装甲车内环境对乘载员战斗力影响评价

在装甲车内,对乘载员战斗力构成影响的微环境因素有振动、噪声、温湿度和有害气体等,这些因素的联合作用对乘载员的战斗力有着严重的影响,把模糊综合评价理论和环境因素对乘载员战斗力影响的"疲劳降低工效界限"暴露时间相结合,建立了基于时间指标的装甲车内微环境模糊综合评价模型,对装甲车内环境对乘载员的战斗力的影响实现了定量评价,解决了装甲车内微环境对乘载员战斗力影响定量化的难题,实验证明该模型计算结果与实际情况相符合。     

试论市场经济条件下的企业内部控制制度

一、现代企业内部控制的内容 对于内部控制的概念和内容,不同时期、不同人有不同的表述,现比较普遍接受的观点是美国COSO报告所提出,即: 1 控制环境 控制环境由反映最高管理当局、董事和企业所有者对控制以及控制对企业重要性的全面态度的各种行为、政策和程序组成。在COSO报告中,将控制环境的子要素分为正直和道德价值、委托胜任的人员、管理哲学与经营方式、组织结构、董事会或审计委员会、权责的划分以及人力资源政策和实践。     

主战坦克作战效能分析与模糊综合评价

主战坦克是我军地面战的重要武器,长期以来其作战效能的评价都采用单一的指标,无法全面、准确地进行评价。通过对影响主战坦克作战效能各因素的全面分析,建立了主战坦克作战效能综合评价的指标体系,并以模糊综合评价为手段,应用模糊集合和模糊数学,建立了主战坦克作战能力的综合评价与分析模型,并给出计算实例与分析。研究结果对全面而科学地评价坦克作战效能具有积极的指导作用和较强的实用性。     

本科教学评价工作应着力抓好的几个问题

从本科教学工作评价的需要出发,对教育观念转变、学科专业布局、教员队伍建设以及深化教学改革、提高教学质量、完善教学管理过程等问题进行探讨,就学院下一步教学工作评价的总体思路和应重视的几个环节,提出了一些较深入的看法。     

涉水岸坡稳定性影响参数的敏感性分析

针对常规的敏感性分析所存在的不足,提出用灰色系统理论中的灰关联分析方法对影响涉水岸坡稳定性的诸多因素进行敏感性分析.通过分析表明,在影响岸坡稳定性的诸多因素中,内摩擦角的影响最大,其次分别是外水压力、粘聚力、土体密度和浸润面位置这些因素的影响,而坡高比对岸坡稳定性的影响最小.根据影响参数敏感性的大小,建议在实际工程中,可以优先考虑降低坡体内浸润面位置(增加排水系统),其次考虑改变坡高比(削坡法)的治理方法,来提高涉水岸坡的稳定性.     

作战飞机型号研制投资效果评价指标体系研究

在分析投入和产出两方面指标选取原则的基础上,建立了适合我国国情的作战飞机型号研制投资效果评价的指标体系结构.根据总的研制目标要求,通过对总体效果进行分解,得到了研制效果评价指标体系,并探讨了各指标的量化方法,为客观系统地评价复杂装备的研制投资效果提供了依据.     

符号检验在空战对抗仿真试验数据分析中的应用

针对如何提高仿真试验数据分析的科学性和可靠性,增强仿真工作者试验设计和统计分析的能力,首先简要介绍了符号检验法的基本原理、使用方法和使用策略.再以两型装备开展作战效能对比评估为背景,借助某型战术空战仿真系统,设计和进行了人在回路战术空战仿真试验,通过对仿真试验数据的分析,探讨了符号检验法的适用条件、应用方法和特点.最后通过算例证明,符号检验法是一种有效的对比型仿真试验数据的分析方法,具有较强的实用性和有效性.     

构建科学的选人用人机制

随着经济全球化的发展，人才资源竞争国际化的趋势日渐凸现，人才争夺战更加激烈，使本来就很严重的军队人才流失雪上加霜。在这场人才争夺战中，赢得竞争的决定性因素是各个竞争主体的选人用人制度。谁的选人用人制度更有优越性，更能凝聚人、激励人，更能整合和盘活各种人才资源，更能发挥人的聪明才智，谁就能赢得竞争。     

基于BP神经网络的坦克炮火力威力评价模型

从分析不同型号坦克炮的主要性能指标入手,应用BP神经网络理论和方法探索其火力威力评价的问题.建立了坦克炮火力威力评价的BP神经网络模型,对原始评价指标进行了归一化处理,并构造了3组训练样本,利用MATLAB6.5中神经网络工具箱的图形用户界面GUI对评价指标和样本进行训练、仿真,并对结果进行比较.结果表明,BP神经网络模型能很好地解决评价指标与结果之间的非线性关系,评价坦克炮火力威力简便可靠,客观性强;研究结果可为坦克炮的进一步开发和研制提供理论参考.     

基于果蝇算法优化LSTM的雷达波束扫描行为预测

在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫描位置数据抽象为网格数据,利用果蝇优化算法寻找最优的LSTM网络超参数,提出了一种基于果蝇算法优化LSTM的波束行为预测方法。仿真实验表明所提算法在果蝇算法调参的支撑下,相较NAR神经网络算法和普通的LSTM算法而言,预测精度和鲁棒性更强。