基于改进匈牙利算法的多技能人员调度方法

人员的优化配置对于提高装备制造效率具有重要意义。针对经典匈牙利算法不能解决具有并联环节的人员指派问题的不足,提出利用虚拟工作代替并联环节,将问题转化为典型的指派问题;通过判断虚拟工作的可实现性,迭代搜索得到最优解。以某多技能人员任务指派系统为例,详细介绍了该优化方法的步骤。优化结果很好地验证了改进算法的有效性。     

数字阵列雷达及其关键技术进展

随着高速ADC器件和高性能通用处理器的发展,雷达的数字化程度越来越高。分析了数字阵列雷达的优点;介绍了现有的典型数字阵列雷达系统,总结了数字阵列雷达的典型结构;介绍了高速ADC器件、高速采集板、正交解调和通道均衡等关键技术的发展现状。随着相关技术的不断进步,阵列雷达必然向着数字化、软件化和多功能的方向发展。     

泛探雷达时-空级联目标检测与DOA估计算法

针对"泛探"雷达,提出了一种时-空级联目标检测和DOA估计算法,该方法首先利用基于DFT的数字波束形成技术完成阵元空间到波束空间的转换,然后对协方差矩阵的迹做门限检测,最后采用多级维纳滤波的子空间分解法进行到达角估计。仿真结果表明,本文提出方法对比长时间相参积累和单脉冲比幅测向方法具有较好的时域检测和测向能力。     

全局收敛策略静止目标纯距离测量下的参数估计方法

将全局收敛策略与高斯-牛顿法相结合,得到了解决非线性最小二乘问题的改进高斯-牛顿法;并将该方法应用于静止目标纯距离测量下的参数估计问题;仿真试验表明,改进后的高斯-牛顿方法对测量误差不敏感,具有更快的收敛速度和更高的精度。     

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。     

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.     

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.     

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.