我国青少年亲社会行为培养研究

青少年亲社会行为培养关涉一个民族、国家的未来和兴衰.青少年亲社会行为的深层次价值体现,乃是青少年对民族、国家的认同意识、忧患意识和担当意识的自觉与觉醒.对于青少年的亲社会行为培养,主要以坚持社会主义核心价值观为思想前提;以因循传统“知行合一”理论为培养的基本原则;以面向现实人生为培养的关键和落脚点,共同构建青少年的亲社会行为培养模式。     

基于 EEMD 的滚动轴承故障诊断方法

针对经验模态分解（empirical mode decomposition,EMD）方法处理轴承振动信号时存在的缺点,指出极值点的选择是产生模态混叠现象的原因。分析了集成经验模态分解（ensemble empirical mode decomposi-tion,EEMD）方法抑制模态混叠现象的原理,讨论了加入高斯白噪声的次数和大小对 EEMD 方法分解结果的影响,并通过仿真和实测信号对 EMD 和 EEMD 方法的性能进行了比较测试。结果表明：EEMD 方法不仅能够有效地抑制模态混叠现象,而且能更好地反映出轴承振动信号中的故障信息。同时,对通过 EEMD 方法得到的重构信号进行平方包络分析,结果证明：该方法能够有效地提取出滚动轴承的故障特征。     

基于蚁群算法的电子设备多值测试故障诊断策略

测试序列优化设计是故障诊断中的重要组成部分,最优测试序列能提高故障诊断的效率,常见的故障诊断系统均基于二值属性,而多值属性系统的测试优化问题研究的较少。针对多值属性系统测试序列优化问题的特点,提出了一种改进蚁群算法,结合二值属性系统和多值属性系统的关系,设计了适应于多值属性优化的状态转移规则和信息素更新机制。针对在等测试费用和故障先验概率的情况下不能寻优的问题,制定了对应的优化标准,符合实际的测试需求。通过对比试验,证明了其能解决电子系统多值属性系统的序列优化问题,扩展了多值属性电子系统的测试优化策略。     

基于协同仿真技术的制退机故障规律研究

制退机是反后坐装置的重要组成部分,它性能的好坏直接关系到火炮战斗力的发挥,为了研究制退机发生故障对火炮后坐运动产生的影响,对制退机故障进行了分析,运用计算流体力学理论和协同仿真技术,建立了制退机MATLAB/FLUENT协同仿真模型,解决了传统火炮后坐计算模型的局限性,与传统计算模型相比,提高了计算精度,得到了制退机内部瞬态流场参数。通过对节制环磨损典型故障进行仿真研究,分析了节制环在不同磨损程度下对火炮后坐运动的影响规律,并对节制环局部压力分布情况进行了简要解析,为进一步对制退机性能退化规律分析研究提供了有效途径。     

巨磁阻传感器在齿轮精细检测中的应用

提出一种利用巨磁阻传感器进行齿轮精细检测的方法,介绍该方法的检测原理和系统组成,从可分辨最小磁场、时间响应和温度特性3个方面分析应用巨磁阻传感器的可行性和有效性,并通过实例测量实现对齿轮的磨损、点蚀等故障的有效检测与诊断.     

基于改进March SS算法的存储器测试技术研究

摘要：针对存储器的特点,介绍了存储器简化的功能故障模型．基于一种既可以测试静态简化故障又可以测试动态简化故障的MarchSS算法,提出了一种改进的存储器测试算法MarchSSI算法．该算法不仅能测出MarchSS算法测试的所有功能故障,而且能够覆盖MarchSS算法遗漏的故障,使算法故障覆盖率有了一定的提高．通过仿真,验证了算法的可行性．     

枪械机构故障可靠性分析方法研究

介绍枪械机构组成、机构动作和作用,利用可靠性故障分析法中常用的FMECA分析法和FTA分析法对枪械机构产生的故障进行定性分析,并通过某典型自动步枪可靠性试验数据进行统计分析,找出枪械机构动作的主要故障,设计出FMECA分析表和FTA故障树．通过以上分析,提出一些对枪械机构的设计要求．     

火炮抽筒故障机理研究

针对某自行反坦克炮射击后,抽筒时出现药筒钢底座底缘与圆柱部断裂现象这一抽筒故障,分析计算该火炮正常抽筒所需的理论抽筒力和半自动开闩机构所能提供的实际抽筒力,由此定量分析该故障的主要原因,并提出火炮实弹射击预防抽筒故障的具体措施,对半自动开闩结构设计与改进、部队装备训练与射击具有一定指导和参考价值．     

基于依赖矩阵的Web服务组合故障诊断

为了保证指挥信息系统在动态环境下能够提供持续可靠的组合服务,提出一种利用依赖矩阵对Web服务组合故障原因进行诊断的模型,对依赖矩阵的建立进行了详细说明。然后,基于构造的依赖矩阵,提出改进的贪心算法对失效情况进行探测,并设计了基于二分查找的故障定位算法。实验模拟表明,提出的模型能够利用少量探测就能监测整个服务组合流程的运行情况,并定位找到错误源。     

The graph association problem: Mathematical models and a lagrangian heuristic

Graph association is the problem of merging many graphs that collectively describe a set of possibly repetitive entities and relationships into a single graph that contains unique entities and relationships. As a form of data association, graph association can be used to identify when two sensors are observing the same object so information from both sensors can be combined and analyzed in a meaningful and consistent way. Graph association between two graphs is related to the problem of graph matching, and between multiple graphs it is related to the common labeling of a graph set (also known as multiple graph matching) problem. This article contribution is to formulate graph association as a binary linear program and introduce a heuristic for solving multiple graph association using a Lagrangian relaxation approach to address issues with between‐graph transitivity requirements. The algorithms are tested on a representative dataset. The developed model formulation was found to accurately solve the graph association problem. Furthermore, the Lagrangian heuristic was found to solve the developed model within 3% of optimal on many problem instances, and found better solutions to large problems than is possible by directly using CPLEX. © 2013 Wiley Periodicals, Inc. Naval Research Logistics, 2013