动目标显示雷达改善因子的自动测试

本文对动目标显示雷达改善因子的自动测试系统进行了研究,给出一种新型的全数字式频率合成器,它能在雷达的中频上叠加频率范围为±70kHz、量化间隔为0.5Hz的多普勒频率。     

应用柯洛波夫数论网格计算发射n发至少命中m发概率的研究

本文应用了柯洛波夫数论网格方法,较好地解决了三级误差条件下高精度计算命中概率指标 P_(Lm)的问题。本文还详细给出了计算 P_(Lm)的方法、步骤和实例。     

带噪声的 AR 模型的参数估计及定阶

本文讨论了带噪声情形下 AR 模型的参数估计及定阶问题,还给出了噪声模型的参数估计,并证明了它们的强相容性。     

目标指示雷达导引炮瞄雷达捕获目标的精度分析

本文研究了情报指挥系统中目标指示雷达导引炮瞄雷达捕获目标的精度问题。结合工程实践分析了影响精度的诸误差因素,在此基础上,建立了目标指示雷达导引炮瞄雷达捕获目标成功率的计算公式,给出了计算结果,并进行了结果分析。     

刀具磨损监测的随机向量相关度量法

本文提出了一种运用功率累积和与n 维随机向量相关度量监测刀具磨损的新方法,即通过计算刀具三向振动加速度的相关度量系数,主轴扭矩或某项振动加速度的功率累积和综合监测刀具的磨损、破损以及刀具磨损的程度。该法在简单性、可靠性等方面比以往提出的方法有较大的进步,因而使得本方法具有很大的应用前景。文中对该法的理论基础进行了严格的证明,并给出了实验论证结果。     

聚碳硅烷先驱体制备SiC基复合材料的性能研究

本文以聚碳硅烷(PCS)为先驱体,SiC晶须,SiC微粉或C纤维为增强剂,热解转化制得SiC/SiC或C/SiC复合材料,研究其制备工艺过程对材料的力学和热物理性能的影响。结果表明:PCS在1300℃下转化为β-SiC微晶并将未烧结的增强剂网络在一起形成SiC/SiC或C/SiC复合材料。该SiC基复合材料具有较好的常温和高温机械强度,优异的耐热疲劳和抗热震性能,在1300℃空气中具有良好的抗氧化性。     

机动目标运动数学模型评述

近十几年来,人们对机动目标的跟踪问题进行了大量研究。问题的核心是如何建立机动目标运动的数学模型。本文主要对现有的空中机动目标的数学模型进行评述和比较研究。     

驻波—行波边界条件在PSTD算法中的实现

将时域伪谱法(PSTD)的边界条件PML用驻波-行波边界条件来代替.该条件在边界处附加理想电(磁)壁对计算区域进行截断,将由此产生的反射场去除,从而减少反射场所产生的干扰,在有限的空间内有效地模拟出无限大的电磁散射空间.给出了该边界条件下的二维PSTD迭代格式,并将其数值结果与运用PML边界条件的PSTD的结果进行比较,计算结果表明这种结合形成的新方法节约了内存,提高了计算速度,具有良好的可行性.     

谱分析方法在仿真结果分析中的运用

文中给出了谱估计的分析，并将它直接应用于仿真系统输出量的特性分析。对于仿真的可信性问题，讨论了相容性检验方法，特别是小子样现场试验下，仿真与现场试验之间的一致性问题。     

Transformation of Military Ethics During the Zhou Dynasty in Ancient China

ABSTRACT

The transformation of the governance model from a rule of virtue to political realism in China has been a topic of great interest to scholars. In this study, I examine military culture during the Zhou Dynasty and investigate the changes in ethics based on factors such as cultural values, social customs, and political structure to understand the process by which moral values have changed as the governance model transformed from rule of virtue to political realism. I found that military ethics have changed from governance through the use of rituals during the Western Zhou Dynasty to what was called “deception makes an army” during the Eastern Zhou Dynasty.