枪弹包装箱通用化、系列化、组合化设计

目的提高枪弹包装箱通用化、系列化、组合化水平,满足枪弹保障需求。方法研究枪弹包装箱的现状和发展趋势,通过精简包装箱规格、统一包装箱平面尺寸、设计包装箱高度系列、规范包装箱主体结构、统一包装箱堆码接口、创新包装箱交错堆码方式等规范枪弹包装箱的设计。结果对枪弹包装箱进行通用化、系列化、组合化设计,试制了样箱,并试验验证了设计的合理性、先进性。结论通过对枪弹包装箱进行通用化、系列化、组合化设计,实现一箱多用、不同规格包装箱的“乐高式”混合交错堆码,可提高包装箱的利用率、堆码稳定性,利于机械化装卸、集装化运输、成套化保障。

基于摩擦补偿的链式弹仓自适应滑模控制

针对链式弹仓精确到位控制中出现抖振与收敛速度慢等问题,提出了一种基于摩擦补偿的自适应非线性滑模控制(ANLSMC)方法。该控制方法引入LuGre动态摩擦模型用于补偿弹仓模型,使得弹仓模型更加贴近于真实工作环境。将传统线性滑模函数改进为非线性滑模函数,与自适应算法相结合,提高了系统鲁棒性,加快收敛速度,有效削减抖振。根据仿真结果表明,提出的摩擦补偿的自适应非线性滑模控制(ANLSMC)方法使弹仓跟踪轨迹误差减小,相比于线性滑模自适应控制方法其有效削减抖振,具有较快的收敛速度。

基于人工神经网络的核素识别方法

针对传统核素识别方法不具有强适应性导致识别率降低的问题,建立基于反向传播(back propagation,BP)神经网络的核素识别预测模型。以镅、镉、钚、氡、钯、钴、铯7种核素的实测信号为例进行仿真模拟,建立核素识别模型。结果表明:该模型能快速准确地识别上述核素,应用前景广泛。

面向快速室内视觉定位的ORB-SLAM2算法

针对随机采样一致性(random sample consensus,RANSAC)算法在快速去除错误匹配时因随机性导致算法效率较低的问题,提出一种采用顺序采样一致性(progressive sample consensus,PROSAC)算法来改进ORB-SLAM2框架中的错误匹配删除方法。通过利用特征点的匹配质量对特征点进行预排序,减少图像匹配过程中的迭代次数;提出基于最大化割归一化割算法(normalized cuts and image segmentation,Ncut)的全局BA分段优化算法,以降低计算复杂度。通过数据集验证,结果表明:优化后的即时定位与地图构建(simultaneous localization and mapping,SLAM)系统在保持绝对轨迹和相对位姿误差同ORB-SLAM2基本一致的情况下,相同图像的错误匹配去除的效率提升了50%,证明了该算法的有效性。