基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

基于多任务目标检测的条形码倾斜矫正算法研究

条形码识别技术在日常工作中发挥着巨大作用,尤其是在智能物流包裹分拣领域。该技术主要分为三个部分:条形码检测、矫正和译码。目前条形码检测和译码技术较为成熟,而在条形码倾斜矫正技术上研究效果一般。为提升条形码矫正效果,设计一种矫正算法。先对条形码倾斜程度进行分类,再进行角度回归,有效降低条形码矫正任务难度;并将该算法与单阶段检测器融合构成多任务目标检测算法,协同促进发挥检测和矫正的作用。实验表明:余弦距离角度损失函数更加适合角度回归任务,针对条形码倾斜程度分类有助于提升条形码矫正效果。与其他相关算法对比,该算法在矫正准确率、实际译码率和速度上均取得最优的效果。     

空中目标燃油舱引燃特性研究进展

实现对空中目标燃油舱引燃毁伤是防空反导武器系统的重要毁伤模式之一。简述了空中典型目标燃油舱结构及燃油特性,分析了燃油舱引燃需要具备的条件及影响因素。重点介绍了惰性破片、钨锆合金破片及活性破片对燃油舱的引燃机理及最新研究进展,指出了燃油舱引燃目前存在的问题,并分析了综合利用活性破片技术、速度梯度技术、水锤效应可提升目标燃油舱引燃概率。     

机场地面移动目标监测系统优化

针对机场地面移动目标位置监测系统缺乏统一有效组网方案的问题,在现有的AeroMACS通信技术的基础上,提出了一种对通信协议进行优化的方案,对原有系统中各移动节点的通信方式和上下行链路的资源分配方案做了调整。通过系统分析与NS-3软件建立场景仿真,结果表明文中提出的系统在通信时延与系统容量方面均优于原有系统,可有效改善机场地面移动目标监测系统的网络性能。     

便携式绝缘子裂缝检测仪

针对高压输电线路检修中绝缘子裂缝检测问题,设计了以Jetson TX2开发板为核心的便携式绝缘子裂缝检测仪。整个硬件平台由主控模块、裂缝采集模块、存储系统、电源模块4部分组成。该检测仪采用Single Shot MultiBox Detector(SSD)目标算法,根据绝缘子裂缝特点将原有的激活函数做出改动。经过试验测试该检测仪表现了较好的故障检测性能。     

应用膨胀算法提取目标的直接定位算法

为了解决被动雷达系统中的多发射源定位问题，提出了一种基于多重信号分类(MUSIC)算法和图像膨胀(IE)算法的直接定位方法。该方法结合了谱分析中的MUSIC思想，通过对接收量测协方差矩阵进行特征分析求解目标的位置。首先，在目标个数未知的前提下，利用Akaike信息准则(AIC)来确定模型阶数；然后，推导了基于MUSIC的定位代价函数；之后，利用图像膨胀算法处理得到的代价函数平面；最后，膨胀处理后的输出为目标个数及目标位置的估计值。提出的算法有效地解决了目标检测及提取的问题，能够确定多个目标的位置坐标，为后续的定位性能分析提供可能性，也保证了算法的完整性。进一步地分析了多个临近目标情况下影响目标提取性能的主要因素。     

基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

核环境下探测机器人机械臂的结构分析与优化

为了提高核环境下探测机器人机械臂的负载能力,通过动力学分析机械臂关节特性确定优化目标,用有限元软件ANSYS对机械臂臂体危险工况分析并设计优化参数,采用Workbench目标驱动优化分析设计优化实验,对优化结果分析并选取合适的优化参数。优化设计使机械臂两个臂体质量分别减小28.3%和29.5%,分析表明优化设计对机械臂危险工况下静力特性影响很小,符合强度和刚度要求,依据优化方案制作出机械臂样机并测试机械臂负载性能,实验表明机械臂末端负载提高10%,优化后机械臂关节力矩得到改善。     

NSGA-Ⅱ和NSGA-Ⅲ应用于换热网络多目标优化的对比

针对换热网络多目标优化问题，采用目前应用较广泛的两种多目标遗传算法，即NSGA-Ⅱ和NSGA-Ⅲ，对两种算法的性能进行对比研究。案例研究结果表明，NSGA-Ⅱ算法比NSGA-Ⅲ算法运行效率更高，NSGA-Ⅲ的运行时间是NSGA-Ⅱ的2倍以上；NSGA-Ⅱ算法的应用并不严格地受限于3个目标的最大目标数量，NSGA-Ⅱ在求解大于3个目标的多目标优化问题时也可能具有良好的性能，目标数量并非选择NSGA-Ⅱ和NSGA-Ⅲ算法的严格标准。对10×5换热网络案例进行4个相关目标改造优化时，从换热网络的单一性能指标来看，NSGA-Ⅱ算法更容易获得各目标的极值。从最小年度总费用的评价指标来看，两种算法的最优方案效果相近。对7×3换热网络案例进行6个目标的优化时，NSGA-Ⅲ算法得到各目标的极值较优。从最小年度总费用的评价指标来看，NSGA-Ⅲ算法获得的投资费用和年度总费用更小。对于目标函数数量不超过3个，或者3个以上具有一定相关性的多目标优化问题，推荐优先使用NSGA-Ⅱ算法实现快速寻优；而NSGA-Ⅲ算法由于其基于参考点的选择机制，运行效率较慢，更适合用于收敛困难的高维多目标优化问题。