泡沫铝三明治板的研究与应用进展

泡沫铝三明治板(Aluminum foam sandwich,AFS)是基于泡沫铝材料开发的一类材料-结构一体化的先进多孔复合结构。AFS是交通运输、建筑以及航空航天等装备结构轻量化的重要材料,具有广阔的应用前景。概述了AFS的几类制备技术的基本原理和研究现状,着重分析了复合预制体制备、合金成分、AFS发泡成型工艺等关键环节中存在的理论和技术难点。介绍了AFS作为结构材料和功能材料的典型应用案例;最后总结提出了AFS材料研究和工程化技术开发的关键点与突破途径。     

双相机高速交替成像时序控制系统

在破片坐标测试系统中,现有线阵相机的拍摄帧频尚不能满足要求.针对DALSA线阵CMOS相机Piranha4,设计了基于FPGA的双相机高速交替成像时序脉冲产生电路.以Xilinx公司的FPGA芯片XC6SLX9作为控制核心,并外置了按键电路.在ISE环境下利用VerilogHDL进行代码编写,在FPGA芯片内部生成对应网表,从而产生两路频率高达200kHz的脉冲,并通过按键使脉冲的脉宽、时延可调.通过脉冲对两台线阵相机进行控制,从拍摄图像的信息可知,两台相机的工作频率都达到了200kHz并且进行了交替拍摄.并且具有在不改变硬件电路的情况下,可以对时延、脉宽参数进行修改的优点.     

全国专业标准化技术组织发展现状及思考——以驻青岛市全国专业标准化技术组织为例

标准化技术组织作为开展标准化工作的基础性组织,其运行情况直接或间接影响着本领域标准化发展。基于此,本文以驻青岛市全国专业标准化技术组织为研究对象,围绕《国家标准化发展纲要》《全国专业标准化技术委员会管理办法》等规定,分析了标准化技术组织发展现状,总结了标准化技术组织日常工作中的好经验、好做法,探讨了标准化技术组织面临的新形势和问题,提出了相关建议,以期为全国专业标准化技术组织的健康持续发展提供参考。     

基于角度不变的线阵推扫式CCD相机几何畸变在轨检校方法

对航天遥感相机进行在轨检校,是提高卫星产品质量,扩大产品应用效果的重要技术内容.文中研究了一种基于角度不变的线阵推扫式CCD相机几何畸变在轨检校方法.该方法利用相机外方元素对于相机视向量夹角角度影响比较小的原理,根据地面控制点和一级产品图像,求解相机视向量夹角,从中提取相机光学部件的畸变模型参数,从而实现相机内外方元素解耦.相机畸变模型采用一维3阶多项式,对焦距和主点等引起的低阶误差能够很好地吸收.该方法用在HJ-1A/B卫星的宽幅盖CCD相机几何畸变校正上,检校误差残留在2—6个像元,和参考数据精度相似,表明取得了很好的校正效果.     

卫星链路TCP协议的跨层设计

为了进一步提高时延大和误码高的同步通信卫星传送数据包效率,提出了一套卫星数据通信传送控制协议（TCP）的跨层设计方法。论述了TCP协议层的流量控制机制和介质访问控制（MAC）协议层的差错控制机制。通过构建的跨协议层的卫星链路网关仿真模型,实验验证了所提方法的正确性,结果表明该设计方法比以往只改进TCP层协议做法,在传输层统计吞畦量提高约三倍多。     

不确定性对象的反向最近邻查询

多数不确定性对象的反向近邻查询不能明确回答某个不确定性对象是否为查询对象的反向最近邻,针对该问题,提出概率反向最近邻查询的概念,设计不确定性对象的概率反向最近邻查询的索引结构,给出一种基于该结构的不确定性对象的反向最近邻查询算法。     

基于Delaunay图的反向最近邻查询

将查询点作为Delaunay图的一个生成点,利用Delaunay图的生成点与其邻接生成点之间的关系,在查询点的邻接生成点集(元素个数小于等于6)中计算数据集中给定点的反向最近邻。把伴随Delaunay图增量生成过程产生的Delaunay树作为查询索引结构,该结构能存储Delaunay图,在数据点插入和删除时维护Delaunay图的拓扑结构。     

OPLS在非线性偏最小二乘回归模型的应用

为了解决隐含潜变量回(implicit non-linear latent variable regression,INLR)建模方法中加入自变量的非线性项使系统中出现了与因变量y无关的信息或者噪音的问题,提出了基于正交投影(orthogonal projection to latent structures,OPLS)方法,时INLR数据进行预处理.OPLS算法能有效去除预测矩阵中与因变量y无关的信息,在不影响INLR建模效果的同时减少有意义的成分,改善了模型的解释性和真实性.模拟实验结果表明,改进后算法的建模效果优于INLR、偏最小二乘回归(partial least squares regression,PLSR)算法得到的模型.     

基于Δ-tree的递归深度优先KNN查询算法

基于Δ-tree提出一种用于高维数据的主存K最近邻(KNN)查询算法。该算法利用递归调用方法深度优先遍历Δ-tree,找到距离查询点较近的叶子节点,并选择其中较优的KNN候选点进行查询,从而缩小修剪距离、提高查询速度。实验结果表明,与已有算法相比,该算法具有更高的查询效率。