络,该深度学习方法利用时空特征提取模块、多源数据特征融合模块和UCUNet（U Connection Unet,U形连接卷积神经网络）识别模块,充分挖掘冰雹发生时FY4B（风云四号B星）、天气雷达和数值模式等多源数据的时空特征,并创新地加入地形高度、坡度、坡向等作为冰雹识别因子。为评估所提网络方法的性能,本文进行了系列实验,并将实验结果与真实标签数据进行对比。结果显示,HINet（Hail Identification Net,冰雹识别网络）能够充分利用多源数据,在复杂地形条件下有效改善冰雹识别结果,在冰雹研究和识别中具有较高的准确性和实用性。     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩,但由于该类方法只能以矩形框给出目标的概略位置,检测结果具有很大的背景冗余区域,特别是港口密集停泊的舰船在图像中会出现区域重叠,导致误检和漏检。针对以上问题,提出了一种具有旋转不变性的舰船目标精细化检测方法,该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点,借鉴MobileNet架构对网络加速,通过学习密集区域目标的几何形变,有效预测目标的旋转角度,最终以旋转的矩形框给出目标的位置。实验结果表明,该算法可实现多类舰船目标类型区分和目标朝向判定的功能,有效地解决了实际应用中的目标精确定位定向难题,提高了自动目标识别的精确性,并满足工程应用的实时性要求。     

月球南极着陆区关键特性分析

与月球中低纬度着陆区不同,月球南极地区地形地貌条件较为恶劣,太阳高度角低,对地可见与不可见周期较长,这些关键特性都对南极着陆探测任务提出了挑战。文章结合国内外已开展的研究工作,对南极地区的光照条件、对地可见、地形地貌等方面进行了分析和总结,得到了上述关键特性的规律。南极地区不存在永久光照区,但存在一些几百米尺度的4~9个月的准连续光照区,着陆器的光照条件与着陆器高度密切关联;南极地区光照条件和对地可见受地形影响较大;在50m基线情况下,备选着陆区域平均坡度比较平缓(0°~5°);着陆器尺度5m基线情况下,不同备选着陆区域平均坡度相差较大,最大平均坡度可以达到25°。根据上述分析,对我国开展月球南极探测的任务规划和探测器系统设计提出了建议,主要包括着陆区的选择及探测器主要功能组成等。     

基于多模特征融合的雷达干扰信号识别

传统制导雷达面临的新型有源干扰样式越来越复杂,雷达必须对各种干扰类型加以鉴别。传统的干扰识别方法仅对特定单一样式有效,通用性较差、泛化能力较弱,无法应对复杂多变的干扰对抗环境。因此,必须提出智能化更高、稳健性更强的普适干扰识别方法,提升制导武器抗干扰能力。为了提高干扰信号识别的准确率,研究了多模特征融合算法,并最终对时域、时频域、信息论特征进行融合以实现分类。首次将信息论中熵、相对熵、相对距离等概念引入到干扰信号分类这个应用场景中,通过仿真实验表明,能够有效对常见干扰进行有效识别,在较低干噪比下也有较好的识别准确率。     

软着陆验证试验中月面特性模拟方法

月面特性的模拟是月面软着陆验证试验的重要设计因素。文章结合探测器的设计状态和试验需求,论述了月面特性模拟的具体要求;基于月面地形统计分布规律,实现了月面原始形貌的模拟;通过高程剔除设计和模块化组合设计,实现了对多种典型月貌的快速模拟;最后通过月表反射特性的模拟,全面满足了试验要求,并取得了良好的试验效果。文中所述的模拟方法可为我国后续行星表面探测器及着陆技术的验证提供借鉴。     

基于支持向量机的组合分类方法及应用

为了解决采用神经网络、决策树作为弱分类器的AdaBoost组合分类存在的不足,进一步改善组合分类效果,提出采用支持向量机(SVM)作为弱分类器的一种新的组合分类诊断方法——AdaBoost-SVM。该方法没有采用一个固定的SVM的核参数,而是自适应调整SVM中的核参数,从而得到一组有效的SVM弱分类器。通过对基准数据库的测试及航空发动机故障样本的诊断,结果表明,所提AdaBoost-SVM方法较好地解决了现有的Ada-Boost组合分类方法中存在的弱分类器本身参数选取困难问题及训练轮数的合理选取问题,并具有更好的泛化性能,更适合对分散程度较大、聚类性较差的航空发动机故障样本进行分类。     

海天混杂闪烁背景下运动点目标检测新方法

针对海天混杂闪烁背景及单像素运动点目标的特征,设计了海天相连区域快速定位及基于模式分类的环域全向差分扩展中-均值滤波的预处理算法,二次进行全向差分均值滤波后,利用基于直方图的自适应阈值分割得到初步侯选目标点.形态学滤波保留有效的单像素侯选点,最后进行帧间侯选目标点之间的相关性分析和目标短时丢失的直接再搜索.仿真实验采用两个实拍场景中加入单像素仿真目标生成的220帧图像,结果为:信噪比≥0.5时单帧检测率为91%,3帧以上的连续检测中检测率达到95%;对照组22帧不含仿真点目标,3帧以上的连续检测虚警数为0.      

增强型近地警告系统虚假地形警告原因分析

以空客A320飞机为例,针对增强型近地警告系统出现的虚假地形警告,引入几何高度对解决虚假地形警告的原因进行了分析。