约束空间近似正交的空间填充试验设计方法

试验设计空间存在约束是一种广泛存在的实际工程问题, 针对现有的约束空间试验设计方法存在生成设计点数不灵活, 算法优化时间长、效率低, 适用约束类型有限, 设计准则单一等问题, 提出一种约束空间近似正交的空间填充试验设计方法。基于设计点之间的距离和相关系数值构造试验设计准则, 通过改进的随机坐标交换算法进行方案求解。所提算法适合凸约束、非凸约束、解析约束、非解析约束等多种类型的约束, 而且适用于多维度的不规则试验设计空间。示例分析表明, 与现有方法相比, 所提算法具有优良的空间填充特性和较好的正交性。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次，利用张量填充技术对无噪协方差矩阵进行恢复。然后，利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

一类Hamilton矩阵逆的填充

本文利用矩阵秩理论和矩阵可逆的条件,研究了一类Hamilton矩阵逆的填充问题.充分利用Hamilton矩阵的结构特点,证明其有解的充分必要条件,并得到解的表示.进一步将结论推广到反Hamilton矩阵上,得到相应的结果.最后用实例对结论加以验证.     

h-BN与Al2O3复配填充共聚甲醛导热材料的制备及性能

选用六方氮化硼(h-BN)和α球形Al_2O_3为导热填料,分别以单一填料和复配填料制备填充共聚甲醛(Co-POM)导热材料,研究了填料含量、复配比例等因素对Co-POM材料的导热系数、拉伸性能和微观形态的影响。结果表明:两种填料都能提高Co-POM材料的导热系数,填充量越大,导热系数越高,但h-BN比Al_2O_3导热改性效果更好。当h-BN和Al_2O_3复配填充质量比为1∶1(填充总量的质量分数为20%)时,Co-POM导热系数超过Al_2O_3质量分数为30%的单一填料的导热系数,并接近h-BN质量分数为20%的单一填料的导热系数,而复配填充Co-POM的力学性能变化不大。因此,复配填料能达到降低填充量以及降低填料成本的目的。     

机翼前缘局部填充泡沫铝抗鸟撞特性

在保证飞机机翼前缘质量特性的前提下,通过一种泡沫铝局部填充机翼前缘的优化结构来提高机翼前缘的抗鸟撞性能。通过LS-DYNA软件分别开展机翼前缘未填充和局部填充泡沫铝材料抗鸟撞分析,研究两者撞击响应、前墙响应和吸能特性的差异性,并基于D80气炮开展鸟撞铝板试验来验证鸟体本构参数的准确性和有效性。研究结果表明:通过减少蒙皮厚度并局部填充泡沫铝的方式能够在优化机翼前缘质量的同时有效地增强机翼前缘的抗冲击强度;机翼前缘局部填充泡沫铝之后前墙面板中心点位移以及等效应力得到有效降低,填充机翼前缘结构比空机翼前缘结构能够更有效地抵御鸟体撞击;在蒙皮和泡沫铝的共同作用下,局部填充泡沫铝的机翼前缘能够比空机翼前缘在相同撞击工况下吸收更多的能量。     

自密实混凝土配合比设计方法初探

根据新疆地区自密实混凝土的需求,结合自密实混凝土工作性能特点和检测方法,对自密实混凝土配合比进行了试配和调整。     

基于漫水填充的图像骨架提取方法

针对当前图像骨架提取存在毛刺现象和骨架冗余的问题,提出基于漫水填充的图像骨架提取方法。对目标图像预处理,得到阈值化二值图像,分割出前景和背景;构建掩模图像和轴线图,为后续运算过程提供数据来源和判断依据;通过遍历水平面灰度直方图,模拟漫水过程,收缩掩膜图像的前景轮廓,根据邻域连通分量变化,确定是否为骨架特征点,待轮廓收缩完毕,得到图像骨架。实验验证表明,该方法可以有效地提取图像骨架,毛刺现象和冗余结构明显减少,执行速度快。     

基于双目立体视觉的孔洞填充方案研究

主要研究基于双目立体视觉重建三维模型的孔洞填充方案。在重建三维模型过程中,视差图出现的孔洞造成重建模型的深度信息缺失和不连续现象。针对这个问题,提出使用双边滤波器、中值滤波器和形态学处理三者融合的方案。实验结果证明,融合方案有效地实现孔洞填充,进一步解决三维模型深度信息不连续性问题。