摘要：该文针对分布式相控阵多雷达网络的多目标跟踪场景,研究非理想检测条件下的节点选择与辐射资源联合优化分配算法。首先,根据分布式相控阵多雷达网络构成、目标运动模型、雷达量测模型以及雷达节点检测情况,推导非理想检测下以雷达节点选择、辐射功率和信号带宽为变量的贝叶斯克拉默-拉奥下界(BCRLB)闭式解析表达式,并以此作为多目标跟踪精度衡量指标。在此基础上,以最小化系统各雷达节点对所有目标的总辐射功率为优化目标,以满足目标跟踪精度门限以及给定的系统射频辐射资源限制为约束条件,建立非理想检测条件下多雷达网络节点选择与辐射资源联合优化分配模型,对各时刻雷达节点选择、辐射功率和信号带宽等参数进行联合优化设计,以提升多雷达网络的射频隐身性能。最后,针对上述非线性、非凸优化问题,采用基于障碍函数法和循环最小化算法的4步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能在满足给定多目标跟踪精度的条件下有效降低分布式相控阵多雷达网络的总辐射功率,至少降低了约32.3%,从而提升其射频隐身性能。

摘要：合成孔径雷达(Synthetic Aperture Radar,SAR)图像的船舶目标检测,因其广泛的应用前景而备受关注。近年来,基于深度学习的SAR图像船舶目标检测在多种场景中表现出较好性能。然而,由于SAR独特的成像机制,舰船目标通常与背景环境具有相似的散射特性使得实际的船舶目标难以辨识,且船舶目标尺度较小,导致准确检测船舶目标具有挑战性。为了缓解这一问题,本文提出了一种基于局部显著特征聚焦学习的SAR舰船检测方法。首先,设计了双重注意力模块,通过对通道级和空间级的特征进行双重注意力加权,以充分地探索船舰目标的关键语义特征,从而提升模型的深度提取能力。随后,为了进一步提升模型对船舶目标特征的表征能力,设计了平衡特征金字塔网络模块,通过对舰船目标的多尺度特征进行缩放、增强和聚合处理,以实现多尺度特征间的语义和空间信息均衡分布。最后,在SAR舰船检测数据集(SAR Ship Detection Dataset,SSDD)上进行了广泛的实验分析,实验结果一致性地证明了所提方法在提升SAR图像舰船目标检测准确性方面的有效性。

摘要：针对当前防弹头盔泡沫衬垫在头盔被枪弹钝击过程中吸能不足的问题,开展3D打印负泊松比结构柔性衬垫吸能特性研究。以热塑性聚氨酯(TPU,Thermoplastic polyurethanes)为原料,采用3D打印制造TPU拉伸试件和压缩试件,进行了打印工艺参数(打印速度、打印温度和分层厚度等)对柔性材料力学特性影响的研究;设计了不同尺寸规格的负泊松比结构并进行了准静态压缩试验,利用有限元仿真与试验结果进行了对比。结果表明:当打印层高为0.1 mm、喷头温度为200℃、打印速度15 mm/s时,打印试件的力学特性最优;负泊松比结构的吸能能力随着水平胞壁与弯曲胞壁的长度降低而提高,随着胞壁厚度的增加而提高,与胞壁夹角无明显规律;随后通过多目标优化设计,确定了负泊松比结构胞元的最优结构,比能量吸收相较于优化前结构得到显著增加。

摘要：在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法。通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型。针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势的单边软约束正则化项替换原有的L2梯度惩罚项来解决模型崩溃问题;在此基础上,采用高效通道注意力机制来进一步提高模型的特征提取能力。将所提出的模型应用于扩充机械设备故障数据集,辅助深度学习智能诊断模型的训练。多个故障数据集扩充实验表明,与现有模型相比,新模型所生成数据的质量更高,故障诊断的准确率也得到进一步提高,因此具有较高的应用价值。

摘要：针对传统车间在进行数字孪生时,对于生产数据的采集存在着目标单一、信息模型灵活性差以及通用性低等问题,提出了一种面向数字孪生的车间生产数据感知方法。首先,通过分析数字孪生车间生产数据采集与应用需求,提出了一种多层次的生产数据采集体系架构;其次,围绕该体系架构的处理层,针对基于OPC统一架构(OPC Unified Architecture,OPC UA)的生产资源数字化表征模型构建关键技术进行了重点阐述;最后,基于车间应用实例,结合关键技术以及体系架构开发了数字孪生系统,验证了该方法的可行性,有效支撑了装配车间数字孪生系统的运行。

摘要：线切割加工非圆齿轮时电参数是影响齿廓误差的关键因素之一.设计正交试验,分别采用非圆齿轮齿根、齿廓中部和齿顶的最大齿廓误差对线切割加工非圆齿轮进行分析.通过方差分析方法和主效应分析法,研究线切割加工电参数峰值电流、脉冲宽度、脉冲间隔和跟踪对非圆齿轮齿根、齿廓中部和齿顶的齿廓误差影响规律.同时,对齿廓误差、加工时长和工艺参数进行回归分析,并建立回归模型,基于灰狼优化算法对回归模型进行多目标优化求解.通过研究结果可以得出线切割加工非圆齿轮齿廓不同部位的最优参数组合,可为实际加工提供参考.

