1 浙江大学 工程师学院，浙江杭州3005
2 中航西安飞机工业集团股份有限公司，陕西西安710089
3 中国科学院 福建物质结构研究所 泉州装备制造研究中心，福建泉州62100
4 浙江大学 机械工程学院，浙江杭州310058
为了实现复杂环境下航空零件孔特征的高效高精度检测，提出了一种集成视觉显著性和群决策的检测方法。在经典FT显著性检测算法中引入图像增强步骤，并为每个像素赋予以最大显著区域中心为参考的权重，使用改进后的方法对图像进行孔区域分割。设计具有多尺度多结构元素的新型数学形态学边缘检测算法，结合轮廓细化算法对孔区域进行轮廓提取。最后，利用Meanshift算法寻找轮廓点的圆心位置，建立新的基于群决策的圆半径计算模型，获得孔特征的关键几何参数。结果表明：改进的视觉显著性特征检测算法能够生成更加突显孔特征的全分辨率显著图；新型数学形态学边缘检测算法能获得简化且可靠的轮廓点；该方法在不均匀光照、各类孔缺陷和孔内壁干扰等条件下均显示出较好的稳定性；即使在噪声密度高达30%时仍能成功完成孔检测，且圆心坐标和半径的误差均小于0.012 mm；平均检测时间仅为0.236 s。该方法能够在复杂环境下对航空零件孔特征进行准确、稳定的检测。
航空零件 孔特征检测 显著性检测 数学形态学 群决策 aircraft part hole feature detection saliency detection mathematical morphology group decision making
1 中航飞机研发中心, 陕西 汉中 723000
2 西北工业大学, 西安 710129
在UCAV编队任务规划中, 确定UCAV最优航线是一个重要研究课题。针对不确定语言偏好信息的UCAV最优航线问题给出了一种分析方法。首先, 描述了确定UCAV航线的评价指标和不确定语言决策矩阵的定义;然后, 在此基础上, 通过分析航线对应于各项指标的期望可能度和数学期望值, 给出了基于不确定语言偏好信息的群决策UCAV最优航线分析方法;最后, 实例说明了UCAV最优航线确定的具体过程。
最优航线 群决策 不确定语言 决策矩阵 UCAV UCAV optimum flight route group decision-making uncertain language decision matrix
在多属性群组决策方法的研究中，为了客观合理地确定群组专家的权值，提出一种基于熵权的群组灰色聚类决策方法。依据各个专家的判断矩阵归一化得到的排序向量，利用灰色绝对关联矩阵进行聚类分析并类间赋权，运用熵权理论进行类内赋权，结合算例验证了该方法可行有效。结果表明，该方法可以有效提高专家赋权的合理性和群组决策的科学性。
群组决策 灰色聚类 熵权 排序向量 关联矩阵 group decision-making grey cluster entropy weight sequencing vector correlation matrix
