一种含扰动项的非线性系统执行器故障估计方法

现代控制系统的安全性与可靠性是各领域研究的热点之一,系统故障诊断与估计的方法越来越引起人们的重视.针对一类含有外部扰动的非线性系统,研究了系统执行器故障估计问题.通过设计一种增广系统观测器对原系统中的执行器故障进行估计;考虑到系统中的非线性扰动项,利用线性矩阵不等式(LMI)方法给出了观测器存在的充分条件并保证误差系统...     

关于战备状态下思想政治教育的思考

<正>习主席深刻指出:"军事斗争准备是军队的基本实践活动,要牢牢扭住,须臾不能松懈。坚持把日常战备工作提到战略高度,强化官兵当兵打仗、带兵打仗、练兵打仗思想,保持部队箭在弦上、引而待发的高度戒备态势。"加强对军队战备状态下思想政治教育的研究探索,是构建新时代思想政治教育体系的重要内容,是更好发挥新时代军队政治工作服务保证作用的应有之义。一、把握战备状态思想政治教育主要特点紧贴战备状态推进教育落细落实,强化抓教向战为战的意识,让教育跟着作战任务走、围绕制胜强敌转。     

新兵心理适应不良诱发心理障碍归因问策

<正>研究表明,新兵入营后2周至2个月为心理适应期,其心理健康状态明显低于军人常模,适应不良是最常见的心理问题而且呈明显递增趋势。如果不能有效干预解决,导致活动低效构成恶性循环,易诱发心理障碍,对部队战斗力、安全稳定造成严重影响。一、心理适应不良诱发心理障碍案例特点大部分心理适应不良经过教育疏导、行为训练、自我调适都能恢复平衡状态,但仍有个别新兵因适应不良诱发心理障碍或心理疾患,甚至出现各种犯罪、自杀自伤等行为倾向。综合分析近年来案例发现,新兵心理适应不良诱发心理障碍或心理疾患一般呈现以下四个显著特征。     

人工智能装备质量监督效能研究

近年来,人工智能技术迅速发展和渐趋成熟,在装备领域的应用大放异彩,极大地拓展了传统装备性能,特别是自主性和智能化水平.但人工智能算法本身固有的逻辑推理性差、具有不可解释性和需要学习训练等特性给人工智能装备的质量监督带来了新挑战,现有评价手段的欠缺也使人工智能装备发展在实用可靠方面充满不确定性.本文在总结归纳入工智能装备...     

基于域泛化的无监督机器设备异常声检测

在基于声信号的机器设备异常检测中，机器运行时发出的声音可能会因机器运转状态的改变而发生变化，环境噪声也会改变场景中的声学特征，而传统的机器异常声音检测系统会因为声学特征的改变导致正常的声音被错误地标记为异常。针对这一问题，提出了基于域泛化技术的无监督机器异常声音检测方法。首先，将声信号的对数梅尔谱图输入深度学习神经网络模型，结合域混合方法和坐标注意力机制模块，提高系统域泛化能力和异常识别性能；然后，在DCASE开源数据集上进行实验，与两种基线评估系统的A_UC和pA_UC得分进行对比。结果表明，所提出的方法在域泛化条件下的异常检测性能得到明显提升。     

基于观测器的某火控系统故障诊断方法

以某自行高炮火控系统为对象,研究了基于状态观测器的故障诊断方法,并作了仿真试验.通过状态观测器提取相对余差来检测和识别故障.试验结果表明,对于火控系统中可以建立数学模型的分系统或单体,基于观测器的故障诊断方法具有较好的诊断效果.该方法已成功应用于某高炮火控系统的综合检测与诊断设备中.     

浅谈以交际为目的的大学英语视听说教学

在视听说教学中应注重发挥教师的主导作用和学生的主体作用。充分利用电化设备这种现代化教学手段,对大幅度地提高外语教学质量起着重要的作用,有利于学生保持积极的心理状态,培养他们学习外语的兴趣,有助于记忆。选择教材应把学生置于国际环境下迎合真实的交际需求,培养学生跨文化交际的能力。     

士兵心理压力的调查分析

心理压力,也称心理应激或紧张,是在出乎意料的危难或紧迫情况下所引起的个体高度紧张情绪状态。个体若长期处于应激状态,能击溃一个人的生物化学保护机制,使人的抵抗力降低,以致被疾病所侵袭。士兵作为军人群体的有机组成部分,面临的压力源与军官有着相似的一面。但由于士兵的人生阅历、工作任务与性质等方面与军官不同,因而他们的心理压力又有特殊的一面。日常的生活、工作和学习中究竟有哪些事件会对基层士兵造成心理压力?影响程度又如何?如何维护士兵平时的心理健康,并在此基础上培养适应未来战争需要的心理素质?这些都是当前部队和心理…     

利用几何画板培养学生能力

几何画板有着与其他计算机应用软件所共有的特点:交互性强,运算速度快,及时反馈结果等,但<几何画板>不同于其他绘图软件,它所作出的图形、图象都是动态的,而且注意数学表达的准确性,它最突出的优点就是使图形、图象在变动的状态下保持不变的几何关系,这就为教学过程中提出问题,探索问题,分析问题和进一步解决问题提供了极好的外部条件,为培养学生的能力提供了极好的工具.     

基于神经网络的信息融合算法研究及其在入侵检测中的应用

目前,网络入侵技术越来越先进,许多黑客都具备反检测的能力,他们会有针对性地模仿被入侵系统的正常用户行为;或将自己的入侵时间拉长,使敏感操作分布于很长的时间周期中;还可能通过多台主机联手攻破被入侵系统.对于伪装性入侵行为与正常用户行为来说,仅靠一个传感器的报告提供的信息来识别已经相当困难,必须通过多传感器信息融合的方法来提高对入侵的识别率,降低误警率.应用基于神经网络的主观Bayes方法,经实验,效果良好.