新疆多民族地区维汉大学新生角色适应的差异性分析

研究采用司秀玲(2008年)编制的问卷《大学新生角色适应问卷》对新疆400名2015级维汉大学新生进行调查研究,结果表明:汉族新生在经济角色、人际角色、生活角色三个维度的适应性显著高于维吾尔族新生;生源地为城市和城镇的新生其经济角色、人际角色的适应性显著高于农村的新生.研究认为:从族别差异上看,文化差异及家庭教养方式会不同程度地影响维汉大学新生的人际角色适应、家庭经济状况会直接影响维汉大学新生的经济角色适应、民族特质会影响维汉新生的生活角色适应;从生源地差异上看,家庭经济状况及生活环境会导致农村新生与城镇及城市新生在经济角色适应上有显著差异、社交经历会影响农村新生在人际角色适应上弱于来自城镇和城市的新生.     

基于二值细化指纹图像细节点提取算法的研究

指纹细节点的提取对于指纹识别系统的性能至关重要,文中在二值细化指纹图像的细节点提取算法基础上,对细节点提取范围进行了算法改进,用C++语言实现了一种限制提取范围的算法和一种去除伪细节点的算法。实验表明,改进算法提取细节点的速度和精度都有了明显改进,相对原始的未加限制和去除伪细节点的算法,文中算法耗时减少了约2/3,细节点有效性提升了约3/4。     

穿甲子弹垂直侵彻防弹钢试验与理论模型

试验研究了穿甲子弹垂直侵彻高强防弹钢的机理,提出了一个分析靶板极限速度和弹体剩余速度的理论模型,该模型综合考虑了材料的应变率与热软化效应,结果表明,理论值与试验值吻合很好.分析了失效准则的影响,研究了剪切带温度和靶板耗能随入射速度的变化规律.     

STL格式下隐形装备表面的分形维数计算

介绍了STL文件的存储格式,对STL文件存储的离散点进行了表面的线性拟合,根据分形维数的计算方法推导出了拟合曲面的维数计算方法.为了验证提出方法的正确性,利用此方法计算了STL格式下维数为2.05的Weierstrass-Mandelbrot曲面的分形维数,其结果为2.035 8,与已知维数吻合.此方法为STL格式下隐形装备的特征研究提供了一种新的途径.     

鱼雷纵向运动二次型稳定H∞控制

讨论了二次型稳定H∞鲁棒控制理论及其在鱼雷纵平面航行控制中的运用.用模型的参数摄动来描述鱼雷纵平面航行模型的建模误差,设计了基于状态反馈的H∞控制器,并对系统进行了分析和仿真.所设计的控制器在被控对象存在一定范围参数摄动的情况下,仍能使系统保持预期的性能.     

基于递阶偏最小二乘回归的飞机采购价格预测

分析了飞机采购价格预测建模样本数据少、价格驱动因子众多的特点,考虑到递阶偏最小二乘回归(Hierarchical Partial Least-Squares Regression,Hi-PLS)方法在变量规模巨大情形下进行回归建模的优势,应用Hi-PLS对飞机采购价格进行预测。以战斗机采购价格预测为例进行了研究,首先对战斗机采购价格驱动因子进行分组,然后应用Hi-PLS对分组后的价格驱动因子进行回归,建立采购价格预测模型。实例表明,在飞机采购价格预测方面,采用递阶偏最小二乘回归预测更能体现价格与飞机性能参数之间的关系。     

基于多粒度多语义语言判断矩阵的群决策方法

在基于语言判断矩阵的群决策中,多个决策者可能会使用不同粒度不同语义的语言评价集表达自己的偏好。针对此问题,提出了将多粒度多语义语言评价集统一转化为基本语言评价集上二元语义的一致化方法,证明该方法能够实现信息无损的转换,且转换后语言判断矩阵性质不会改变。在此基础上,基于二元语义的相关集结算子,将二元语义信息集结为群体的判断。通过一个实例验证了方法的有效性和实用性。     

一种JPDA的快速算法

为使标准JPDA算法能在实际工程中实时应用,着重在JPDA的主要计算环节进行了改进和实时性提升,提出了一种JPDA的快速算法。通过引入"关联目标类",对确认矩阵进行降维,即把一个高维数矩阵分解成若干"相互独立"的低维矩阵。提出了一种互联概率的递归计算方法,减少拆分矩阵巨大的内存占用需求。同时还对相关波门和滤波方差计算进行了改进。仿真结果表明,快速算法比标准JPDA算法的计算时间有显著缩短,在不是"太密集"的多目标环境下具有一定的工程应用价值。     

脉冲等离子体推力器羽流的粒子模拟

目前微小卫星正在积极地发展中,脉冲等离子体推力器是其推进系统的一个重要发展方向,为了能够将PPT成功地运用于空间,需对其羽流进行研究.将DSMC(Direct Simulation Monte-Carlo)/PIC(Particle in Cell)流体混合算法与一维MHD放电模型相结合,一体化模拟NASA Glenn PPT羽流,对不同出口偏转角的羽流场进行模拟,并与实验结果进行了比较.计算结果显示引入出口速度的偏转角提高了模型的羽流扩散能力,羽流的扩散角是影响羽流的一个主要因素.