坚持“五个结合”搞好党员先进性教育

如何搞好基层党员先进性教育 ,使广大党员认真贯彻实践“三个代表”重要思想 ,始终保持先进性要求 ,对基层来说是一个新课题。根据总部指示要求和当前基层党员队伍现状 ,教育应在贴近实际、解决问题、注重实效上下功夫。具体地说 ,教育中要搞好“五个结合” :(一 )坚持规范内容与灵活运用相结合。为搞好教育 ,上级对教育内容进行了规范 ,并印发了教材。这应该说是一件好事 ,一则基层有了教育的基本依据 ,解决了基层自己编写教案资料不全、站位不高、说理不透的问题 ;二则为基层正确把握上级意图、谋划教育方案、具体组织实施等提供了有力指…     

坚持“三个结合”改进教育管理

(一 )适应军事斗争需要 ,坚持平时与战时相结合 ,始终把“打得赢”、“不变质”作为教育管理的根本目的和标准。当前部队教育管理工作与军事斗争需要存在较大差距。 ①战斗队意识比较淡薄 ,缺乏抓好教育管理工作的紧迫感。由于长期处在和平环境 ,部分同志存在当和平兵、建和平军的思想 ,在任期内打仗、时刻准备打仗的意识不强 ,特别是“申奥”成功和我国“入世”后 ,不少同志认为仗一时打不起来 ,自觉不自觉地放松了要求。 ②抓教育管理标准不高、要求不严。有的仅仅把教育管理当做“管住人”的一种手段 ,把标准定在“不出事”和完成任务上 …     

超急速爆发沸腾研究的新实验方法

在总结分析前人实验方法的优缺点基础上 ,在国内首次建成了超急速爆发实验台 ,其特点如下 :加热和测温信号互不干扰 ,温度测量频响快、精度高 ,且避免了测量滞后 ,温度测量动态响应时间小于 1μs ;采用高压电火花放电技术 ,高速照相速度快 ;采用了汽泡轮廓清晰并可以研究整个过程以及光源强度要求低的侧照方式 .照相最高放大倍数可达 10 0倍 ,研究范围为 1～ 90 0 μs .     

防毒面具系统可靠性要求探讨

从可靠性的基本概念出发,提出了防毒面具系统可靠性的定义,论述了防毒面具系统可靠性问题应以防毒面具,人和使用环境及其组成要素之间的相互作用为出发点进行研究,初步探讨了防毒面具系统可靠性模型,指标及其影响因素。     

未来战争呼唤超远程身管火炮

未来战争将是以非接触作战和精确打击为主要特点的战争,远程打击武器是必不可少的。诸如美国这样的军事强国,自然可以借助弹道导弹、巡航导弹,以及以飞机为发射平台的空地导弹、增程精确制导炸弹来攻击敌方腹地的各种目标而对于多数国家尤其是小国、弱国来说,面对拥有绝对空中优势的入侵者,其空军往往首先被攻击并完全丧失战斗力,即使保留下少量航空兵和巡航导弹也难以突破敌军空防,无法对其重要的战役、战略目标构成威胁。当然,小国、弱国也可以用弹道导弹进行自卫。弹道     

超连续谱激光光源研究进展

高非线性光纤制造技术的成熟和光纤激光器性能的提升,极大地促进了超连续谱光源的快速发展,以光纤为非线性介质的超连续谱的产生成为当前研究热点。从可见光、近红外和中红外3个不同波段,综述了超连续谱产生的技术方案与最新进展。当前,可见光和近红外波段的超连续谱光源输出功率已经突破百瓦量级,并出现了多芯光子晶体光纤、光纤放大器和随机光纤激光器产生超连续谱等众多新方案;以氟化物光纤和亚碲酸盐光纤为非线性介质的中红外超连续谱,输出功率也突破了十瓦量级;在光谱拓展方面,以硫系光纤为非线性介质的超连续谱,输出光谱已扩展到12μm以上。     

基于时序超网的作战体系效能指标动态测量方法

由于作战体系具有整体涌现性、动态演化性以及能力相对性等复杂系统特征,传统树状指标体系与加权求和的静态评估方法已不再适用。提出一种基于时序超网的作战体系效能指标动态测量方法。以复杂网络理论为基础,利用网络模型特征参数对部分作战体系效能指标进行映射;采用超网络与时序网络相结合的方式,构建作战体系时序超网模型;通过分析体系超网络中各层网络的特点,分类选取网络特征参数。基于兵棋推演数据对作战体系中交战网的特征参数进行了动态测量,验证了方法的有效性。     

引入OODA关联度的火力打击目标排序方法

针对联合火力打击体系破击战法中确定体系破击目标困难的问题,提出一种基于超网络构架OODA关联度算法。该方法引入理想目标清单补充目标打击清单中遗漏的体系目标,区分层次构建包含多个子网络的超网络,在超网络中找到能够实现OODA循环的节点,进而确定各节点的OODA关联度,并通过仿真实验分析各综合评分算法的排序效果。仿真结果表明:OODA关联度独立于其他评价指标,可作为火力打击目标排序的评价维度之一,且使用理想点综合评估算法的排序效果最好,引入OODA关联度的目标排序相比于传统排序法更能体现体系破击战法思想。     

基于杂草算法的超磁致伸缩作动器耦合模型识别

考虑磁滞损耗、动态应力等因素的超磁致伸缩作动器磁滞模型可有效揭示电-磁-机-热多场耦合效应,但准确识别其非线性模型往往存在较大困难。智能杂草算法具有激烈的竞争机制和较强的搜索能力,可用于解决作动器多目标物理参数辨识问题。传统算法的种子数量以线性方式产生且分布方差与适应度缺乏联系,极大地影响了算法收敛速度和模型识别精度。为此,提出一种非线性繁殖和分布的混合改进杂草算法,并将其应用于超磁致伸缩作动器模型识别。实验表明:改进算法具有较强的噪声抑制能力,能精确辨识含有噪声扰动的作动器磁滞非线性模型物理参数;模型预测值和实验数据误差较小,所识别参数可使磁滞非线性模型较为全面地描述作动器多场耦合机理和动态特性。     

基于深度学习的无人机航拍图像超分辨率提升算法

针对当前无人机航拍图像普遍存在图像细节模糊以及分辨率低的问题,提出了面向无人机航拍场景的图像超分辨率算法。首先,提出一种可学习的图像下采样模型进行训练数据的生成,从而有效模拟了真实场景下的低分辨率无人机航拍图像的数据特征。其次,结合无人机平台的现实需求,提出一种基于知识蒸馏的轻量化图像超分辨率网络,有效提升了模型的泛化性能和时间效率。实验表明,该算法在真实无人机航拍图像数据集上的性能不仅超过现有通用图像超分辨率算法,同时还进一步缩减了网络模型大小和处理时间,有效满足无人机平台的硬件约束和实时性要求,对于无人机航拍图像处理具有重要应用价值。