如何计算伊拉克战争的代价？

历史告诉我们,军事上的胜利,并不等于达到了政治上的目的。伊拉克战争就是这样。战争给伊拉克造成了巨大的损失,美国自身也是代价惨重,世界为之付出的代价则难以估量。     

脉冲截取多假目标干扰仿真分析

分析了多假目标干扰的产生方式,推导了对线性调频信号雷达进行脉冲截取多假目标干扰时假目标出现的位置和假目标与干扰机之间的功率关系,通过仿真分析验证了理论推导;并根据脉冲截取多假目标干扰中假目标的位置关系,提出了可以通过脉冲截取多假目标干扰方式实现前向干扰的方法,可以为脉冲截取多假目标干扰的分析和评估提供参考。     

新型十字交叉柔性铰链放大机构研究

分析了柔性铰链放大机构的基本工作原理、放大能力与位移损失。通过ANSYS软件对传统单片柔性铰链放大机构和笔者所设计的十字交叉柔性铰链放大机构进行对比,通过实验验证了仿真的正确性,说明笔者设计的十字交叉柔性铰链放大机构的优越性。     

应收账款的剖析与思考

某集团公司,下辖若干个子公司,全集团应收账款余额为2亿多元,加上其他应收款余额2亿多元,两项合计为4亿多元,占全部流动资金的39.2%。同时,根据当时的调查统计资料初步判断,其中约有15,000万元的坏账损失,约占全部应收款项余额的34.4%。一、导致企业应收账款质量不高的主要原因分析(一)个别业务人员的素质不够高1.缺乏系统营销的理念,只注重商品的销售;2.缺乏回收货款的完善计划,对回收货款主动性不够;3.缺少回款的各种技巧。(二)个别公司领导督导不够积极1.对应收账款的重要性不明,管理不够重视;2.没有制订清收目标;3.追求短期效益的观念,…     

某型反坦克导弹连兵力机动展开优化问题

依据反坦克导弹分队在反装甲作战中的具体任务和作战特点,运用数学规划理论,对某型反坦克导弹兵力展开方案优化问题进行研究,对辅助提高指挥员决策水平,发扬反坦克导弹火力具有重要意义.     

遥测参数数据载荷状态判别集成学习方法

针对载荷单机设备遥测参数维度高、数据量大、存在类别不平衡、无法直观判别单机设备运行情况等问题,考虑到航天任务对可解释性的要求,提出一种基于信息增益参数特征选择和集成学习方法的载荷单机状态快速识别方法。采用统计量性质和信息增益子集搜索方法对遥测数据进行特征筛选降维,通过集成学习模型算法实现载荷单机设备状态的自适应识别分类。所提方法将信息增益的参数分类信息量评价准则和集成学习拟合能力强、类别不平衡下准确率高和抗噪能力强等优点相结合,兼顾模型特征和结果的可解释性,提供了重点参数发现功能。采用科学卫星任务真实载荷遥测参数数据对该方法进行了验证,整体识别准确率高于90%,少数样本亦可准确识别,整体效果可达到在轨任务要求,证明了所提方法的有效性和实用性。     

萨达姆·侯赛因的遗憾

发生在10年前的海湾战争,是一场以美国为首的多国部队大胜,伊拉克军队惨败的战争。在那场战争中,多国部队仅伤697人,亡223人,损失飞机36架;而伊军却伤亡约10万人,其中最少2万人死亡,被俘8．6万人,损失坦克3847辆、装甲车1450辆、火炮2917门、飞机243架。这样一个双方损失极为悬殊的战争结果,虽然是由多种因素造成的,但伊拉克方面在战争指导上的一系列失误,是最重要的原因之一。     

火用分析在设计舰用燃气轮机中间冷却器中的应用

介绍了中间冷却器的选型,并用火用分析法来确定中间冷却器流体的进出口温度.计算结果表明,由此方法设计的中间冷却器火用损失较小.     

基于动态门限与自适应插值的外引导平滑算法

为了实现靶场光电经纬仪外引导数据的实时平滑,确保外引导数据驱动下光电经纬仪稳定获取图像,提出基于动态门限的野值处理算法和基于自适应插值的处理算法。对于外引导数据中的野值,提出一种利用影响函数动态计算样本方差的方式,构建动态判别门限实时完成野值的处理;对于外引导数据的插值处理,判断插值计算的连贯性,并将外引导的“卡顿”数据进行分类,采取不同的策略实时自适应插值。实验结果表明：基于动态门限的五点外推野值剔除方法,野值检测率平均在80%以上,同时虚警率较低;插值处理算法能同时应对卡顿与非卡顿的外引导数据,处理结果平滑连贯。算法已成功应用于海军某观测站的光电经纬仪,满足了靶场弹道测量系统的需要。     

基于改进YOLOv5s轻量化模型的红外场景目标检测方法研究

红外技术在防备夜间作战和隐蔽作战中发挥的作用是至关重要的,针对如何平衡红外图像检测精度与轻量化的问题,提出一种基于红外场景下的轻量化目标检测模型M-YOLOv5。该网络模型采用改进的ShuffleBlock模块替换原有的CSP骨干网络。此外,应用轻量级上采样算子CARAFE替换原有上采样模块,在C3模块中加入SE注意力机制,降低冗余信息,提高特征的区分性和表征能力,重新设计损失函数,E-IoU作为新的损失函数,加快模型收敛速度。在公开数据集FLIR上进行了实验,实验结果表明：改进之后网络模型的平均检测精度达到73.0%,仅降低2.9个百分点,而M-YOLOv5模型的网络参数数量、理论计算量分别减少40%、39%,模型的推理速度提高52%,满足部署于边缘设备的需求。