切实提高领导干部贯彻落实科学发展观的能力

切实提高领导干部贯彻落实科学发展观的能力,重点应抓好四个问题:提高学习竞争能力,坚持靠素质求发展;提高科学决策能力,坚持用制度建强班子;提高依法行政能力,坚持按规章抓工作落实;提高开拓创新能力,坚持创造性地做工作。     

聚碳硅烷的高温高压合成与减压蒸馏

采用高温高压法合成了聚碳硅烷(PCS),通过改变合成条件与减压蒸馏温度的方法对PCS分子量及其分布进行调控。研究表明,改变PCS的反应温度、反应时间,可以基本控制PCS的分子量及其分布范围。随着反应温度的提高,反应时间的延长,PCS的分子量逐渐增大,分子量分布变宽。当合成温度高于450℃,反应时间大于6h时,或温度高于460℃,反应时间大于4h时,PCS中出现高分子量部分。随着反应条件的强化,高分子量部分逐渐增加,甚至出现超高分子量部分。提高减压蒸馏温度,可以有效降低PCS的低分子含量,提高分子量,降低分散系数。减压蒸馏温度每提高50℃,PCS的低分子含量约降低8%,重均分子量约提高1000,分散系数平均降低约0.3。     

专家系统优化排列准则及时间估计模型研究

军用仿真系统中 ,专家系统作为一个决策软件包 ,满足整个软件系统运行的性能需要 ,因此研究专家系统的推理时间是必要的。专家系统的推理时间与其推理模式、知识库结构等因素有关。针对知识库结构 ,利用时间齐次马尔可夫链为专家系统知识库进行建模 ,并给出了相应的时间估计模型及其排列准则 ,从而可以研究专家系统的实时性。     

提高某自行高炮电视自动跟踪精度的方法研究

介绍了某自行高炮电视自动跟踪系统的分布式计算机控制结构 ,分析了系统产生误差的主要原因 ,并针对这种原因提出了对系统进行改进的方法。实验证明 ,这些方法的采用对于提高电视自动跟踪系统的跟踪精度和跟踪平稳性具有明显的作用。     

应用多GPU的可压缩湍流并行计算

利用CUDA Fortran语言发展了基于图形处理器(GPU)的计算流体力学可压缩湍流求解器。该求解器基于结构网格有限体积法,空间离散采用AUSMPW+格式,湍流模型为k-ωSST两方程模型,采用MPI实现并行计算。针对最新的GPU架构,讨论了通量计算的优化方法及GPU计算与PCIe数据传输、MPI通信重叠的多GPU并行算法。进行了超声速进气道及空天飞机等算例的数值模拟以验证GPU在大网格量情况下的加速性能。计算结果表明:相对于Intel Xeon E5-2670 CPU单一核心的计算时间,单块NVIDIA GTX Titan Black GPU可获得107~125倍的加速比。利用四块GPU实现了复杂外形1.34亿网格的快速计算,并行效率为91.6%。     

激光制备高附着性能的铜基类金刚石膜

提升类金刚石(Diamond-Like Carbon, DLC)膜在被保护基底上的附着能力具有明显的实际应用价值。从微观机理上分析了前期设计的Cu基多层DLC膜有效性的原因。在此基础上,研究了DLC/SiC循环层中两者厚度比例对膜层的附着性能、纳米硬度和耐磨性的影响,以优化结构、进一步提升实际应用所需的膜层性能。纳米划痕和压痕测试结果表明:随着DLC层与SiC层厚度比例的增大,多层DLC膜在Cu基上附着性能逐渐降低,但当厚度比小于2.3时,仍接近厚度400 nm的单层DLC膜在Si基上的附着性能;Cu基多层DLC膜的纳米硬度逐渐提高,同时,耐磨性接近纯DLC膜。     

基于灰色模型的电磁轨道发射装置温度研究

在电磁发射过程中导轨温度受众多因素影响,而其中部分因素很难进行精确分析,为此运用灰色系统的分析方法对电磁轨道发射装置温度进行研究。为获取模型所需实验数据,搭建电磁轨道发射装置测试系统,并借此测量发射过程中的电流、导轨温度、出口速度等数据。由于测量仪器限制,借助ANSYS有限元仿真对测得的导轨温度数据进行修正,以获得导轨内表面温度。基于经典GM(1,N)模型与Simpson公式,提出一种改进型灰色模型,并以此方法对导轨温度展开研究,进一步选取同能级试验,对不同位置处各因素温升贡献度进行讨论。结论为进一步深入研究导轨温度提供参考和依据。     

开放式基金与金融市场的发展

投资基金是金融创新中最具代表性、最具革命性的金融工具和新的金融机构,它具有组合投资、分散风险、专家理财、净值交易、规模经营等众多的优点.通过对证券市场的繁荣、金融机构的优化、内部制衡机制的建立,将有效的促进金融市场的发展.     

以可靠性为中心的维修（RCM）发展动态

概述了以可靠性为中心的维修 (RCM )的发展过程 ,以 1997年版的《RCMⅡ》为主要参照 ,从 8个方面综述了RCM的发展动态     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。