含碳透气防毒服内层对芥子气“气-气“染毒再生的研究

研究了温度和压力对含炭管气防毒服内层对芥子气“气－气”染毒解吸的影响,进一步分析了吸着层的角吸机理,论证了水洗和加热真空解吸再生方法的可行,获得了在野战条件下可实现的最佳压力温度条件,为实现含碳透气防毒服重复使用创造了可能。     

分子烙印聚合物吸附神经性毒剂的研究

以神经性毒剂ＶＸ为烙印分子,采用不同的单体及交联剂制备了４种分子烙印聚合物,考察了这些聚合物对ＶＸ及其他有机磷毒剂的吸附率。发现这些聚合物对ＶＸ的吸附率均大于９５％,除对结构小、官能团活性强的塔崩有一定的吸收外,对结构委相似的沙林及梭曼均不吸收,体现了较好的专一识别能力。     

无理方程在教学中的几个问题

实际教学中．关于解无理方程可能产生增根的原因．有时只把它归结为使得方程有理化因式等于零的根，而把方程有理化后，因未知数允许值的范围扩大从而有产生增根的可能性子以忽漏。为此，就无理方程在教学中的几个问题．浅谈点滴教学体会，以供参考：     

特大规模组合电路高速测试生成系统ATGTA-1

针对特大规模组合电路和全扫描设计电路提出了一种高速测试生成方法，并建成了相应的测试生成系统ＡＴＧＴＡ－１。该系统采用有限回溯测试模式产生方法生成测试码，采用ｎ（机器字长）个测试码并行的单故障传播方法模拟验证测试覆盖。测试生成与故障模拟为ｎ对１紧耦合集成方式。该系统运行１０个Ｂｅｎｃｈｍａｒｋ电路，取得了低测试长度、高故障覆盖、高效率的良好效果。     

SHPB实验中试件应变均匀性的解析分析

本文利用一维应力波理论,对ＳＨＰＢ实验中试件的应变均匀性进行了解析分析,结果表明试件中存在着严重的应变不均匀性,现有的实验结果处理方法有待进一步完善。本文给出了实验特性参数的估计关系式。     

熵在伪随机性检验中的应用

本文从熵的角度探讨了伪随机性检验问题,提出了有关序列的等分布度r_n~(K)概念,并证明:一序列{x_n}(0≤x_n≤1)为等分布的充分必要条件是:(?)K≥1,(?)=1.利用这一结果对几个典型伪随机序列的等分布度进行了比较,给出了它们的伪随机性优劣排序。     

基于熵权法和FMEA的舰船信息流网络关键节点识别

舰船系统作为一种典型的信息物理系统(CPS),随着其信息化程度的不断提高,CPS信息安全事件频发。现有针对复杂网络的关键节点识别方法多是针对电力系统网络,基于这些网络的评价指标难以应用于电力系统之外的CPS网络。针对现有的关键节点识别方法在CPS中的不足,提出一种基于熵权法和FMEA的信息网络关键节点识别方法。将有效影响范围这个概念加入失效模式与影响分析(FMEA)的指标定性中,利用熵权法对FMEA中的指标进行客观赋权。结合主观性较强的FMEA中的风险顺序数,以风险顺序数中的三个评估指标作为熵权法中决策矩阵的指标。最后,通过舰船保障任务信息流节点网络案例验证该方法的正确性和可行性,分析结果表明,基于熵权法对三种指标综合赋权后的排序比单一的指标要更加合理。     

基于CE-QPSO算法的联合火力打击方案智能优化方法

针对联合火力打击方案优化“既快又精”需求难题,设计了CE-QPSO算法,提出了基于该算法的联合火力打击方案智能优化方法。该算法充分结合了交叉熵算法良好的全局寻优能力和量子粒子群算法高效运行的特点,通过构建离散概率矩阵,使粒子的不确定性运动更具方向性,提高了粒子的协同寻优能力。实验结果表明：基于该算法的联合火力打击方案智能优化方法能够有效提升联合火力打击方案的优化效果和优化效率,且相比于标准交叉熵算法和标准量子粒子群优化算法具有明显优势。     

基于智能反射面辅助的无人机主动监听优化方法

针对可疑用户可能利用无线通信危害公共安全的问题,通过智能反射面和无人机组合的方法来帮助合法监视器监听可疑链路。首先,考虑了无人机与地面用户以及地面用户之间复杂的信道交互,构建了一个合法监视器监听速率最大的优化问题。其次,为了解决这个复杂的非凸优化问题,采用深度强化学习技术,将无人机的轨迹规划和智能反射面的相移变化问题建模为马尔可夫决策过程,设计了相应的奖励函数,并基于最大熵的深度强化学习算法实现无人机和智能反射面相移设计的联合优化。最后,从仿真结果看,与无智能反射面的优化方案相比,有智能反射面的优化方案不仅提高了合法监视器的监听速率,还降低了无人机的能耗,另外智能反射面反射单元的不同数量也会对监听速率产生影响。同时,相较于近端策略优化,基于最大熵的深度强化学习算法的优化策略拥有更稳定的训练过程和更快的收敛速度。     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。