摘要：为了研究口环密封对核主泵转子动力学特性的影响,本文以“华龙一号”核主泵密封口环为研究对象,应用转子动力学理论,建立小扰动模型下的涡动转子动力学方程,基于CFD准稳态方法,对密封间隙域内部流场进行数值模拟,探究转速、压差及口环结构对转子动力学特性以其稳定性的影响。结果表明:转速和压差越大,涡动比对密封力的影响效果越显著,刚度系数、阻尼系数的绝对值呈增大趋势,转速对交叉刚度系数和交叉阻尼系数影响显著,平面密封和迷宫密封交叉刚度系数分别增加了6.92倍和4.13倍,交叉阻尼系数分别增加了15.4倍和6.25倍;压差对直接刚度系数影响明显,平面密封与迷宫密封直接刚度系数分别增加了6.2倍和9.1倍。同时迷宫密封对应的涡动系数Ω_(f)小于平面密封,稳定性优于平面密封结构。

摘要：准确的湿地分类可掌握湿地时空分异特征,在湿地研究中占据重要地位。针对现有基于小样本学习的湿地分类方法仅局限于利用目标域或单源域数据的问题,本文提出一种3D多源域自注意力小样本学习模型3DMDAFSL(3D Multi-source Domain self-Attention Few-Shot Learning)。首先,结合卷积和注意力机制的优势,设计基于自注意力机制和深度残差卷积的3D特征提取器;然后,采用对抗域自适应策略实现多源域特征对齐,在每个域分别进行小样本学习;最后,利用训练好的模型提取特征,并将特征输入至K近邻(K-nearest Neighbor)分类器以获取分类结果。结果表明,3D特征提取器相比无特征提取框架的湿地总体分类精度提升约6.79%;当使用多源域数据集时,3D-MDAFSL模型对中山市Sentinel-2湿地数据集的总体分类精度能达到93.52%,相比于现有算法有明显提升。本文所提出的3D-MDAFSL模型在湿地地物高精度提取和分类中有较好的应用价值。

摘要：随着安全关键软件规模和复杂性不断增加,模型驱动开发方法在安全关键领域得到了广泛应用。SCADE作为一种重要的建模方法和工具,能够表达确定性并发行为且具有精确时间语义等特性,适用于安全关键软件的建模、测试与验证。目前,已有方法主要采用手工方式构造SCADE模型测试用例,存在需求与测试用例不一致、成本代价高且容易出错的问题。文中提出了一种基于自然语言需求的SCADE模型测试用例自动生成方法。首先,给出了基于模型检测的测试用例自动生成方法,通过自然语言需求处理生成原子命题,用于生成前提假设Assume和观察者模型,同时给出了陷阱性质(Trap Properties)生成规则来生成陷阱性质用于模型检测;其次,给出了基于覆盖分析和变异测试的测试用例质量评估方法,并在SCADE模型上进行变异测试;最后,设计和实现了原型工具,并基于一个工业界案例飞行员弹射座椅控制系统进行了案例分析,验证了所提方法的有效性。

摘要：综合化航空电子系统(Integrated Modular Avionics, IMA)是一类典型的安全关键系统,具有分布式、异构、计算资源和物理资源强耦合等特征。随着IMA系统趋于复杂化和智能化,系统的功能越来越多地采用软件来实现,如何对这类复杂软件进行建模并自动生成代码成为一个重要挑战。文中提出了一种基于AADL(Architecture Analysis and Design Language)的综合化航空电子系统代码生成方法。首先,提出HMC4ARINC653(Heterogeneous Model Container for ARINC653)属性集扩展,使其具备描述IMA软件架构、异构功能行为和非功能属性的能力;其次,提出IMA模型到C代码及ARINC653系统配置文件的映射规则,并遵守MISRA C安全编码规范,生成的代码能够在ARINC653操作系统上部署并仿真执行;最后,设计并实现了相应的原型工具,以ARINC653操作系统和工业界实际案例,验证了所提方法和工具的有效性。