一种改进的云评估方法

在现有云评估方法的基础上,将云概念化和逆向云发生器引入其中,对原有评估方法进行改进。利用改进后的评估方法对C4ISR系统效能进行评估,使评语的各个数字特征由训练数据得到而非人为确定,进一步消除了评估过程的主观性。     

美育视角下社会管理创新的田野调查问题探析

把美育纳入社会管理的过程中并确定具体的管理、田野观察点,既可以使审美育人走出学者们的课堂和书斋,解决当前我国美育建设相对势弱问题,又可以使审美育人融入社会管理和人民群众的实践中,提高实践的质量和水平。要以个案来展示影响社会管理发展的某种重要因素、这种因素的张力以及它的存在和发展逻辑,以审美育人的标准和尺度考察社会管理者的行为,群众的感受和所见所闻、所思所想,关注群众现实生活的巨变。最理想的调查方式是选择那些与研究者成长背景完全不同的观察点,会收到最佳的效果,因为这样会避免先入为主的感觉。要特别注意运用相关的理论考察社会管理创新的机理,增强整体关照能力和深刻度。要在悬置经验本位和相关理论假设的前提下得出个案研究的新结论。     

罗兰C双台链交叉定位算法研究

在推导罗兰C双台链交叉定位算法基础上,根据试验得到的时差测量结果进行了单台链双曲线定位、非时基交叉圆定位以及双台链交叉定位算法比较.结果表明:测量点几何因子GDOP较好时,单台链双曲线定位与交叉圆定位方法的定位结果基本相同,而GDOP较差时,交叉圆定位方法的定位结果明显优于单台链双曲线定位算法的定位结果,但两种情况下的...     

面向装备作战仿真的弹药调拨供应决策建模方法研究

针对用线性规划方法在解决弹药调拨供应决策过程中存在的弹药调拨供应量的分配与弹药保障原则关联不紧密的问题,采用目标规划理论与方法,引入优先级区分主要作战方向和次要作战方向弹药库的重要程度,在同一优先级上以权重区分一梯队、二梯队及预备队弹药库的弹药保障优先顺序,使得模型的构建过程与弹药保障原则紧密相联。同时,在模型构建过程中,综合考虑了弹药消耗预测量、弹药储备标准和弹药运输时限等因素对弹药调拨供应决策的影响,并从本级弹药储备不足和充足两种情况进行了数值模型及分析,验证了模型的正确性与可靠性,为弹药调拨供应提供了决策支持与理论支撑。     

基于均匀实验设计的温压战斗部爆炸冲击波毁伤仿真研究

以温压战斗部爆炸冲击波对地下目标的毁伤为背景,设计毁伤仿真模拟的基本方案,在对影响冲击波毁伤因素合理分析的基础上,利用均匀试验设计方法设计以装药密度、空气温度、大气压强以及混凝土密度为影响因素的均匀试验方案,最后通过正态分布检验图和Bootstrap法等方法对毁伤参数的统计特性进行研究。结果表明,固定条件下温压战斗部爆炸冲击波对地下目标的毁伤中,毁伤参数值具有明显的正态分布特性,对后续结合现场试验数据确定毁伤参数真值和毁伤试验鉴定提供了一定的指导和借鉴作用。     

弹药集装单元储存静力学有限元分析

以简单的六面体结构为基础,以“铝板-聚氨酯泡沫材料-铝板”复合板材为弹药集装单元的主体材料,结合弹药集装单元的承载能力要求,建立弹药集装单元的基本模型。通过其在储存状态下的静力学有限元分析,了解3种不同堆垛情况下,弹药集装单元的应力与应变情况,为进一步研究弹药集装单元结构强度提供理论依据。     

中远程空空导弹目标截获概率仿真计算

分析了影响中远程复合制导空空导弹截获目标的主要因素,建立了捷联惯导误差模型、载机雷达观测误差模型、雷达导引头误差模型等,提出了用蒙特卡洛法的方法计算截获概率,并给出仿真实例.仿真结果表明了模型和算法的有效性和实用性,为分析捷联惯导、载机雷达等对目标截获概率的影响提供了方法和支持.     

基于可能度的信息化战场目标价值评估方法

目标价值评估是指挥员确定目标打击顺序与强度的前提和基础,是战场火力运用的基本依据.针对目标价值评估指标信息的复杂性及不确定性,采用基于可能度的决策方法评估战场目标价值,充分利用了全部指标信息,为指挥员合理选择打击目标提供了科学依据.     

运动激光辐照圆柱薄壳温度场的数值模拟

对圆柱薄壳在四种不同运动模式激光源辐照下的温度场分布进行了分析研究。运用傅立叶级数展开法推导了在不同运动模式激光源作用下圆柱薄壳温度场的解析表达式,并对该解析表达式进行了编程计算,其计算结果与有限元解吻合良好。详细分析了旋转角速度与平动速度对圆柱壳温升分布的影响,发现在往复运动加热模式下光斑区域的温升变化最为剧烈。计算结果为导弹的抗激光辐射提供了理论依据。     

Real-time prediction of projectile penetration to laminates by training machine learning models withfinite element solver as the trainer

Studies on ballistic penetration to laminates is complicated, but important for design effective protection of structures. Experimental means of study is expensive and can often be dangerous. Numerical simu-lation has been an excellent supplement, but the computation is time-consuming. Main aim of this thesis was to develop and test an effective tool for real-time prediction of projectile penetrations to laminates by training a neural network and a decision tree regression model. A large number of finite element models were developed;the residual velocities of projectiles fromfinite element simulations were used as the target data and processed to produce sufficient number of training samples. Study focused on steel 4340tpolyurea laminates with various configurations. Four different 3D shapes of the projectiles were modeled and used in the training. The trained neural network and decision tree model was tested using independently generated test samples using finite element models. The predicted projectile velocity values using the trained machine learning models are then compared with thefinite element simulation to verify the effectiveness of the models. Additionally, both models were trained using a published experimental data of projectile impacts to predict residual velocity of projectiles for the unseen samples. Performance of both the models was evaluated and compared. Models trained with Finite element simulation data samples were found capable to give more accurate predication, compared to the models trained with experimental data, becausefinite element modeling can generate much larger training set, and thus finite element solvers can serve as an excellent teacher. This study also showed that neural network model performs better with small experimental dataset compared to decision tree regression model.