武警院校干部体能评价研究

通过对4所武警院校共计800名教员和机关干部体能状况进行调查，研究了不同体型干部的体能现状，进行了相应的体能评定，并制订了体能综合评价模型。本研究建议：加强武警院校干部的耐力素质训练，以提高干部体能水平，增强体能，改进生活方式，提高武警院校干部的教研能力。     

满足大动压模拟要求的试验弹道优化设计

为了解决弹道导弹在高海拔发射场进行飞行试验时的大动压检验问题,提出一种模拟大动压条件的试验弹道设计方法。针对发射场的实际特点,建立残骸再入的动力学模型与落区边界模型;将大动压模拟条件转化为过程约束,提出一种主动段联合优化策略。基于自适应模拟退火算法,分别设计了三组满足不同大动压模拟条件和各项约束的试验弹道,并给出了对应的落区调整方案,验证了该方法的可行性。设计结果表明,最大动压主要出现在一级,一级最大负攻角增加,则最大动压也明显提高;同时调整发射方位角和二、三级程序角可以保证试验弹道满足弹头落点约束条件。     

基于博弈论的装备科研、购置、维修经费比例关系优化分析

通过不同时期国家战略部署、科研发展情况及经济承受能力对装备经费分配的影响分析,采用博弈的方法,建立了装备科研、购置和维修费之间的比例关系优化模型,给出了寻求纳什均衡点的迭代算法,并进行了仿真计算.仿真结果证明了该方法的可行性与正确性.     

针对“四强”特点 培育“四力”素质

网络信息时代，面对层出不穷的不良信息，如何提高官兵抵制负面影响的素质能力，概括起来就是：要针对不良信息“腐蚀性”强的特点，不断培育官兵“乐于追随”的不变定力；要针对不良信息“迷惑性”强的特点，不断培育官兵“善于思辨”的不凡智力；要针对不良信息“煽动性”强的特点，不断培育官兵“敢于斗争”的不惧魄力；要针对不良信息“持久性”强的特点，不断培育官兵“甘于奉献”的不竭动力。     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

大学英语分级教学模式下的学习策略培养

大学英语分级教学模式下对学生的学习策略培养非常重要。教师在整个教学过程当中,要研究和掌握学生的语言学习习得过程,研究其学习特点,认知风格,心理特征,加强对学生学习策略的培养和指导,帮助学生积极参与、探索、建构和使用学习策略,为学生掌握学习策略提供条件与平台,使学生自觉运用学习策略自我管理、自我调控、自我评估学习过程和学习效果,不断提高自主学习的能力。     

军校教学工作应重视的几个问题

从教与学的关系讨论人才素质的培养,是军校教学工作值得重视的一个问题。在教学工作中应全面理解素质教育的内涵,坚持教学与科研并重,重视学员创新能力的培养,以及如何评价教员的教学水平等问题进行了探讨。对军校教学工作应如何实施素质教育,怎样发展学员的个性等问题也提出了一些看法。     

辐射传热时活塞式气缸中加热气体的最大膨胀功

对热辐射传热定律q∝Δ(T4)下,给定初态内能、体积,末态体积以及过程时间时,加热气体膨胀的最优构型进行了研究,利用最优控制理论得出最大膨胀功输出时膨胀的最优构型由两个瞬时绝热分支和一个E-L分支组成的结论.给出了各分支之间转换点参数的求解方法及最优构型的数值算例,最后将线性唯象传热定律、牛顿传热定律、平方传热定律、立方传热定律和辐射传热定律下加热气体膨胀的最优构型进行了比较.结果显示,随着传热指数的增加,理想气体的内能呈现出明显的整体增加趋势,而体积则呈现出明显的整体减小趋势.     

片上trace：嵌入式处理器的有效调试和优化技术

片上trace技术弥补了传统调试方法的不足,可以实现对嵌入式软件的非入侵调试.首先分析了当前主流调试方法的不足,论述了trace与断点调试方法互为补充的关系,而后介绍了YHFT系列DSP的片上trace系统TraceDo的功能与结构,并解释了路径trace的原理和工作过程,最后讨论了片上trace的应用.     

基于AdaBoost-SVM的P2P流量识别方法

针对传统的P2P流量识别技术存在识别率低和误判率高的缺点,将机器学习中Ada Boost算法的良好分类能力和SVM的泛化能力结合起来,提出一种基于Ada Boost-SVM组合算法的P2P网络流量识别模型,将SVM作为Ada Boost的基分类器,运用最小近邻法计算支持向量与训练集的样本间的距离实现分类进行P2P流量识别。最后,以4种P2P流量数据为研究对象在MATLAB上进行仿真,仿真结果表明,提出的Ada Boost-SVM的组合算法在P2P网络流量的分类性能和分类准确率上都优于单纯的Ada Boost和SVM,组合算法的P2P流量平均识别率高达98.7%,远高于Ada Boost和SVM的识别率。