利用星载GPS伪码测距进行小卫星星座的整网定位

首先针对小卫星星载ＧＰＳ伪码测距，基于星间差分消除／消弱误差，并引入星座网形约束，论述了星座模式下提高小卫星定位精度的一种整网数据处理方法，并给出了一个算例。然后进一步论述了不依赖ＧＰＳ的小卫星星座测控，以及提高小卫星星座定位自主性问题的几点设想。     

复合材料圆锥壳稳定性分析的传递函数法

基于线弹性小变形理论， 利用Ｆｏｕｒｉｅｒ级数展开、Ｌａｐｌａｃｅ 变换和摄动方法， 建立了复合材料薄壁圆锥壳的静力响应、频率响应、自由振动与屈曲特征值问题的渐近传递函数解。构造了复杂边界条件、中间带支撑、变锥度及阶梯变厚度圆锥壳的传递函数解。数值计算结果表明该方法具有很高的计算精度。     

浅海中球形声源诱发的海底地震波快速预报方法研究

针对浅海中球形声源诱发的海底地震波预报问题，提出了一种基于等效源-有限元联合法的快速预报方法。首先，基于波叠加原理，将球形声源的辐射声场等效为其对称轴上若干等效点源辐射声场的线性叠加，根据与球形声源表面上等效点源数量一致的场点振速匹配原则，确定等效点源的强度；然后，采用有限元法建立球形声源、浅海环境、边界条件的耦合动力学模型，计算相应源强下每个等效点源诱发的海底地震波场，并将其线性叠加快速求得球形声源诱发的海底地震波场；最后，从计算精度和效率两个方面，分别采用上述方法和有限元法，给出不同频率、不同海底底质时海水-海底界面上的法向应力级衰减曲线。结果表明：所提方法具有建模简洁、计算精度和效率高等特点，可用于快速预报浅海中球形声源诱发的海底地震波场。     

金属材料表面缺陷的激光超声检测技术

为了完成对金属材料表面缺陷深度的检测,提出了透射法检测与估计表面缺陷深度的方法。基于热弹机制和干涉接收方式,搭建了激光超声检测实验平台,实现了工件表面缺陷的非接触检测,完成了缺陷处的B-scan信号采集和成像,建立了透射系数与表面缺陷深度之间的关系。实验结果表明:由B-scan信号可见缺陷处透射声信号的幅值与表面缺陷深度有关;由透射系数-表面缺陷深度拟合曲线估计了深度0.3 mm表面缺陷,估计误差为16%,实现了表面缺陷深度的测量。     

基于模糊综合评判的网络安全风险评估

针对网络安全风险评估中影响因素复杂、指标难以量化的问题,提出了一种基于模糊综合评判的风险量化方法,建立了单一风险场景的层次化影响因素指标体系.应用实例证明,该方法所得评估结果科学合理,便于进一步的风险处理.     

高炮火控雷达射击安全工程设计

从原理和工程设计两个方面较为系统地阐述了高炮火控雷达射击安全诊断与控制方法,提出射击安全性设计的重要性、必要性和总体设计思路,论述了射击安全诊断与控制装置的设计方案及其关键技术,指出了它的应用范围及其可扩展性。     

伴随函数法与最优制导律性能分析

为选择适合先进空空导弹使用的制导律,以最小能量需求和零脱靶量作为目标函数,使用最优控制理论在相应假设条件下推导得到了5种最优制导律:比例导引制导律(PN)、增强比例导引律(APN)、PN-M制导律、PN-MT0制导律和PN-MT制导律。介绍了伴随理论以及原系统变换为伴随系统的方法,建立了脱靶量伴随系统和加速度伴随系统,利用伴随函数理论对比分析了各制导律闭合回路中脱靶量和末端需用加速度随末导时间的变化规律,并使用蒙特卡洛方法结果与伴随法结果进行了对比。结果表明,伴随法结果与蒙特卡洛结果精确一致,但伴随法的效率是蒙特卡洛方法的几百倍。通过分析结果可知,PN-MT制导律的性能最优,脱靶量和末端需用加速度均为零;当末导时间足够时,PN-M制导律性能接近于PN-MT制导律;PN-MT0制导律性能优于APN和PN,但次于需求信息量更少的PN-M制导律;而未利用导弹动力学信息的PN和APN制导律末端需用加速度非常大。     

多尺度方法在强非线性系统中应用的一个注释

多尺度法在求解非线性系统时，目前所得到的结果多集中在弱非线性系统上。论文对多尺度法进行了改进。对强非线性杜芬系统进行了变换，得到了强非线性杜芬系统存在3个解的结论，其中大的和小的是稳定的，中间的是不稳定的，物理上实现哪个稳定运动取决于初始条件。     

开展普法知识竞赛 增强官兵法律意识

近日，浙江某预备役工兵团在“五五”普法百题知识竞赛活动中，组织官兵利用业余时间学习《普法学习读本》和我国近几年新颁布、新修订的法律法规，并从驻地司法局请来了法律专家对一些疑难问题进行辅导，增强官兵的法律意识，提高了官兵学法用法和处理涉法问题的能力。     

2022年深度学习技术主要发展动向分析

深度学习正逐渐成为新一代人工智能最核心的技术之一。对2022年深度学习热门领域的主要发展动向进行了综合评述。首先,介绍小数据小样本深度学习研究领域的最新进展;其次,探讨量子计算与深度学习的融合路径;然后,概述强化学习对通用智能的推动作用;最后,盘点深度学习在多模态学习方向的进展。综述表明,面向小数据、小样本的深度学习技术正在引领深度学习向自监督方向不断迈进,深度学习与其他先进计算范式(例如量子计算等)深入融合趋势愈发明显,强化学习在一定程度上具备解决复杂问题的通用智能,多模态深度学习技术已迎来关键性突破。