“众星”云集 尽遣精锐——各国参演主力舰艇扫描

6月26日至8月1日,2014年“环太平洋”多国海上联合演习（RIMPAC）将在夏威夷附近海域展开。届时包括中国、美国、日本、韩国、印度等在内的23个国家,47条战舰、6艘潜艇、200余架各类飞机和2．5万人,将参加这个两年一度的国际性海上军演。那么又有哪些精锐力量闪亮登场呢？     

外媒关注 举世瞩目——外国媒体眼中的“环太平洋2014”联合军演

第24次环太平洋军事演习于6月26日在夏威夷海域正式开演,共有来自23个国家的47艘水面舰艇、6艘潜艇、超过200架飞机以及超过2．5万名军人参与此次演习。中国和文莱均属首次参加,而参加了2012年环太军演的俄罗斯缺席了此次演习。本次军演除了是史上最大规模的一次环太军演外,中国的首次参演也让此次演习格外引人关注。对此,外国主流媒体也给予了高度的关注,尤其是对中国的参演更是评论纷纷。     

圆形减压环力学试验与壁厚对其耗能性能的影响

圆形减压环主要由钢管、铝管套筒和钢丝绳组成,由于其耗能特性强,因此在被动防护系统中得到了广泛应用。在边坡防护工程中,将钢丝绳一端固定,另一端连接在防护阻挡结构上,通过钢管与铝管套筒的摩擦和钢管的大变形来散耗冲击动能。首先分析了圆形减压环的工作原理,并对其力学性能进行了拟静力试验,再利用ANSYS/LS-DYNA软件,研究了圆形减压环在荷载作用下,不同钢管壁厚对其耗能性能的影响。结果表明：随着钢管壁厚的增加,圆形减压环的启动荷载也随之增大;在低速荷载作用下,钢管壁厚对圆形减压环的耗能性能影响较弱,但是随着加载速度的提高,钢管壁厚对其耗能性能的影响明显增加,耗能总量上升明显。     

基于系统动力学的炮兵群作战体系仿真模型

运用系统动力学方法对炮兵群作战体系的对抗过程建立了仿真模型,分析了不同攻击策略产生的效果,为提高炮兵群作战体系的效能提供了决策依据。     

一维弹道修正弹阻力环修正控制算法研究

根据一维弹道修正弹阻力环修正技术的特点,建立了一维弹道修正弹的弹道模型.在此基础上分析了利用阻力环进行一维弹道修正的能力以及阻力环张开时刻与射程修正量之间的关系.提出了阻力环张开时刻的算法.仿真结果表明,该算法具有较强的修正能力,选择合适的阻力环张开时刻,可以使弹丸的落点偏差大大减小.     

基于主成分分析法的代价敏感极限学习机

在入侵检测中,传统的极限学习机(ELM)没有考虑到两方面的问题:一是误分类代价的敏感问题,在网络入侵检测中,需要考虑到误分类代价不同的问题,并以实现期望代价最小化为目标;二是冗余特征的处理问题,当入侵特征维数较多时,会存在着大量的冗余特征的问题,如果直接对高维数据进行分类,不仅入侵模式不能被准确分类,误检率较高,并且大量的冗余数据既耗费了系统的资源,也增大了入侵检测的时间。针对这两方面的问题,提出一种基于主成分分析法的代价敏感极限学习机(ELM)。通过主成分分析法对数据进行降维,确定主要特征;再将预处理后的数据训练极限学习机(ELM),以实现期望代价最小化为目标,从而实现降低入侵检测的检测时间,降低检测误报率,提高检测准确率的目的。实验表明,在入侵检测中,基于主成分析法的代价敏感极限学习机(ELM)与传统的ELM相比,不仅使分类准确率得到提高,降低了分类的误报率,而且在分类速度上也有一定的优越性,提高了网络运行的效率。     

可靠度评价在建筑防火设计中的应用

提出在建筑结构耐火设计及火灾后建筑物修复设计中进行可靠度理论应用的必要性、可行性与优越性 ,旨在为建筑结构在火灾过程中及灾后的安全性评估提供新的研究思路。     

磁通密度反馈在磁悬浮系统中的应用

对于磁悬浮列车的悬浮控制,如果取悬浮间隙、电磁铁速度以及电流为状态变量进行反馈控制,在实验中控制参数的稳定区间较小,不易寻找控制参数的稳定区间,而且控制参数之间的影响比较严重;采用悬浮间隙、电磁铁速度以及磁通密度作为状态变量进行反馈控制的方法可以解决上述问题,便于实际的调试工作.仿真结果证明了第二种方法的有效性.     

耐久性及其在装备研制中的应用

机械产品在武器装备中占有较大的比例，机械产品的故障，有很多是由于疲劳、磨损、腐蚀、老化等渐变性的耗损过程造成的，寿命是机械产品可靠性中的重要问题。耐久性的提出为解决机械产品与寿命有关的问题提供了方法和工具。通过探讨耐久性的定义、极限状态、耐久性参数、耐久性分配与预计等有关耐久性的基本问题，给出了耐久性分配与预计的工程实例。     

基于改进烟花算法的ELM分类模型

针对极限学习机(Extreme Learning Machine,ELM)的性能必须依赖于大量隐层节点的问题,提出了基于改进烟花算法(Improved Fireworks Algorithm,IFWA)的ELM分类模型。用改进的烟花算法进行迭代搜索,求得N个最优的烟花;选择ELM测试数据集的RMSE作为改进烟花算法的适应度值函数,来优化ELM每个隐层节点的输入权值和偏置,使得节点的决策水平提高,从而使ELM的决策性能显著提高;采用KDD99数据集验证表明:改进烟花算法的极限学习机(IFWAELM)能够以较少的隐层节点得到更高的测试平均正确率,提高了极限学习机的泛化性能。5种同类算法性能对比实验也表明IFWAELM是效果最优的。