急流孤岛救援系统的创新设计

提出并设计了一种新型的急流救援系统。采用"水驱动、杆定位、绳控制、船救人"的创新思路,实现快速救出急流孤岛被困人员的目的。系统分为固定模块、定位模块、控制模块和救援船模块4个部分。分别介绍充气折叠船、定位杆件和绞盘导向轮的设计和理论计算过程。制作实体模型进行救援模拟,验证系统可行性。该系统结构简单可靠,采用模块化设计,便于搬运和现场组装,并且不需要额外动力,适应性强,具有良好的实用性和推广价值。     

射流侵彻水夹层间隔靶的理论和实验研究

为得到聚能射流侵彻水夹层间隔靶规律,选取50 mm口径聚能装药对水夹层间隔靶(2 mm×4 mm钢靶板+100 mm水夹层)的侵彻过程进行了理论和实验研究。结合准定常侵彻理论和数学归纳法建立了射流侵彻水夹层间隔靶理论模型,得到了射流头部速度与侵彻距离之间的关系。为验证理论模型,用脉冲X光和计时仪获得了多个侵彻阶段的射流头部速度。通过模型分析了水夹层间隔靶结构对射流剩余头部速度的影响。结果表明:建立的理论模型正确,由其得到的射流穿过水夹层间隔靶后的剩余头部速度理论值与实验值平均误差为4.6%;当靶板厚度小于20 mm,且水夹层间隔小于150 mm时,水夹层间隔靶对射流头部速度的衰减效率较高。     

一种快速提取弹底底火表面缺陷图像方法

针对枪弹弹底图像特点,提出一种新的弹底底火表面缺陷图像分割方法。对去背景弹底灰度图像运用Log算子进行边缘检测,分析了传统边界跟踪算法在提取弹底圆轮廓应用中的不足,改进边界跟踪算法提取弹底圆轮廓,利用最小二乘法圆拟合算法获得弹底圆圆心和半径。通过弹底圆半径与底火圆半径对应关系为弹底灰度图像赋值,提取底火圆图像。利用统计阈值分割底火缺陷,利用数学形态学优化分割结果。实验结果表明,该方法能够有效提取弹底底火表面缺陷。     

基于BP神经网络的枪弹外观缺陷识别与分类

为实现枪弹外观缺陷自动检测,提出一种基于BP神经网络的枪弹外观缺陷自动识别与分类方法.首先针对枪弹外观缺陷图像特点,从形状、颜色、纹理提取类别差异明显的缺陷特征向量,作为神经网络的输入,以提高分类效果;然后通过经验和实验验证确定神经网络结构及参数,并分析传统BP算法在枪弹外观缺陷分类应用中的不足,通过优化BP算法以提高网络分类性能.实验表明:优化BP算法能够有效分类枪弹外观缺陷测试样本,识别率达到92.1％,与传统BP算法相比,提高了收敛速度,并表现出较好的准确性和鲁棒性,能够更好满足枪弹外观缺陷自动检测要求.     

军用装甲防护技术发展及应用

目的为提高军用装甲防护技术,研究军用装甲防护材料的种类、加工工艺及性能特点,梳理其发展历程。方法按照分类,分析装甲防护材料特点,并对特殊结构功能设计防护板进行介绍。介绍应用较为广泛的金属材料(装甲钢、铝合金及钛合金)的性能特点、加工工艺及存在问题,研究陶瓷材料与复合材料的特点及现状。对2种特殊功能结构设计的复合板进行阐述。结论随着武器系统毁伤能力的不断提高,使得装甲防护材料改良及结构设计优化显得尤为重要,装甲防护材料必将向轻量化、复合化、系列化及综合化方向发展。     

基于机器视觉的枪弹外观缺陷检测系统研究

为了实现枪弹外观缺陷自动检测,研究了基于机器视觉技术的枪弹外观缺陷检测系统.首先针对枪弹外观缺陷图像特点,分析了采用灰度阈值及单一颜色模型分割缺陷的局限性,提出基于混合颜色模型的缺陷图像分割方法,实现了枪弹外观缺陷快速、准确分割;然后通过分析枪弹外观缺陷特点,分别从形状、颜色和纹理共选取了12个类别差异明显的特征参数,提取了枪弹外观缺陷特征;最后选择BP神经网络作为缺陷分类器,根据经验和实验确定了神经网络结构及参数,并分析了传统BP算法在枪弹外观缺陷分类应用中的不足,通过改变收敛标准、自适应调整步长和引入动量项以优化BP算法,改善了神经网络分类效果.实验表明,枪弹外观缺陷检测系统能够实现缺陷自动分割、识别与分类,正确识别率达91.7％,表现出较好的准确性和鲁棒性.     

多层反应塔衬钛层裂纹成因分析

采用金相分析、扫描电镜、X射线衍射及氢含量分析等方法，对多层反应塔衬钛层的裂纹成因进行了分析，由于钛板吸氢形成氢化钛导致材料性能劣化，对此提出了处理意见和监控措施。     

弹底底火表面缺陷图像分割方法

枪弹弹底底火检测是枪弹质量控制的核心,为了有效分割弹底底火表面缺陷图像,提出一种新的分割方法。该方法针对弹底检测要求及弹底图像基本特征,首先大致确定待检测的底火部分图像,对其运用Log算子进行边缘检测确定底火圆边缘;然后分析了Hough变换和最小二乘法圆拟合的圆检测算法的各自优缺点,提出了改进Hough变换和最小二乘法圆拟合相结合的圆检测算法,以获得较精确的底火圆圆心和半径;最后利用底火圆圆心和半径提取底火圆图像,利用统计阈值分割底火表面缺陷,利用数学形态学优化分割结果。通过实验表明,运用此方法分割弹底底火表面缺陷,平均误分割率低于10%,平均偏差小于17个像素,表现出较好的准确性和鲁棒性。     

基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明：该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。     

一种快速提取弹底底火部分图像方法

枪弹弹底底火部分检测是枪弹质量控制的核心,为了快速准确地分割枪弹弹底底火部分图像,提出一种新的分割方法。该方法针对弹底检测要求及弹底图像为同心圆环的基本特征,首先对弹底图像运用Canny算子边缘检测到的二值图像进行区域填充,再进行边缘检测得弹底边缘轮廓,然后利用直径过圆心原理确定弹底圆心,利用底火圆对应的半径对弹底灰度图像赋值提取底火部分图像。实验表明,此方法能够快速准确地提取弹底底火部分图像。