南宋四川山地滨江防卫型城池营建研究——以重庆多功城为例

南宋抗蒙斗争时期,四川军民凭借严密的山地滨江网状防御体系成功地抵御了蒙军长达数十年的进攻。为分析、总结这一体系中山地滨江防卫型城池的营建特征,以其中一个重要城池——重庆多功城为代表,从历史沿革、选址、地形地貌、平面布局、周边道路、环境和主要建筑特征等方面进行分析,并结合相关史书资料和其他城池研究成果,总结出南宋四川山地滨江防卫型城池的营建特征:选址依山临水,择险而立;防御设施完善坚固;后勤保障得力。     

无机化学教学中案例教学法的应用研究

案例教学法是一种历史悠久又常用常新的教学方法,恰当地应用案例教学法对激发学生学习兴趣,增强学生的主体性和学习的主动性有着十分重要的作用,同时,也是讲练结合,学为所用,更好更快提高课堂教学质量的重要方法。通过对无机化学知识体系的剖析和研究,收集筛选多个案例、多个知识点应用案例教学法,对无机化学的教学产生了积极的促进作用。     

基于STK/X的航天器悬停应用仿真技术

针对基于STK/Connect典型模式航天仿真时需要同时启动STK软件的局限,在对STK/X组件技术进行深入研究的基础上,采用基于STK/X的仿真模式,通过STK/X组件提供的接口函数和相关交互命令,将STK引擎集成至航天器悬停应用仿真中,从而实现应用程序对仿真场景的控制与调用,并通过分析处理单元对通过交互所获取的STK场景中仿真数据的处理,对航天器悬停应用仿真效能进行了分析。该集成不仅充分利用了STK强大的轨道仿真能力,还有效提高了仿真程序整体效率。     

基于认知实验的虚拟维修训练效果评估研究

为了客观、准确地评估虚拟维修训练系统的训练效果,从实验的角度出发,提出了基于认知实验的虚拟维修训练效果评估方法。首先,分析了虚拟维修训练的评估现状;其次,重点阐述了该方法的实施步骤,并通过对比维修人员基于传统训练手段和虚拟维修训练手段的考试成绩,评估训练系统的训练效果,为系统的改进、优化以及下一步的推广使用提供了重要的理论依据;最后,通过实例分析,验证了该方法的可行性和科学性.     

实战化军事地形学教学训练创新管见

立足实战化是开展军事地形学教学训练改革的基本要求,也是从具体课程入手解决学员＂水土不服＂的客观需要。结合新的地形研究方法确定教学内容,从单兵技能与组训能力培养两方面探索教学模式,立足综合能力培养创建考核模型,是目前军事地形学实战化教学研究与实践的重要方向。     

高原地区车辆轮毂轴承润滑脂试验研究

针对高原地区汽车轮毂轴承润滑脂在使用中的流失失效问题,分析了流失失效的主要原因,制定了高原地区车辆轮毂轴承润滑脂的技术指标,研制了新型重载车辆轮毂轴承润滑脂,并通过高原实际行车试验对研制脂性能进行了验证.结果表明该新型重载车辆轮毂轴承润滑脂具有优良的高温抗流失性,完全满足高原地区重载车辆轮毂轴承的使用要求.     

基于SQP法的助推-滑翔导弹助推段弹道优化研究

轨迹优化是飞行器总体优化设计中的重要组成部分,它贯穿于飞行器的整个设计过程。高超声速助推-滑翔导弹的弹道优化问题涉及攻角、法向过载、最大动压等多种约束条件,是一种复杂的最优控制问题。序列二次规划法（SQP）是解决该类问题行之有效的数值优化方法。本文利用SQP算法对助推-滑翔导弹助推段进行弹道优化,为这一高超声速飞行器的整体结构设计提供了有益的参考。     

装备保障综合演练风险分析

采用工作结构分解(Work Breakdown Structure,WBS)和风险结构分解法(Risk Breakdown Structure,RBS)对装备保障综合演练全过程的风险及其风险因素进行了系统分析,得出了装备保障综合演练过程中存在的7类风险、24种风险因素;运用网络层次分析法(Analytic Network Process,ANP)对各种风险及其风险因素进行了评估,得出了其对装备保障综合演练风险影响的权重及排序。研究结果可为装备保障综合演练顺利开展,确保人员、装备安全提供参考。     

地面防空作战部署评估仿真系统设计与实现

地面防空作战部署方案评估是防空作战中非常关键的一环,优良的地面防空作战部署方案是达到合理使用兵力、充分发扬火力、有效抗击空中之敌的重要前提。分析了地面防空作战部署方案评价指标体系,设计了仿真系统功能结构,探讨了仿真系统关键技术,实现了地面防空作战部署方案评估仿真系统,为指战员提供作战辅助决策。     

Visual SLAM in dynamic environments based on object detection

A great number of visual simultaneous localization and mapping (VSLAM) systems need to assume static features in the environment. However, moving objects can vastly impair the performance of a VSLAM system which relies on the static-world assumption. To cope with this challenging topic, a real-time and robust VSLAM system based on ORB-SLAM2 for dynamic environments was proposed. To reduce the influence of dynamic content, we incorporate the deep-learning-based object detection method in the visual odometry, then the dynamic object probability model is added to raise the efficiency of object detection deep neural network and enhance the real-time performance of our system. Experiment with both on the TUM and KITTI benchmark dataset, as well as in a real-world environment, the results clarify that our method can significantly reduce the tracking error or drift, enhance the robustness, accuracy and stability of the VSLAM system in dynamic scenes.