SiC纤维表面CVD SiC涂层对其单丝强度的影响

采用化学气相沉积(CVD, Chemical Vapor Deposition)工艺在KD-I型SiC纤维表面制备了SiC涂层,选择2h、4h、6h和8h四个时间点研究了沉积时间对纤维性能的影响.结果表明:具有CVD SiC涂层的SiC纤维较无涂层的纤维来说强度有所下降;在所研究的沉积时间范围内,随着沉积时间的增加,涂层的厚度有所增加,涂层由不连续的岛状转变为连续层状,纤维的单丝强度出现了先升后降的趋势.     

滑动聚束SAR步进扫描影响分析

滑动聚束SAR系统在实际工作中通过步进扫描的方式来实现天线照射波束在方位向的扫描,然而该扫描方式会在滑动聚束SAR的成像结果中引入成对回波。为分析该成对回波的形成物理机制,建立滑动聚束SAR步进扫描的数学模型,通过泰勒展开和傅里叶级数分析具体解释了成对回波的成因,并给出了成对回波幅度及位置与步进脉冲控制数之间的定量关系。理论分析和信号仿真结果表明,该模型能够准确有效地解释这一现象,并可为滑动聚束SAR的波束扫描系统参数设计提供理论依据。     

城市战场目标分群的组合聚类方法

为了消除或减少城市作战中灰色情报信息对态势评估中目标分群的影响,提出一种基于Chameleon算法的组合聚类方法.根据目标属性间的区间灰数关联度和目标间的距离系数得到相似度矩阵,利用Chameleon算法对目标进行初始分群,然后,对分群中各目标的属性历史数据和分群中心的属性历史数据分别进行区间灰数向量关联分析,实现了目标分群的动态维护.通过算例验证了方法的有效性.     

基于GM-ANP的维修人员保障能力评估

以维修人员保障能力评估指标体系为基础,建立基于GM-ANP的维修人员保障能力评估模型。采用网络分析法(ANP)确定各因素的权重,运用超级决策SD软件辅助计算权重;用灰色聚类评估方法(GM),确定评估样本矩阵和评估灰类,计算灰色评估权矩阵;综合权重和评估权矩阵,得出评估结果。通过实例计算表明这种评估模型的有效性和实用性。     

新型1064激光防护染料的合成及其近红外光谱

以间氨基苯酚为原料合成了两个3-甲基-7-二烷氨基-1，4-氧氮杂萘-2-酮化合物，并将其与方酸缩合得到了两种氧氮杂环方酸菁近红外吸收染料．初步研究了染料的近红外吸收光谱特性，结果表明：染料的最大吸收波长都在1064nm左右，且强度很大，而在可见光区无明显吸收，可望应用于该波段的激光防护．     

有钱时，天天送你玫瑰花

今天是妻的生日,只能找个时间在电话里问候了。回首与妻共同走过的日子,多少个情人节,多少个妻的生日,我没有送过一件礼物给她,哪怕是一支玫瑰花。那一年一次偶然的机会,我与妻相识了。当时我是一名穷得叮当响的“大头兵”,妻则是一家国企中月薪逾千元的职员。经过一定阶段的严格考核,因我品行忠实,做事雷厉风行,对待生活满怀热情,最终妻忽略了我一穷二白的现实背景,毅然决定将一生托付与我。结婚时,为了照顾我这个头号穷光蛋,妻克服了现代女孩婚嫁铺张的攀比之风,答应我婚事一切从简。而后我们寄居在岳父母家中。当我因此而感到自责时,妻却…     

基于最优化的广域雷场空间多节点坐标修正算法

为了解决在智能雷场中,GPS精度无法满足节点布局精度要求的问题,提出了精准测距和GPS相结合的节点坐标修正算法。算法对活动雷进行聚类处理,将雷场划分为多个区域,在得到的多个点集中寻找可组成凸多边形的点。通过坐标修正模型,将问题转化为最优化问题,完成对凸多边形各顶点坐标的修正,最终实现全部节点的坐标修正。实验结果表明修正算法可以有效减少广域空间中多节点间坐标的相对误差,使坐标尽可能与节点实际物理位置一致。     

基于模糊聚类——拍卖机制的火力协同方法

针对协同作战中环境影响复杂度高,火力分配不及时、效率低等问题,提出了陆战场协同任务分配方法,构建了多武器-目标任务的数学模型。在该数学模型的基础上,基于聚类算法与拍卖算法相结合的原理进行优化求解,在两级分配的模式下,可在更短的时间内获得分配方案。算例表明,所构建协同任务分配模型能够及时有效地获得任务分配方案,较好地解决了多武器-目标的协同任务分配问题。     

基于K-Means聚类算法的空中态势威胁挖掘

战场环境复杂多样,各种探测手段层出不穷,空中威胁属性指标种类繁多,增大了指挥员对空中态势威胁分析难度。正确、快速地对空中态势进行威胁分析,将给战场部署提供有效的决策依据。建立基于K-Means聚类算法的空中目标威胁等级聚类模型,通过对空中目标威胁属性特征的数据进行分析,对威胁目标聚类进行深度挖掘,将目标威胁等级问题转化为最优聚类问题。实例分析表明该算法在对威胁目标等级聚类中有效,提高了目标威胁等级聚类的可靠性、精确性。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。