激发下属创新精神的方法

创新,已经成为21世纪的时代精神。作为一个有成效的领导者,如何激发下属的创新精神,从大的方面说,直接关系国家的兴衰;从个人方面说,直接关系自己的工作业绩和升降荣辱。怎样才能达到激发下属创新精神的目的呢?一、目标确当———激发下属创新精神的动力源。人的行动都是为了达到一定的目标。当人有意识地明确自己的行动目标,并把自己的行动与目标不断加以对照,他行动的积极性就持续和高涨。但是,并非所有的目标都会产生良好的导向效果,若要使目标发挥积极导向激励作用,真正起到激发下属创新精神的目的,科学地设置目标则是问题的关键。(一)…     

指导员激励六法

指导员作为连队政治工作的组织者,应该掌握和熟练运用多种激励方法,以调动官兵工作、学习、训练的自觉性、积极性,促进各项工作的落实。目标激励法。具体可行的工作目标,能够激发官兵不断达到和超越它的欲望。我们都有类似的体会,要完成十公里的光缆施工,大家会感到任务很重,但如果平均分给每人两百米,规定每天干完十米就可以休息,大家干起来就会又快又好,而且并不觉得累。因此,指导员要善于把连队的一些大项任务,比如连队年度工作目标,细化、分解为每个人的具体工作目标,通过大家共同努力,促进各项工作的落实。运用目标激励…     

解决两大历史性课题必须贯彻从严治党方针

江泽民同志在十六大报告中指出,加强和改进党的建设,“一定要坚持党要管党、从严治党的方针,进一步解决提高党的领导水平和执政水平、提高拒腐防变和抵御风险能力这两大历史性课题”。历史一再告诉人们,办好中国的事情,关键在我们党。我们党要在新世纪新阶段带领人民群     

混沌理论在雷达中的应用

混沌动力学作为一门新学科已经引起了世界各国科学界的重视,是近年来非线性科学领域的热门学科,混沌系统初值的敏感性和两个混沌系统间同步的实现,使得混沌用于保密通信成为可能,海杂波的混沌特性使人们开始探索混沌在雷达中的应用.研究表明,混沌在杂波分析与建模、信号检测、目标识别及伪随机码波形设计等领域内取得了可喜的成果.研究了混沌在雷达中的应用,分析了目前混沌在雷达中的应用现状,预测了未来研究发展的趋势.     

基于声强矢量的舰船目标运动参数估计

基于声强矢量测量法提出了舰船目标运动参数的估计方法,并提出了快速算法.计算机仿真实验表明,以上算法是可行的,可以实时估计出舰船的速度和距离。     

高超声速伸缩翼变形飞行器轨迹多目标优化

针对高超声速条件下变形技术的应用模式,对具有伸缩翼的组合式飞行器滑翔弹道进行了多目标优化研究。介绍了伸缩翼的变形模式,给出了不同变形状态下的气动特性;建立了三自由度滑翔轨迹动力学模型和伸缩翼前缘热流计算模型;采用MOEA/D多目标优化算法,以变形条件和飞行攻角为设计变量、以最大射程和最小翼前缘总吸热量为目标函数,进行了多目标优化计算。优化结果表明,MOEA/D计算得到了相对均匀分布的Pareto最优解集,将伸缩翼外形与无变形外形相比,飞行器滑翔段射程得到了显著提高,同时伸缩翼前缘总吸热量有明显的降低。     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

精确制导前沿成像探测技术

回顾了精确制导技术的发展历程,分析了精确制导成像探测技术发展过程中面临的挑战与未来的主要发展方向。结合太赫兹、量子和超材料等前沿技术的发展动态,分别梳理了太赫兹雷达、量子雷达以及超材料雷达三种典型的精确制导前沿成像探测技术的技术背景、发展脉络、基本原理、技术优势。这三种成像探测技术有望为精确制导技术应对未来新型战争形态带来的挑战提供可行的技术途径。研究成果可为未来精确制导技术的深入可持续发展提供参考,并对提升精确制导武器的打击与拦截作战效力具有重大意义。     

阵列雷达自适应多零点单脉冲群目标测角算法

针对阵列体制雷达,由极大似然估计导出自适应多零点单脉冲测角原理。分析发现迭代步长过大导致双零点单脉冲技术在多目标条件下失效,因此提出加权步长改进角度估计的迭代过程,只需要较少计算量就能实现群内多个目标的精确测角。仿真结果表明：该算法在较高信噪比条件下可以精确测量群内三个目标角度,测角误差约为0.15倍波束宽度;当群目标数较多或者目标相位差接近于0时,算法性能下降明显。     

基于K-Means聚类算法的空中态势威胁挖掘

战场环境复杂多样,各种探测手段层出不穷,空中威胁属性指标种类繁多,增大了指挥员对空中态势威胁分析难度。正确、快速地对空中态势进行威胁分析,将给战场部署提供有效的决策依据。建立基于K-Means聚类算法的空中目标威胁等级聚类模型,通过对空中目标威胁属性特征的数据进行分析,对威胁目标聚类进行深度挖掘,将目标威胁等级问题转化为最优聚类问题。实例分析表明该算法在对威胁目标等级聚类中有效,提高了目标威胁等级聚类的可靠性、精确性。