便携式绳轨提升装置的轮盘-绳索摩擦提升力模型

为提高便携式绳轨提升装置的实用性,对基于摩擦的该类装置的提升能力展开研究。利用控制变量法分别研究末端拉力、包角与轮盘-绳索相对尺寸对两者之间摩擦提升力的影响,结果表明该提升力均随三种因素的增加而增加但趋势变缓;轮盘-绳索之间的静摩擦系数随绳索末端拉力与包角的增加而减小并趋于稳定,随轮盘-绳索相对尺寸的增加而增加并收敛。论证了包角与末端拉力对摩擦提升力的影响相互等效,发现了轮盘-绳索摩擦的尺寸效应,构建了以上因素共同作用下的轮盘-绳索摩擦提升力模型。该模型是对欧拉公式的扬弃,深化了对轮盘-绳索摩擦规律的认识,对便携式绳轨提升装置的小型化、轻量化设计具有重要意义。     

直升机低空突防中的近程航迹规划方法

武装直升机实施低空突防时,在远程航迹规划得到的参考航迹上进行近程航迹规划来求得用于飞行的实际航迹,通过近程规划中面临的实际战场情况和机载探测、导航系统自身限制的分析,得到近程规划算法的主要限制和约束条件,并建立了快速蚁群算法和宽度优先快速搜索算法两种近程规划方法,在样例地形和威胁信息的基础上进行仿真,搜索最优航迹,计算航迹的各项指标,针对两种算法的特点进行了讨论,最后的计算结果可以作为近实时情况下的实际飞行航迹节点提供给导航系统。     

装甲机械化部队综合信息系统效能评估

首先通过对装甲机械化部队综合信息系统的功能需求进行分析,并结合建立效能评估指标体系所遵循的原则,建立了效能评估指标体系.然后介绍了确定评估指标体系各指标权重的AHP法,并建立了对装甲机械化部队综合信息系统进行效能评估的模糊综合评判模型.最后通过实例说明了模型的可行性.     

基于复用技术的装备保障信息系统构架、构件研究

将软件复用技术应用于装备保障信息系统的开发,采用基于构件/构架的开发方法,加快系统开发速度,提高产品质量,并有利于维护和升级.     

支队级灭火救援模块化编制模式探讨

针对城市辖区内灭火救援的实际任务需要,从灭火救援模块化编制的组成及对部队现有训练模式的影响两个方面进行探讨,提出对部队的车辆人员进行模块化编程,以固定的模块化力量组合来应对变化的火场和应急救援任务,发挥人员及车辆的最佳效能。     

供应链模式中采购管理组织结构沟通效率评价

为了评价采购管理组织结构沟通效率,利用趋势模型为组织结构构建提供科学可见的过程,并量化计算交流阻力,为项目选择沟通效率最高的组织结构.将此方法应用于采购实例评价,经过验证,此方法有一定的科学性和实用性.     

装备保障仿真军事规则探讨

军事规则体系是军事概念模型的核心内容之一,它明确描述了主要实体间的关系,把实体的军事行为依据从定性的原则具体化为定量的规则,使军事概念模型的开发过程得以独立于特定的可执行系统。针对装备保障仿真系统开发对装备保障仿真军事规则体系建立的需求,在定义装备保障仿真军事规则概念的基础上,就装备保障仿真军事规则体系的构建原则进行了分析,提出了建立装备保障仿真军事规则体系的基本方法,并给出一个简单的示例。     

基于0特征值的复杂网络结构可控与优化研究

网络结构可控对于网络控制具有重要的意义,其核心是确定结构可控时最少输入节点数量和输入节点集.针对无向网络这一问题,提出了基于无向网络结构邻接矩阵的"0特征值"的结构可控最少节点输入数量求解办法,并进一步得到结构可控最少输入节点集,在此基础上,给出了网络结构优化策略与方法,并对网络进行了优化.实例计算表明,采用邻接矩阵"0特征值"求解无向网络结构可控最少输入节点数量方法,适用于稀疏网络和紧密网络,网络结构优化策略有效,具有很强的现实意义.     

情绪对初高中学生道德判断的影响

道德行为是道德判断的结果,而道德判断往往受到情绪的影响。愤怒和愉快是对个人行为产生影响的两种不同的典型情绪状态。通过采用情绪启动范式进行了实验研究,从愤怒和愉快两种情绪状态和情绪强度两个方面,对初高中生共444人的道德判断水平进行了考察。结果发现愤怒情绪状态下中学生的道德判断得分明显的高于愉快情绪状态,高中生的得分明显高于初中生,情绪的强度对中学生道德判断水平没有影响。     

Visual SLAM in dynamic environments based on object detection

A great number of visual simultaneous localization and mapping (VSLAM) systems need to assume static features in the environment. However, moving objects can vastly impair the performance of a VSLAM system which relies on the static-world assumption. To cope with this challenging topic, a real-time and robust VSLAM system based on ORB-SLAM2 for dynamic environments was proposed. To reduce the influence of dynamic content, we incorporate the deep-learning-based object detection method in the visual odometry, then the dynamic object probability model is added to raise the efficiency of object detection deep neural network and enhance the real-time performance of our system. Experiment with both on the TUM and KITTI benchmark dataset, as well as in a real-world environment, the results clarify that our method can significantly reduce the tracking error or drift, enhance the robustness, accuracy and stability of the VSLAM system in dynamic scenes.