工业机器人在自动化生产线上的改造应用

<正>自动化生产技术在生产线已经投入许久,可以保证产品连续可靠的生产与加工。其产线上设备有气缸、电磁阀、伺服电动机、传感器等基本零部件。随着产品生产工艺与技术的不断提高,工业机器人目前正大量投入使用到电气自动化设备生产线上。具有安全性高、可靠性好、高准确度、与其他设备通信便捷以及能在复杂、恶劣环境下持久耐用等优点。     

人工智能技术在卫星任务管控领域的应用

近些年来伴随着科学技术水平的不断提高,人工智能技术被广泛应用到航天领域,可有效提升系统的智能化、自动化和信息化水平。重点围绕人工智能技术在卫星运控系统中的应用,针对大规模星地资源统筹和复杂任务规划等技术难点,提出构建卫星智能化任务规划系统和星地协同系统,通过深度感知用户的任务需求偏好,精准规划卫星遥感任务,充分发挥星地协同效能,完成任务管控领域的智能管理、智能规划、智能调度和智能运行,实现卫星运控系统的高效、可靠、稳定运行,为卫星效益的良好发挥提供最佳支撑。     

平面阵列波导光栅波导模式参量的分析

用周期波导的方法分析平面阵列波导光栅(AWG)的本征方程及波导模式参数,结果表明波导传播常数是带状分布的,与波导间隔有关。分析结果对器件的优化设计有一定的指导意义。     

一种VDSL上行链路自适应功率回馈方案

上行链路功率回馈技术(UPBO：upstream power back-off)是VDSL(very high-speed digital subscriber lines)系统中的关键技术，它用于抵消同一电缆中短线对长线引起的严重的远端串扰(FEXT:far-end crosstalk)。文中从功率控制的角度分析了基于迭代注水的自适应UPBO方案，并进行了性能仿真分析。     

基于NSA多尺度模型的人脸识别

提出了NSA多尺度模型.该模型摒弃了LSA模型中不同尺度的图像间具有线性映射关系的假设.首先利用神经网络建立不同尺度图像间的映射关系;其次使用反向传播算法训练神经网络确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像.利用对比度相似性量化估计图像与目标图像间的相似程度.将该模型用于人脸识别,提出利用梯度算子进行图像分割提高识别的准确性.实验结果表明,以该模型分析得到的对比度相似性为95.3634%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性.     

温度对L波段EDFA增益斜率影响的实验研究

实用的L波段EDFA(掺铒光纤放大器)常采用多段铒纤和多泵浦的复杂结构。对一种复杂结构的L波段EDFA的温度特性进行了实验研究,发现在不同的输入光功率下,L波段短波侧(约1 570～1 582nm)的增益谱可按相反的方式随温度而变化,并从理论上解释了此现象。实验结果表明,铒纤的温度和增益斜率之间仍然存在很好的线性关系。控制铒纤温度就可以调整L波段EDFA的增益斜率,获得平坦的增益。     

高功率光纤熔融器件设计综述

近年来,高功率光纤激光发展迅猛,基于光纤熔融器件的全光纤激光系统可以更好地发挥出光纤激光所固有的体积小、质量轻、稳定性和可靠性高等优势。高功率条件下,器件局部发热可能给器件带来灾难性的故障。决定器件高功率承受能力的不是传输功率,而是器件处理光功率损耗的能力。本文详细分析了单模器件和多模器件中的损耗产生机制,指出了低损耗设计的实现方法。减小器件封装的热阻也可以提高器件的功率耐受能力,文中对封装的设计给出了实用的建议。     

再入干涉式光纤角速率传感器的研究

对一种新型再入干涉式光纤角速率传感器进行了特性分析 ,推导了灵敏度和极限分辨率的理论公式 ,通过数值方法 ,确定了光路耦合器的最优耦合比。根据优化设计 ,采用 2 0 m长度的保偏光纤 ,建立了实验装置 ,并对其标度因数和零偏稳定性进行了初步测试。转台测试结果表明 ,其随机漂移优于 6deg/h。     

基于掩膜投影和双参数CFAR的圆周扫描GBSAR三维点云提取方法

圆周扫描地基合成孔径雷达（Ground based Synthetic Aperture Radar, GBSAR）通过在竖直面做圆周旋转扫描,具备三维成像的重要优势。但是其圆周观测几何会产生强旁瓣,造成目标点云提取困难。目前未见圆周扫描GBSAR三维点云提取方法的相关研究,经典的双参数恒虚警率（Constant False Alarm Rate,CFAR）算法虽然能够提取三维点云,但需要对三维像不同高度逐层进行检测,由于强旁瓣的影响,无法准确提取三维点云。针对上述问题,本文提出基于掩膜投影和双参数CFAR的圆周扫描GBSAR三维点云提取方法,该方法利用掩膜投影和两次双参数CFAR实现强旁瓣影响下的点云精确提取。该方法首先对SAR三维图像应用最大值投影获取三视图,然后对三视图进行第一次双参数CFAR获取三视图掩膜;然后利用三视图掩膜投影,通过SAR三维像取交集去掉空间位置旁瓣,得到潜在目标区域数据;最后对潜在目标区域的数据应用第二次双参数CFAR实现点云提取。该方法利用实际数据进行实验,结果表明,所提方法与经典的双参数CFAR逐层检测算法相比,可更准确地提取出三维SAR图像目标点云。     

一种基于Night-YOLOX的低照度目标检测方法

由于在低照度场景下获取的图像具有亮度弱、对比度低、噪声多和细节丢失等特点,使用现有的检测模型对低照度图像进行目标检测会出现定位不准确和分类错误,从而导致最终的检测精度偏低.针对以上现象,本文提出了一种基于Night-YOLOX的低照度目标检测方法 .该方法首先设计了一个低级特征聚集模块（Low-level Feature Gathering Module,LFGM）与主干网络合并.在低照度场景下捕获更多有效的低级特征有利于定位目标,该模块通过聚集浅层特征图中具有判别性的低级特征并送入高级特征图和深层卷积阶段中,以补偿在对低照度图像进行特征提取过程中边缘、轮廓和纹理等低级特征的缺失.然后,设计了一种注意力引导块（Attention Guidance Block,AGB）嵌入检测模型的颈部结构,从而减少低照度图像中噪声干扰的影响,引导检测模型推断出特征图中完整的对象区域范围并提取更多有用的对象特征信息,以提高目标分类的准确性.最后,在真实低照度图像数据集ExDark上进行实验,结果表明所提出的Night-YOLOX相比于其它主流的目标检测方法,在低照度场景下具有更好的检测性能.