激光武器及其在防空防天体系中的作用

蓬勃发展的激光武器已成为武器装备重要发展方向,在未来高技术战争中将发挥潜在的特殊作用。阐述了激光武器的特点、用途及其与传统的寻的制导武器之间的区别,分析了国外激光武器的发展现状,并对激光武器的工作机理及关键技术进行了探讨。     

中国收费公路制度改革的利益机制设计

收费公路是我国市场化改革延伸到基础设施的重大举措。收费公路已经被作为一种商品在向市场提供,且公路特殊性,使得收费公路产业具有明显的自然垄断性。在公路收费定价优势信息的主导下,在收费公路定价方面通行者处于明显劣势地位。本文希望通过利益机制的设计来提升通行者在收费公路定价博弈中的地位,通过利益机制设计中的激励与约束使公路收费定价者会倾向于选择更公平、公正的价格。     

基于专业、学科、基地三位一体的教育学科师资队伍建设实践

师资队伍建设是学科建设的核心任务,石河子大学师范学院基于专业、学科、基地三位一体的教育学科师资队伍建设实践取得了一定的实效。通过培育专业意识、提高专业教学能力、提供专业发展空间不断锤炼教育学科教师的专业素质和能力;依托学科凝练研究方向和集聚研究队伍,开展科研训练提高教师教育研究的能力;搭建教育研究与活动的优质平台,服务成果展示与转化,提升有效服务社会的能力。     

Vague物元及熵权的空袭目标威胁评估

为了应对防空反导作战需求,提出了一种基于Vague物元及熵权的空袭目标威胁评估方法。建立了空袭目标威胁评估复合Vague物元的概念,提出了一种新的将复合Vague物元转化为适合度物元的排序函数,使复合Vague物元便于量化处理,并运用熵权法客观地计算出了各空袭目标属性的权重,根据空袭目标威胁评估物元与正负理想物元的相对贴近度最终得到了目标威胁程度的排序。实例分析验证了该方法的实用性和有效性。     

战时工程保障能力分析方法

结合战时工程保障的特点及对作战行动的影响,在对比分析多种能力分析方法的基础上,提出了采用定量仿真模型分析战时工程保障能力的方法,通过建立工程保障活动的过程模型,利用仿真运算结果定量分析工程保障任务的完成情况及其对作战行动的可能影响。应用实践表明,该方法操作性强,能够反映工程保障过程中的动态过程和外界影响,便于分析人员了解各项工程保障能力的强弱,能够用于指导分析人员优化工程保障任务。     

四层梯阶控制在卫星编队的应用仿真

研究了四层阶梯控制在卫星编队的控制问题及仿真。利用卫星相对运动的线性方程组和轨道机动算法的基础上,结合卫星任务规划、行为决策、行为规划和操作控制的四层阶梯卫星编队结构,从而建立建立卫星编队绕飞半径的滤波控制。仿真结果表明了四层阶梯控制在卫星编队在上对运动过程中,缩小卫星之间相对距离变换范围,增强卫星编队的稳定性。     

退化速率跟踪粒子滤波在剩余使用寿命预测中的应用

毋庸置疑,剩余使用寿命预测对于设备的健康管理越来越重要。近年来粒子滤波方法被越来越多地应用到设备寿命预测技术当中,这是因为粒子滤波方法能更好地解决非线性非高斯系统滤波问题,而且能够获得不确定度信息。但该方法的预测性能却过度依赖于预测模型,并且对于模型参数的初始分布也比较敏感,这在一定程度上限制了粒子滤波预测方法的进一步发展。针对基本粒子滤波预测方法的不足,提出了一种基于退化速率跟踪粒子滤波的通用预测框架,以历史观测数据的退化速率统计规律作为指导来跟踪目标数据的退化速率,实现对粒子滤波预测方法的简化,并将该方法用于轴承和锂离子电池的剩余使用寿命预测,验证了方法的有效性。     

军民融合项目资金保障机制创新

"十三五"规划纲要鲜明提出要"探索建立军民融合项目资金保障机制"。通过分析军民融合项目资金保障机制创新的内在与外在动因,提出"合理定位协调政府、企业与资本市场的关系""坚持多元可持续的资金保障机制实现机理""立足国家能力、资本活力和法律规制平衡"三位一体的机制创新价值目标,由此提出军民融合项目资金保障机制框架建议,即融合引导机制、激励机制、风险防控机制、市场机制的机制框架,形成首尾相联、运作有序的管理闭环。     

外挂式导弹机弹分离气动干扰特性研究

以经典的机翼/挂架/导弹组合模型为例,采用重叠网格软件系统和计算流体力学技术,从机弹干扰工况简化和气动干扰特性影响因素分析两个方面对外挂式导弹机弹分离气动干扰特性进行研究。导弹分离轨迹参数和气动干扰系数的数值预示结果与捕获轨迹试验结果吻合,表明该计算方法能有效预测机弹分离轨迹和分析导弹与载机间复杂气动干扰现象。根据计算流体力学结果,从马赫数、机翼攻角、导弹攻角等方面,给出导弹在不同分离工况下的气动干扰规律,并采用增量系数法对缺失工况进行一阶外插处理的气动干扰数据外推方法,可应用于机载外挂空基武器的机弹分离轨迹预示和气动干扰特性设计中,具有重要的工程应用价值。     

基于异环境重要性采样的增强DDRQN网络

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。