射表误差及对射击精度的影响分析

以车载武器为研究对象,明确了射表的作用和基本要求,分析了射表误差的组成因素和简要计算方法,在此基础上剖析了射表误差对射击精度的影响。提出了射表误差是目前条件下影响车载武器射击精度主要因素的观点,可对研究车载武器射击精度提供一定参考。     

面向作战仿真的指控系统建模技术研究

重点研究指控系统的建模技术,建立了群指挥所、方面作战指挥所和平台指挥所三级指控系统的模型,并确立了三者之间的层次和控制的逻辑关系。从作战方案和战术响应两方面对指控系统进行"静态的"和"动态的"建模,实现了作战双方基于感知态势的闭环仿真。这些模型在海军某作战仿真系统中得到了应用,仿真实验表明该指控系统模型满足作战仿真系统的作战需求,能够提高作战仿真的真实性和合理性。     

衔接在英语语篇中的运用

语篇类型多样,体裁丰富。一般来说,任何语篇都须有一个论题结构或逻辑结构,并且语义连贯。语篇的连贯主要取决于衔接的运用,衔接是篇章内的句子在语义和表层结构中的连接方式,是构造语篇的重要手段之一。连句成篇的衔接手段多种多样,大体可分为三类:逻辑纽带、语法纽带和词汇纽带,这三类连句手段在语篇中通常是交织使用的。对语篇衔接手段的分析能够有效地帮助英语学习者提高对英语话语和英语语篇的理解能力。     

联合国维和警察常备警力研究

随着维和行动的不断发展和演变,联合国维和警察的快速部署方式也已经从过去的待命安排机制过渡到目前的常备警力。常备警力的设立不但缩短了新任务区警察部门建构的周期,提高了警察工作效率,还可指导或直接参与任务区当地执法、司法和监狱管理工作,并适时开展对警察部门行动能力的评价和评估,向任务区警察警监提出建议。梳理联合国维和警察常备警力的概念、历史沿革、组建及职责,提出组建中国维和警察常备警力的建议。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。     

机载PD雷达宽带线性调频信号运动补偿

采用宽带线性调频信号能够显著地提高雷达的距离分辨率和抗干扰能力,然而雷达与目标间的相对运动损耗了部分目标回波相参积累能量,影响目标频率向和距离向分辨力。针对以上问题,提出了一种基于改进匹配滤波函数的运动补偿方法,补偿信号回波中的相位误差,实现宽带线性调频信号目标运动运动补偿。实验与仿真结果证明了该算法的有效性。     

一种10kA零磁通霍尔电流传感器的设计与仿真

采用线圈分段绕制的方法,设计了一种10kA量程的零磁通霍尔电流传感器以及相应的驱动电路,有效地将驱动电压降为±15V,并利用电磁场仿真验证了线圈分段设计的可行性。同时,提出了铁芯线圈以及霍尔元件的等效电路仿真方法,并以此为基础在Multisim中搭建了零磁通霍尔传感器系统的电路仿真模型,通过对各种电流波形进行仿真验证,证明了该设计的合理性。     

大学的文化力与大学精神重塑

大学文化包括大学办学的价值取向,以及大学师生员工的社会理想、道德信念、价值观、创新精神等以及与此相联系而形成的管理制度、行为方式、教学和科研特色等等.积极的大学文化的系统化形成,有利于加强大学内部师生员工积极向上的体验,成为大学发展的内在动力,同时也会为大学树立形象产生张力,进而在市场经济背景下增强大学的核心竞争力.然而,近年来我国大学在政府行政权力主导、管理体制官僚化运转、社会功利主义思潮等共同作用下,过分扩张和唯“学术GDP”是论,千校一面,作为大学文化内核的大学精神严重缺失.为此,在提倡高等教育由外延式扩张向内涵式发展转型的今天,重塑大学精神任重道远.     

车辆悬挂复合式电磁作动器设计及试验

为缓解电磁悬挂系统振动控制与能量回收之间的矛盾,提高工作可靠性,提出了一种基于电磁减振技术和磁流变阻尼技术的复合式电磁悬挂系统结构方案,并设计了基于无刷电机和磁流变阻尼器,集主动、半主动控制和馈能功能于一体的复合式电磁作动器,同时对复合式电磁作动器的主动出力、变阻尼以及馈能特性进行了试验研究,结果表明:该作动器主动出力范围大,阻尼调节范围宽且馈能效率较高,满足车辆悬挂应用要求。     

三维点云深度模型压缩算法

随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。