一种高精度测量坦克炮塔动态转角的方法

坦克炮塔相对底盘转角的测量精度直接决定了稳瞄系统与惯导系统的精度。目前,国内的主战坦克所配备的坦克炮塔,其相对底盘的转角测量装置的测量精度低,仅解决坦克车体的转向问题。针对稳瞄系统与惯导系统对坦克炮塔相对底盘转角的精度要求问题,提出了一种由光电定位系统、机械传动系统和旋转变压器组成的动态高精度测角装置,介绍了其工作原理和工作过程,对该测角装置进行光电自准直标定并对误差进行理论分析,最后通过上车实验证明该测角系统能够满足实际需求。实践证明:该测量系统能够在通电瞬间确认位置,具有绝对零位记忆功能,其测角精度为42″。

基于人工神经网络的机械工具的识别方法

提出一种快速的、鲁棒性的人工神经网络目标识别方法。针对工业环境中常用机械工具的识别，通过正规化目标图像和正交复值的 Ｚｅｒｎｉｋｅ矩变换提取目标的平移、比例及旋转不变性特征，应用具有 ２ 个隐层的 Ｂ Ｐ网络学习与识别这些特征矢量。对 ４ 类具有一个自由度的机械工具进行识别实验，表明该方法优于最近邻分类决策规则，对噪声及特征矢量变化具有鲁棒性，并达到 ９５％ 的识别率。

从二维视图识别三维目标的多网络融合方法

提出了一种从二维视图识别三维目标的多网络融合方法 ,基于单个网络分类的置信度概念 ,有效地结合多个网络的输出结果作出最终分类判决。应用三个多层前向网络 (隐层神经元数、初始权值等取不同值 ) ,设计了基于分类确信度的多网络融合结构。对四类车辆目标进行的识别实验表明 。