新形势下带好大学生士兵的几点思考

随着征兵制度调整改革力度加大,越来越多的地方大学生进入军营。2009年,部队征召地方大学生达十多万,这无疑为我军建设注入了新鲜血液,但也给部队管理教育带来很多新情况、新问题。如何有针对性地做好大学生士兵管理教育工作,     

信息系统体系结构设计中系统内聚度分析方法

系统的组成及其结构是体系结构中的一个核心元素,系统内聚度是评价信息系统体系结构的一个重要指标。以体系结构框架为基础,给出系统接口和系统功能的规范化描述。从功能和数据关系的角度,分别定义了系统功能内聚度和数据内聚度的计算方法,提出一种体系结构中系统内聚度的分析方法,并通过一个实例说明了方法的应用。该方法有助于规划系统和分配功能,提高体系结构设计质量。     

脊状表面近壁区湍流度分布规律

通过对不同风速下,不同形状、尺寸脊状表面及光滑平板表面边界层内湍流度的测试,对比分析了脊状表面近壁区湍流度的分布规律。试验在小型直流风洞中开展,流场测试中使用恒温式IFA 300智能型流动分析仪,测试模型则采用有机玻璃及铝两种材质的平板模型。在脊状表面理论零点及壁面摩擦速度的计算中,采用了基于紊流边界层对数律区流速分布公式同时计算壁面理论零点和壁面摩擦速度的改进方法。最终测试结果表明:脊状表面边界层过渡区和对数律区内湍流度与平板相比显著下降,最大降幅超过10%,证明脊状结构的存在有效减弱了壁面近壁区内"猝发现象"的发生。     

基于信息融合技术的防空通信系统效能评估

防空通信系统综合评判的核心计算是:实现从各指标隶属度到目标隶属度的转换。但是,现有的隶属度转换方法,不能揭示指标隶属度中"哪部分对目标分类有用,哪部分无用";结果是指标隶属度中原本对目标分类不起作用的冗余数值,也被用于计算目标隶属度。实际上,隶属度转换是一种信息融合技术,实现信息融合的关键环节是挖掘隐藏在各指标隶属度中关于目标分类的知识信息。为此,通过挖掘这种知识信息设计一种滤波器,能清除指标隶属度中对目标分类不起作用的冗余数值,在没有冗余数据干扰条件下实现隶属度转换,由此建立一种基于信息融合技术的防空通信系统效能评估的方法。     

导弹武器装备备件储备量计算模型

备件保障一直是影响武器装备保障的重要因素,导弹武器装备备件保障是现在导弹部队面临的亟待解决的重要课题。根据导弹武器装备使用保障的特点,将导弹装备备件按寿命分布进行分类,并采用模型法确定了不同寿命分布类型的备件储备量计算模型。最后,针对各类备件储备量计算模型进行了实例说明,具有一定的实际意义。     

信息中心网络缓存节点位置选择算法

信息中心网络（Information-Centric Networking, ICN）“泛在缓存”的特性,引发数据副本率过高、缓存空间不能充分利用等问题。为了解决上述问题,分别从用户、服务提供商和网络运营商的角度出发,以最小化网络流量与网络费用开销为优化目标建立两个单目标优化模型,并将二者结合为帕累托模型;基于帕累托求解方法中数学规划法的思想,详细描述缓存节点位置选择算法。仿真结果表明：在流量性价比方面,所提缓存节点选择算法优于ICN的默认缓存机制;在网络费用开销方面,所提算法更适用于只有少数内容较为流行的网络中,而在所有内容都流行的情况下,ICN中默认的“遍地缓存”机制更为适宜。     

军事供应链网络风险与节点重要度研究

军事供应链网络风险与节点重要度研究是新军事变革下信息化后勤发展的重要方向。为有效完成后勤保障任务、提升部队战斗力并保证作战行动的顺利实施,对其研究背景进行阐述,从军事供应链网络风险量化、网络节点重要度评估和级联失效模式下的柔性分析这三方面。对国内外研究现状进行对比综述,总结概括了我军现有研究成果的不足,并有针对性地对其未来发展前景提出展望,为战时或应急条件下军事供应链网络的安全优化、重要节点防护及级联失效模式探索等方面提供参考。     

基于AHP-FCE排爆机器人的排爆综合性能评价

针对JW-902排爆机器人的排爆综合性能评价问题,运用层次分析法——模糊综合评价法,给出综合评价的数学模型。建立完整的JW-902排爆机器人排爆效果的综合性能评价指标体系,结合主要的因素进行分析,采用AHP确定了JW-902排爆机器人的不同因素的权重系数,得到了整体的等级隶属度情况。结果表明此评价模型使用简单易懂,得出的结果科学可靠。     

基于EML模型的备件库存优化方法

针对当备件重要度不同时METRIC模型无法再使用边际效应法及在有限的保障经费和仓库空间约束条件下的备件库存问题,建立了评价备件重要度的12个指标,并给出了备件重要度的求解步骤;以装备可用度模型为基础,结合备件重要度,改进了边际效应法;以仓库空间、装备可用度为约束条件,以保障费用为目标函数,给出了以改进的边际效应法求出备件库存配置方案的步骤;案例研究表明:采用EML模型可以在最大化利用约束条件、满足目标要求、重点照顾重要度高的备件,同时对重要度一般的备件也能兼顾。