任务分配问题的对称群方法

探讨了无人飞行器(UAV)编队的任务分配问题。任务分配是UAV协同控制的基础,其解是任务区域内各任务的一个排列。求解UAV任务分配问题的有效方法是能在合理的计算时间内找到近似最优解的启发式算法。用对称群描述UAV任务分配的搜索空间,基于右乘运算构造搜索邻域。仿真结果验证了群论禁忌搜索算法的有效性。     

军械装备通用润滑脂的研制

介绍了军械装备通用润滑脂的研制过程及性能,分析了基础油、稠化剂、抗氧化剂和防锈剂对润滑脂性能的影响。实验室理化性能测定和实际使用结果表明,该脂主要性能达到了美军标M IL-PRF-10924G的质量标准,可以满足我军军械装备的使用要求。     

基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

连续信息空间中的信息泄漏问题研究

在联邦式作战仿真平台中,互相通信的主体在进行通信的同时还需要保护其私有的信息。讨论了基于线性方程组“无穷解”条件下的连续信息空间的信息泄漏和保护问题,包括该模型的基本特性和防止泄漏的方法,指出了存在信息的部分泄漏问题,并给出了检测部分泄漏的方法,为提高计算性能,可指定检测子空间,最后,讨论了信息动态改变对信息泄漏的影响。     

激光强化电刷镀纳米Al2O3／Ni复合镀层的耐磨性

设计了激光强化电刷镀设备,制备了激光强化电刷镀纳米Al2O3/Ni镀层,研究了其显微硬度和耐磨性,分析了激光强化电刷镀纳米Al2O3/Ni镀层耐磨性增加的原理.研究发现,当激光功率为300 W时,激光强化电刷镀纳米Al2O3/Ni镀层的显微硬度比普通纳米Al2O3/Ni电刷镀层提高约HV150,相对耐磨性是2.3,摩擦因数有所降低.细晶强化和纳米颗粒弥散强化是镀层硬度和耐磨性增强的主要原因.     

相变温控混凝土相变储热性能试验研究

混凝土中加入相变材料之后对水化反应产生的热量有一定的吸收,从而对混凝土内部温度有一定的控制作用,这将减少混凝土温度裂缝产生的几率.通过筛选带一定结晶水的硬脂酸、月桂酸和正十二醇的3种有机相变材料,模拟实际大体积混凝土工程来研究不同相变材料的掺量、控温效果.运用计算机软件绘制时间一温度曲线,从中搜寻出最佳的相变材料掺量.     

科学制定发展规划 彰显地方高校职能

地方高校制定发展规划是适应国内外高等教育发展的客观需求，是区域经济社会发展的必要需求，是高校自身发展的迫切需求。地方高校要履行高校职能，更好地为地方经济社会发展服务就必须科学制定规划，特别是要战略规划学校的办学定位、特色和目标。同时，规划的实施要强调监控并要与高校职能协调统一。     

星机双基地合成孔径雷达方位向成像性能分析

星机双基地合成孔径雷达系统中,由于收发平台运动速度差异较大,因此需要对收发波足(波足是指波束在地面的投影)的运动速度进行合理的设置,减小收发波足速度差,尽可能地提高收发波足覆盖范围和时间,进而实现高分辨率、大方位场景成像。根据收发波足覆盖时间的相互关系,分析收发波足共同覆盖范围内的方位向成像性能。分析收发波足方位向位置偏移对方位向成像性能的影响,从而对星机双基地合成孔径雷达系统的波束同步精度提出要求。仿真结果表明,所提出的方法能够很好地分析收发波足同步误差对成像性能的影响,能够为星机双基地合成孔径雷达系统设计提供重要参考。     

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。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。