搭建实践技能选修平台 创新实践教学培养环节

公安教育招录体制改革有力促进了各类公安院校深化教育教学改革。实践技能选修制度的构建正是我院公安教育训练工作改革的重要举措,丰富了实践教学形式,拓展了实践教学训练渠道,在解决好共性能力生成的同时更加关注学员的个性化能力培养,有利于提高学员岗位核心能力和学员的个性化能力,是传统应试教育向能力培训转轨过程中的有益探索和尝试。     

高温超导层状势研究

本文对文献中提出的层状势作了较为深入的研究,作出了相互作用强度U与ω间关系的曲线,U与电子密度N_c~0间关系的曲线和U与铜氧层数l间的关系曲线。进而对层状势的微观机制——Cu-O层的有效哈密顿量进行了研究,得到了铜氧层的有效哈密顿量,讨论了空穴(附属费密子) 凝聚成库柏对的条件。     

弧连通空间与收敛类

本文利用收敛类的理论刻划弧连空间,并得到:集合X上具有F性质的子集簇(?)确定了X的一个收敛类(?),则(?)诱导出的拓扑空间(X,(?)-(?))是弧连通的;反之,每一个弧连空间(X,(?)都可以由集合X的一个收敛类诱导出来。     

基于数据补偿的雷达系统误差估计

建立了多雷达情况下的系统误差观测模型,分析了系统的可观测度,得出系统可观测度和观测数据的空间分布有关的结论.在此基础上,通过数据补偿的方法,产生一个使系统可观测度较大的补偿观测集,用于误差估计.仿真结果显示,使用补偿观测集估计雷达的系统误差,能够获得更优越的估计性能.     

论开放对改革的历史意义和现实作用

中国的改革始终并越来越置于开放的国际大环境和背景下 ,围绕开放来进行 ,改革的历史取向、实际步骤等方方面面都自觉不自觉地受到开放的很大影响 :开放引致改革、开放促进改革、开放制约改革、开放本身就是改革、开放保障改革。因此 ,中国的改革是一种典型的开放式改革 ,中国的“改革开放”也可以或越来越应当是“开放改革” ;就改革与开放的相互关系、作用及对整个社会发展的作用和意义而言 ,开放重于改革。     

GEO导航星广播星历拟合改进算法设计

设计了倾角较小的GEO导航星的广播星历拟合算法。该方法的核心思想是在常规拟合算法的基础上对位置观测量进行合理的坐标系参考平面旋转,特别是提出针对拟合迭代初值进行相应的坐标变换,从而既可以解决轨道参数拟合的相关性问题,使轨道参数拟合快速收敛,同时又兼顾了用户接收机的计算简便化。通过仿真验证,该方法简洁有效,拟合中误差RMS在厘米量级,能够保证拟合精度。     

进化规划中的变异与收敛

进化规划算法中变异是唯一的操作,因此变异算子对进化规划算法的性能有决定性的影响。文中以高斯变异算子为例,研究了变异算子在进化进程的作用,分析了进化规划算法不收敛的原因以及变异算子与进化代数、收敛精度间的关系。对传统进化规划算法和多群进化规划算法的性能进行了仿真研究,仿真结果表明了分析结果的正确性。     

应用于卫星导航功率倒置阵的改进LMS算法*

采用功率倒置准则的自适应天线阵特别适合于弱信号、强干扰的场合,因而在卫星导航系统中得到了广泛的应用。针对基于最小均方误差(LMS)算法实现的卫星导航功率倒置阵在干扰数目或干扰功率突然减少时,算法收敛慢、影响信号接收性能的问题,分析了这一现象的产生机理,并提出了相应的改进算法。改进算法通过功率监测来检测干扰数目或干扰功率的突变,然后对LMS算法进行复位处理重置权值来达到迅速收敛的目的。仿真结果表明,与原算法相比,改进算法可显著提高功率倒置阵的收敛速度。     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015