基于激励机制的装备采办风险总量控制

针对装备采办中的风险总量控制,提出一种激励方式来提高承包商的积极性。在单目标风险控制模型的基础上,建立了多目标风险控制模型,推导出了激励机制下风险控制的最优合同公式。对激励机制中存在的两类错误进行了理论分析和实例验证,得出了两类错误对收益的影响,并在成本控制中得到了应用,有效地提高了装备采办的质量和效率,为军方决策者在装备采办中提供了合理的参考依据。     

基于虚拟人机环境的某指控舱CATIA人机分析

针对因人机工程模块中缺乏中国大陆成年人数字模型而导致CATIA软件在座舱性化设计适用性差的现象,以GJB4856-2003和指控舱结构设计参数需求为依据,建立了中国大陆成年男子P5、P95人体数字模型和指控舱三维模型,通过人体模型对指控舱的虚拟操作,分别评价了驾驶舱的视野域、操作域和舒适度等方面布局工效,得到了各工效布局评价的结果,并提出了改进建议。     

基于反步法的高超声速飞行器终端滑模控制

为了使高超声速飞行器在再入过程中完成姿态控制,在反步法的基础上将模糊自适应和终端滑模控制相结合设计控制器。对于姿态角动态,使用反步法和模糊自适应设计虚拟控制律;而对于角速率动态,利用终端滑模方法设计控制器,能够有效提高系统鲁棒性。稳定性分析说明所提方法可以保证系统状态的一致渐进有界性。     

火箭弹载惯导误差分析

在对火箭弹载惯导进行射前标定时考虑的误差主要包括零偏误差、标度因素误差、安装误差。标定的误差参数越多,难度越大,如果能抓住影响弹丸制导精度的主要误差,将可简化标定算法,简化标定过程,提高标定效率。基于这样的思路,将飞行中的弹丸类比为旋转惯导,从误差方程入手,采用提取误差直流分量的方法对飞行中的弹载惯导进行误差分析,得出影响导航精度的主要误差参数,并仿真验证了所得结论的正确性,为后续简化标定方案提供了理论依据。     

一类带时滞的非线性兰彻斯特战斗模型的分析

基于非线性兰彻斯特方程的一般形式和现代战争的特点,考虑到时间因素在现代战争中的巨大作用,建立并讨论了一类带时滞的非线性兰彻斯特战斗模型。通过定性分析,得到了模型的平衡点及其稳定性,证明了原模型解的存在唯一性,并给出了解的存在区域。战例分析结果表明该模型能用来描述现代战争。因此,该模型对研究现代战争的战斗进程、武器发展规划、现代军事练兵等都具有一定的参考价值。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

基于ARM的LED指挥控制终端的设计与实现

LED显示屏是现代社会发布信息的一种重要方式,通过LED显示屏可以播放视频、文字等不同形式的信息,为人们传达最直观的视觉信息。随着科学技术的不断发展,LED显示屏的应用也日渐广泛,尤其是军事上的应用,比如基于LED显示屏的各种级别指挥控制终端的设计和运用,具有更为深入的研究价值。而ARM处理器是实现LED显示屏控制系统有效运行的基础,主要针对基于ARM的LED显示屏指挥控制终端系统的设计与实现的相关问题进行了探讨。     

2015年国内英语移动学习研究状况分析

近年,英语移动学习的研究已然成为外语教学研究的热门领域.本文对2015年公开发表在国内学术期刊的关于英语移动学习的文献进行形式的量化统计与内容的质性分析,以期揭示2015年我国英语移动学习的研究状况,旨在为国内英语移动学习的研究者提供参考.     

基于概率神经网络的高校科研能力评价

科研能力是评价高校综合实力的重要指标,高校的科研能力水平将会在一定程度上影响到高校所在地方甚至国家的科研水平.因此,不断提升学校科研能力水平,成为高校自我提高和发展、增强综合实力的重要措施之一.如何对高校科研能力进行科学地评价,成为一个亟待解决的问题.本文将高等院校科研能力评价体系作为研究对象,通过相关文献的查阅,从众多研究中,选取影响高校科研能力的11个典型指标,构建了基于PNN的高校科研能力评价模型及算法.并通过仿真实验验证模型及评价方法的可行性和有效性,为高校科研能力有效评价提供参考依据.     

结合词语规则和 SVM 模型的军事命名实体关系抽取方法?

抽取作战文书中的军事命名实体关系,是实现作战文书语义理解的一种有效方法。在分析作战文书中军事命名实体词语规则的基础上,提出了一种结合词语规则和 SVM 模型的军事命名实体关系抽取方法。首先,使用词语规则整合作战文书中连续出现的军事命名实体并抽取其关系,使其更加适合 SVM 模型。然后,使用 SVM 模型对传统规则模板难以使用的词窗、词性和距离等特征进行建模,抽取军事命名实体关系。实验结果表明,优先利用词语规则能充分提高 SVM 模型抽取军事命名实体关系的效果,与单纯使用 SVM 模型相比,准确率和召回率分别提高了8．73％和41．71％。