数控拉线机控制系统的软件可靠性设计技术

为提高拉线工艺的可靠性,对控制系统的软件可靠性设计技术进行研究。分析数控拉线机的膛线自动加工过程,分别从中断的自动恢复技术、工艺参数与膛线方程绑定校验、刀具基准调整互锁保护技术、工艺循环完整性保证等方面进行设计。从系统调试及实际加工过程的长时间验证结果来看,整个工艺过程的数字化能得到很好的保证。     

Semiconductor Yield Analysis and Multi-Chip Package(MCP) Dic Pairing Optimization using Machine Learning

<正>~~     

红外成像设备内场测试系统设计

针对红外场景生成技术发展现状,采用红外场景生成器模拟产生真实红外图像的技术,设计了对红外成像设备进行性能指标验证的内场测试系统,分析了系统组成及工作原理,采用MultiGen Creator作为建模工具设计虚拟环境模拟单元并给出工作流程,通过对红外场景生成器技术水平和应用情况分析,确定了DMD数字微反射镜阵列体制的红外场景生成器。     

主动式光学三维成像技术

主动式光学三维成像技术具有非接触、快速、精确等特点,其主要成像方法可分为三角形测量法(包括结构光法和相位莫尔法)、基于被动式的主动式成像法和飞行时间测量法三种。分别介绍了这些方法的基本原理和特点,并在最后进行了总结和展望。     

基于生物视觉的地面目标识别与跟踪锁定

图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在。由于获得图像的角度和位置的不同,同一目标在不同图像中会有较大的变形,如何正确地识别出该目标是至今未能很好解决的问题。相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠地识别出目标,并能完成对该目标的跟踪锁定。因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性。     

局部子空间自适应核函数网络

针对目前单一整体核函数网络相对于原始空间特征局部分布缺乏自适应性以及网络规模巨大的不足,本文提出局部子空间自适应核函数网络解决思路。首先将原始空间的高维特征分成一系列低维子空间;然后针对不同子空间构造不同的核函数和核参数局部网络;最后综合所有子空间形成综合核函数网络。同时利用支持向量分布几何意义,选择边界向量代替原始训练样本,大大减少网络的复杂度。由于不同输入子空间构造的核函数以及网络规模相对于样本分布具有一定的自适应性,所以该方法相对于经典全局核函数网络可以得到更好的综合性能。对比实验结果表明本文提出的方法能够改进高维模式识别的性能,是一种值得实际应用推广的方法。     

两轴稳定转台轴垂直度检测方法

通过对两轴稳定转台的误差分析,给出了影响轴系误差的主要因素,介绍了检测各轴垂直度误差的方法,重点提出了用自准直仪和三坐标测量机两种方法检测俯仰轴对方位轴垂直度误差的检测方法。实际应用表明,两种检测方法简单易用,就系统误差而言,两种检测结果基本一致,但用三坐标测量机检测时随机误差较大,为两轴稳定转台设计和装调提供参考。     

云计算环境下虚拟机在线迁移优化

在线迁移在云计算平台下已广泛使用,虚拟机内存迁移主要采用的是预拷贝算法.传统预拷贝算法在迭代过程中会将脏页反复重传导致迁移时间较长,针对这一问题文章提出了在拷贝过程中增加脏页预测算法和内存压缩算法相结合的方法.脏页预测算法是采用统计方法,依据内存页历史操作情况对改动频繁的内存页进行标记,根据标记决定是否在最后一轮内存迁移中传输,为了减少迁移传输量,先通过内存压缩算法将其压缩,然后再传输.实验结果表明,改进后的方法有效地降低了停机时间和迁移时间,提高了迁移效率,达到了更快迁移的目的.     

基于结构支持向量机的目标检测跟踪同步算法

目标检测跟踪同步算法通过对视频帧的目标实时检测来达到跟踪的目的,该算法主要是为了维持一个能够在线训练的分类器,把从背景采样的样本作为负样本,从目标区域采样的样本作为正样本,然后通过分类器把二者区分开,以达到跟踪效果。然而当目标产生形变以及目标区域发生遮挡的时候,如何对样本采样和精确标记成为跟踪成败的关键。在结构支持向量机的框架下,提出一种基于结构支持向量机的目标检测跟踪同步算法。由于结构支持向量机的输出可以是复杂的数据结构,因此采用结构支持向量机,把目标位置估计作为结构支持向量机的输出,避免了对样本标记精确估计的需要,克服了当目标发生遮挡和大范围变形时导致的跟踪失败。仿真实验表明,该算法有良好稳定的跟踪效果。     

基于形态学变权神经网络的数据精炼

本文研究了模式样本的选取操作要领和典型样本数据的精炼方法.为改善神经网络普遍存在着误差精度与收敛速率对初始权值颇为敏感甚至过于依赖的缺陷,采用感受野的Gabor函数模型来优化网络权值的初始量.这不仅能为学习过程提供一个良好的开端,重要的是将赋予网络模型以具备可塑性优化的基础和适应环境变化的潜力.算法运用主成份数学分析法对结构元分量的贡献率进行了统计度量与计算,以提取出对滤波运算最具影响力的主要分量,从而可显著降低数据处理量,使运行速度和学习效率更高.