联合国维和警察防暴队甄选考试改革对维和培训的影响及对策

2012年9月颁布的《联合国维和警察防暴队行动能力评估标准作业程序》对联合国防暴队甄选及行动能力评估的组织、实施程序、考查标准等方面都进行了较大的调整。从联合国维和警察防暴队甄选标准作业程序的改革入手,以考试为突破口和着眼点,研究程序的改革对维和警察防暴队培训的影响,制定应对策略,以时维和培训工作具有指导作用和借鉴意义。     

把人文精神融入军队思想政治教育中

实现军队思想政治教育人文关怀,是改进军队思想政治教育和促进我军现代化建设的重要任务。把人文关怀融入思想政治教育,使军队思想政治教育迈向更高层次,更加科学化。以马克思主义的人文精神及其内涵为基点,提出把人文精神融入军队思想政治教育中,在阐释军队思想政治教育实践人文关怀的路径上,实现官兵的个人发展和军队建设的和谐统一。     

基于仿真的作战飞机管道加油调度优化研究

针对多机种作战飞机管道油料加注调度优化的现实问题,通过研究作战飞机从到达基地到加油完毕的油料加注周期,提出了一种新的管道加油口选择策略,并基于此策略研制了以作战飞机数量和油料加注时间为仿真结束条件的2种GPSSW仿真程序模型。通过多次仿真实验,结果表明:该策略优于基于调度人员经验的"即空即用"管道加油口选择策略,可有效提高作战飞机油料加注效率,并能实现有限管道加油口的合理分配。     

基于费效分析的地空导弹火力配系优化

为科学评价地空导弹火力配系方案,针对不同的地空导弹火力组成体系,采用费效分析方法,结合地空导弹操作使用,首先给出了地空导弹火力配系费效分析步骤,然后分别对火力配系的费用和效能进行了讨论,并建立了火力配系费效准则和综合费效比模型,最后通过区域反导实例验证了该方法的可行性.     

基于空间网格的制导方法研究

针对传统摄动制导修正大干扰能力的缺点,提出一种基于空间网格的制导方法.分析了空间网格法的基本原理,对其建立的要素和具体方法进行了详细说明.并从3个不同侧面对该方法的规律性进行了分析.通过仿真,证明空间网格法有效可行,具有弹上计算简单,数据存储量少,控制易实现,能实时修正大干扰偏差的优点.使其在提高导弹的制导精度和弹上计算效率方面,具有一定的应用前景和参考价值.     

变壁厚金属管在发射筒缓冲装置中的应用研究

利用MSC.Patran和MSC.Dytran有限元分析软件对某缓冲装置中所应用的受轴向冲击的变壁厚金属吸能圆管进行了仿真计算,得到了压缩过程中的冲击力与吸能量.并通过落锤冲击实验得到实际中吸能圆管在压缩过程中的冲击力与吸能量.结果表明,仿真与实验结果吻合较好,吸能圆管在压缩过程中的冲击力与吸能量符合预期.     

抢险救援指挥实践教学研究

加强实践教学是满足消防部队职能拓展和提高消防部队抢险救援作战能力的重要途径。根据抢险救援指挥与技术专业课程的特点,从开展实践教学的现实意义出发,进行了分层次、多样化的实践教学方法和手段的研究,以培养学员对知识理解、应用能力和创新能力的培养,实现抢险救援指挥与技术专业应用型人才培养的目标。     

冷喷涂粒子速度影响因素的数值模拟与分析

冷喷涂过程中,粒子速度直接影响冷喷涂材料改性效果.由于射流流场为超音速气固两相冲击射流,用实验方法研究粒子速度的影响因素很困难,为此通过数值模拟方法再现流场中粒子速度的变化情况.用Fluent软件以冷喷涂技术中超音速气固两相射流流场为研究对象,对于气固两相流的模拟,则采用颗粒轨道模型(欧拉-拉格朗日模型)获得粒子在射流流场的速度变化情况;分析粒径、材料、喷涂距离以及载气等因素对粒子速度的影响.进一步优化冷喷涂工艺方案,得到了粒子特性与粒子到达基板前最大速度之间的优化关系.     

基于脉冲激光加热的火炮身管温度场分析

身管是火炮延寿的重点研究对象.运用Ansys Workbench软件对火炮实弹试验和脉冲激光加热身管试验的受热规律进行了仿真,得到两种情况下身管温度变化规律,通过对比分析发现两者温度变化规律相符.由此设计了脉冲激光加热系统,用于研究身管受脉冲高温时的温度变化规律,并进行了试验.通过对比发现仿真规律与试验结果相符,验证了此系统的可行性,在火炮身管的寿命预测、故障诊断等工作中具有一定的实际应用价值.为身管在高温脉冲作用下的相关研究提供了一种新的研究方法.     

Multi-scale traffic vehicle detection based on faster R-CNN with NAS optimization and feature enrichment

It well known that vehicle detection is an important component of the field of object detection. However, the environment of vehicle detection is particularly sophisticated in practical processes. It is compara-tively difficult to detect vehicles of various scales in traffic scene images, because the vehicles partially obscured by green belts, roadblocks or other vehicles, as well as influence of some low illumination weather. In this paper, we present a model based on Faster R-CNN with NAS optimization and feature enrichment to realize the effective detection of multi-scale vehicle targets in traffic scenes. First, we proposed a Retinex-based image adaptive correction algorithm (RIAC) to enhance the traffic images in the dataset to reduce the influence of shadow and illumination, and improve the image quality. Second, in order to improve the feature expression of the backbone network, we conducted Neural Architecture Search (NAS) on the backbone network used for feature extraction of Faster R-CNN to generate the optimal cross-layer connection to extract multi-layer features more effectively. Third, we used the object Feature Enrichment that combines the multi-layer feature information and the context information of the last layer after cross-layer connection to enrich the information of vehicle targets, and improve the robustness of the model for challenging targets such as small scale and severe occlusion. In the imple-mentation of the model, K-means clustering algorithm was used to select the suitable anchor size for our dataset to improve the convergence speed of the model. Our model has been trained and tested on the UN-DETRAC dataset, and the obtained results indicate that our method has art-of-state detection performance.