基于机器视觉的测量技术现在已经相当成熟,但目前使用机器视觉进行工业零件测量的多为小尺寸零件,对于超出工业相机有效物距的零件的测量较少。应用图像拼接方法,将拍摄到的单个齿轮的多个图像拼接成一个完整的齿轮图像,以便后续进行齿轮的测量。在图像拼接过程中,将SURF特征点检测与FREAK特征描述子相结合,节省了特征匹配的时间,提高了拼接速度;使用两次BFMatcher(暴力匹配)及对称性验证,提高了特征匹配点的质量;对特征匹配点进行多次筛选,保证了变换矩阵的准确性;去除变换矩阵中的缩放和剪切动作,保证了图像只进行刚性变换;采用加权图像融合方法,保证了图像的无缝拼接。经实验和误差分析,结果表明该齿轮拼接技术方法速度快、精度高。

飞行器气动数据的来源主要有风洞试验、数值模拟、飞行试验三种方式。受试验和模拟能力的限制,任意一种单一手段都难以准确地对飞行器全飞行包线进行覆盖。为弥补各种数据的“缺陷”,提出并实现了两种数据融合算法一种是依据不确定度作为权值参考,进行加权融合的加权融合算法,利用高斯过程回归算法获得不同来源气动数据预测值的特征,并进行加权融合;另一种是基于模型的CoKriging融合算法,利用CoKriging算法直接建立融合模型。并以某型飞行器气动数据为例进行了对比分析。结果表明使用单一精度数据建模时,在一定的范围内,样本数据越多,覆盖的设计变量空间越广,精度越高;与单独使用一种精度数据的建模算法相比,两种融合算法预测结果的精度都有较大的提高;相比于基于不确定度的融合算法,使用CoKriging算法建模得到的结果精度更高,提高了...

针对轴向柱塞液压泵故障引起的振动信号非线性强、故障信息湮灭在噪声干扰的问题,提出一种基于加权形态非抽样小波分解（WMUWD）的振动信号预处理方法。首先,在形态非抽样小波分解的一般框架下,提出WMUWD方法,利用特征能量因子表征形态非抽样各分解层近似信号对故障特征的贡献量,并以此为依据进行加权融合,以提高有用信息比重,便于特征提取;在此基础上,对WMUWD方法的初始参数设置进行了分析,给出了一套比较系统的优选组合方法;最后,利用仿真信号以及液压泵实测振动信号验证了该方法的有效性。