宋庆龄与皖南抗战

抗日战争时期,宋庆龄在周恩来的支持下,在香港组建了保卫中国同盟,向国内外广为募捐,再将医药物资输送给抗日军队。活跃在安徽境内的新四军得到其很多援助,宋庆龄和保盟大力支持的中国工业合作运动,在皖南建起了工业合作社,使得当地军民直接受益。《保盟通讯》对皖南事变的及时报道和宋庆龄的积极宣传,使国际社会得以了解真相,为安徽抗日军民赢得了应有的同情和尊敬。宋庆龄对安徽抗战提供的经济医药援助,特别是精神上的支持和舆论上的奥援,其不可替代的历史作用将彪炳史册。     

希拉里：“阿拉伯之春破坏了地区安全”

在希拉里·克林顿最终因为美国驻利比亚班加西领事馆遇袭而遭到枯责的时候,她称阿拉伯之春“破坏”北非安全,还谈到马里和阿尔及利亚的紧张局势。克林顿国务卿在参议院对外关系委员会中的发言充满了情绪。她先谈到早在1988年．就有美国大使遇袭身亡．班加西的事件是长期的暴力袭击传统与2011年阿拉伯之春的大众革命运动开始之后地区不稳定局面相结合的结果。这次国会听证会因希拉里的健康状况而推迟了一个多月,希拉里提交了袭击事件之后的详细记录,并声称她在国务院指导了美国的应对措施。     

土壤胡敏酸质量分数对TNT吸附-解吸的影响

研究了TNT在去有机质茶园土、茶园土原土、胡敏酸质量分数2%茶园土和胡敏酸质量分数5%茶园土共4种土壤上的吸附动理学以及吸附-解吸行为。动理学实验表明,胡敏酸质量分数越高,土壤吸附的TNT越多,快吸附和慢吸附区分越明显,吸附达到饱和状态所需的时间越长。吸附-解吸实验表明,TNT在土壤上的吸附-解吸特性与土壤胡敏酸质量分数有关:胡敏酸质量分数越高,土壤吸附TNT的能力越强,解吸能力越弱,解吸滞后性越显著。4种土壤的胡敏酸质量分数顺序由大至小为胡敏酸质量分数5%茶园土、胡敏酸质量分数2%茶园土、茶园土原土、去有机质茶园土;土壤吸附TNT能力和TNT解吸滞后性皆与此顺序一致,而TNT解吸能力则与此顺序相反。     

舰空导弹武器系统抗击能力评估

舰空导弹武器系统抗击能力通常会随着舰空导弹单次射击而发生变化,为增强舰空导弹武器系统抗击能力评估方法的实用性,提出了一种新的舰空导弹武器系统抗击能力评估方法,进而构建了舰空导弹单次射击能力评估方法。算例证明,本文提供的方法可以有效评定单艘水面舰艇上单个舰空导弹武器系统在作战使用环境下的抗击能力。     

大型舰艇箔条质心干扰防御反舰导弹仿真

箔条质心干扰是大型舰艇防御反舰导弹的重要手段。基于干扰机理分析,建立了以箔条云、舰艇切割效应模型为核心的干扰仿真模型,并利用仿真实例验证了该模型的正确性和合理性。在此基础上,通过典型场景下的仿真分析,揭示了大型舰艇箔条质心干扰运用的特殊性,为大型舰艇箔条质心干扰效果评估和运用方法研究提供模型支撑和定量依据。     

联合作战中作战单元决策演化博弈研究

利用演化博弈理论,探讨了联合作战中担负相同作战任务的作战单元间其策略选择根据利益变化的演化过程,建立了复制动态方程并求得平衡点解,通过复制动态的相位图直观反映了博弈的演化稳定策略,并通过Malab软件对作战单元策略选择与收益关系进行了仿真,其行为选择的演化结果与相位图展示具有一致性。研究结论表明,收益大小及变化是作战单元策略改变的重要依据,最后针对提高作战单元间的策略稳定性提出对策建议.     

一类非线性军备竞赛博弈的动力学研究

针对多国军备竞赛问题,基于混沌动力学理论,并考虑到非线性因素对军备竞赛的影响,改进了理查森军备竞赛模型,建立了三国非线性军备竞赛的动力学模型,通过Matlab数值仿真表明,各博弈方的预期函数影响军备竞赛的稳定性,通过调整国家的不同预期函数变量,能够使军备竞赛从混沌逐步趋于稳定,这一结果将为国际军控研究提供一定的参考。     

江麓集团:推行TPM设备管理 让生产设备不怠工

<正>江麓集团在设备管理工作中积极探索TPM管理体系,使生产设备在生产中发挥了重要作用,提升了工作效率。日前,该公司《军工企业TPM管理体系构建及实践》荣获湖南省企业管理创新成果二等奖。一是通过TPM管理培训和宣传,全员自主管理设备意识增强。江麓公司举办了多期TPM管理活动培训班,培训内容包括《现代设备点检管理》、《TPM管理动态指标绩效》和《现代设备管理及意义》等课题,共有17个单位     

服役工况下镍基单晶高温合金的损伤机制研究进展

为提高镍基单晶叶片服役寿命、解决发动机和燃气轮机的关键核心技术,近年来国内外持续开展了大量针对镍基单晶高温合金服役情况下损伤与失效机制的研究。从实际服役条件出发,总结了镍基单晶高温合金疲劳、蠕变和热机械疲劳损伤机制等研究成果与进展。此外,针对大量实验造成的时间与成本增加问题,还总结了近年来在镍基单晶高温合金的寿命预测方法方面的研究工作与成果,并提出了目前在镍基单晶高温合金寿命评估与失效分析研究方面所面临的困难和挑战。     

基于仿真实验的智能并行训练方法

智能训练是利用机器学习算法对神经网络智能体模型进行训练优化的过程,智能体模型通过不断试错的训练方式实现智能提升。大规模训练数据是智能训练的必要条件,通常难以从现实世界中直接获取,如何通过仿真的方式生成大量有效的训练数据,是智能训练的重要研究方向。对此提出一种基于仿真实验的智能并行训练方法,利用仿真实验管理可快速生成批量仿真实验想定,并支持节点自动部署和运行,通过合理的训练架构设计和有效训练流程设计实现智能并行训练。通过实际案例展示了智能训练的仿真实验管理过程,并结合训练效果证明了给出的方法提高了智能训练效率和智能体泛化性。