苏联/俄罗斯水中兵器的发展

我们知道在冷战时期两霸对峙时,苏联为了弥补在航母战斗群方面与美海军的巨大差距,大力发展各类潜艇和潜用武器,以潜艇为主战平合与美海军抗衡。为此,苏联特别重视研发各种潜用水中兵器,包括鱼雷、水雷以及导弹等武器。说也凑巧,二战即将结束时,由于苏军攻克柏林,捷足先登缴获了大量法西斯德国的水中兵器研制样品、技术文件和资料,为战后苏联在水中兵器方面的发展创建了极其有利的条件。因此,苏联在20世纪50年代之前就推出了十分先进的水雷、水雷引信、声自导鱼雷以及水下火箭发动机,并且在火箭推进领域领先于美国,苏联在水中兵器方面所取得的许多成就至少部分应归功于从德国获得的武器样品、文件和资料。     

阻燃剂对PVC热解及燃烧的影响

利用热分析技术和锥形量热仪测试法,研究了多种阻燃剂对PVC热解和燃烧特性的影响。结果表明,由于不同种类的阻燃剂对PVC的阻燃机理不同,对PVC热解过程和燃烧特性影响各异,有的阻燃剂将PVC的初始分解温度提前,分解反应的活化能降低,使PVC提前脱水成炭,达到阻燃的目的;另一些阻燃剂显著推迟PVC的热分解,以延迟PVC的着火。从锥形量热仪的分析结果可以看出,阻燃剂的加入,使PVC的热释放速率明显降低,起到了阻燃作用。     

打造过硬的卫勤分队

“下达预先号令、快速集结、转眼现役、野战救护所开设,求治伤员……”9月27日,鞍山军分区组织某预备役通信团进行了一场近似实战条件下的卫勤分队野战救护所开设和战场救护演练。通过演练,为进一步提高实战条件下的医疗保障水平和保障能力奠定了基础。     

基于贝叶斯网络的作战目标评估

在作战指挥决策活动的筹划阶段,对敌体系要害和关键点的分析,当前尚未形成系统方法。针对此问题,利用贝叶斯网络在非精确知识表达与推理领域的优势,提出了综合考虑目标价值、打击难度、打击效果等因素的作战目标评估模型。根据判别贝叶斯网络分类器性能优于生成贝叶斯网络分类器的特点,在经相关领域专家论证的样本数据集的基础上,采取梯度下降法训练得出评估模型各结点条件概率分布。最后,利用Netica仿真软件,经样本数据测试,证明了作战目标评估模型的合理性。     

基于个体心理特征的基层主官五维度任职行为模型论析

基层主官担负基层工作的组织和落实,其军事任职行为,贯穿和体现在实际的军事管理工作中,是实现较高基层组织绩效重要基础,也是部队发展的有力支撑。针对基层军事训练和军事任务的需要,基于个体心理特征的理论视角,从牢固责任心、创新工作方式、开展团队合作、锻造军事本领、开发心理资本的五个方面,提出并论述了我军基层主官任职行为的五维度模型,研究表明:基层主官五维度任职行为模型,为提升基层主官任职能力,提高基层组织战斗力提供了理论支持和有效途径。     

灾害应急反应建模与仿真

为了满足多智能体应急反应仿真的需求,首先对构建多智能体应急反应仿真模拟框架的复杂性进行了分析,在此基础上提出并设计了组件式仿真模拟框架.采用本体(Ontology)建模、语义网模型及产生式规则推理等理论方法构建了仿真模拟框架的场景建模模块、人员Agent建模模块等组件.最后对依照上述研究内容所开发的原型系统进行了测试,对测试结果进行了分析,结果表明该框架能够有效满足多智能体应急反应仿真的建模需求.     

基于量子粒子群优化的无人飞行器路径规划

根据地形障碍、敌方防御雷达、防空火力等威胁以及禁飞区的分布情况,引入最小威胁面的概念,利用B-Sp line插值逼近最小威胁面中的三维航迹在二维水平面内的投影,从而将三维曲线的规划问题简化为二维平面中控制点的寻优问题。采用量子粒子群优化算法,将约束条件和搜索算法相结合,有效解决了简单粒子群算法在高维空间中易陷入局部最优点的问题,简化了问题复杂度、提高了计算效率。仿真结果表明,生成的航迹具有地形跟随、障碍回避和威胁回避等功能。     

装备剩余寿命预测平行仿真中模型动态演化方法

装备平行仿真中的一个重要概念是实时数据驱动的模型动态演化,但是至今仍缺乏具体应用领域的实现方法。以带未知离散冲击的混合退化装备剩余寿命预测为背景,以多态Wiener状态空间模型为演化对象,提出一种装备平行仿真中模型动态演化方法,包括基于交互多模型强跟踪滤波的模型软切换和基于期望最大化算法的模型参数在线估计,并实现了基于平行仿真的装备剩余寿命实时预测。利用某轴承退化数据进行实例研究,结果表明该方法能有效提高仿真逼真度,剩余寿命预测的准确度较高、不确定性较小,具有较高工程应用价值。     

学生赶考情急跳楼 管理不善学校担责

【案例】小张和小李系一对好同事、好姐妹,二人又同时被单位外派到某机关帮工。在帮工单位因为二人经常出差下基层,每到帮工单位发工资或奖金时,二人时常相互代领,代领之后大家也是顺手将钱交给对方,谁也没有想到打个收条之类的。2008年年底小张帮工结束即将返回原单位。     

一种提升树算法在网络故障关联分析中的应用

针对移动网络故障反馈与故障分类的准确率问题,提出一种基于k-NN的多分类器提升树算法,该算法采用k近邻对特征向量空间划分,结合adboost误差函数和迭代算法,实现多分类器决策判别,并利用R语言可视化方法的关系数矩阵提取和筛选出投诉/故障映射主属性,进而建立基于基站退服、覆盖盲点、非网络原因3类故障投诉关联分析及预测模型。实验结果表明,与C50决策树、RIPPER分类规则及SVM比较,在网络故障关联预测方面新算法的分类准确率提升约2%～10%。