应用物联网技术解决现代消防管理和火灾防控难题探讨

针对建筑消防设施设备的管理现状及存在的问题,剖析了存在问题的原因,提出了物联网在实现智能化火灾控制和消防管理方面的优势,探讨了消防物联网能够解决的消防难题,给出了消防物联网在实际工作中的应用效果。     

营区综合通信网防雷系统的设计与实现

针对雷电的危害形式和途径,在分析了雷电入侵主要途径的基础上,进一步研究了营区综合通信网预防雷击、进行防雷保护和减少雷电危害的机理,给出了营区综合通信网具体的防雷电措施的实施方案。     

导弹飞行试验多目标信息管理与显示

通过对大型海上试验中多目标试验信息管理与显示方法进行分析研究,对大型飞行试验中如何方便、科学、合理地管理多目标试验信息进行了充分的论证,提出了解决多目标试验信息管理与显示的设计思路,阐述了大型试验中多目标试验显示的要求、内容和实现方法,介绍了相关数学模型,其中重点对目标航迹信息管理的设计和显示进行了详细阐述。     

基于心理干预的高校班级教学管理模式的探索

所谓班级教学管理模式,是以教学班级为管理单元,以班主任对班级事务和工作全面负责为特征,以充分发挥学生的主体作为核心的管理形式,其实质是班主任负责制。本文是通过借鉴企业管理中的团队合作精神、企业文化的打造、企业中的竞争机制、奖惩机制等,在班级中创造和模拟企业情境,培养学生在学习上的竞争意识和团队协作精神,以适应未来企业和社会发展的需求,构建一种全新的班级教学管理模式。     

舰艇编队保障性指标的分解方法

针对目前保障性分配仅限于单船的问题,借鉴基本可靠度的分配思想,通过对舰艇编队使用可用度与单船使用可用度关系的分析,建立了舰艇编队保障性指标分解模型,并采用多因子评分系数分配法来确定舰艇编队保障性指标的权重。最后,通过实例给出了具体分解操作步骤,证明了该模型的正确性和有效性。分解结果可优化舰艇编队的编成,为编队里同型单船保障性指标的确定提供修正,同时为完善舰艇编队的综合保障工程提供参考。     

基于神经网络的绕组电流闭环控制方法

在解决闭环消磁绕组电流优化计算问题时,会面临将外部磁场推算误差带入电流反演计算或完备的基函数难以确定等问题。为了降低这些因素对舰船最终补偿效果的影响,从智能优化的角度出发,在讨论散布常数对模型预测误差的影响后,确定了适宜的散布常数,建立了内部磁场与补偿电流之间的径向基函数神经网络预报模型。该方法通过样本对网络进行训练,无须推算内外磁场,就能直接得到使绕组磁场与目标磁场拟合误差最小的补偿电流向量。对比其他数值建模方法,其换算精度有所提高,且选择不同的同维向量作为基函数对补偿结果影响较小。船模实验验证了该方法的有效性。     

具有leakage时滞的随机马尔科夫跳变神经网络的稳定性

研究一类具有leakage时滞的随机马尔科夫跳变神经网络的稳定性,通过构造一个新的Lyapunov-Kra—sovskii泛函,并应用It6公式、随机不等式技术,得到了基于线性矩阵不等式（LMI）的均方意义下的全局稳定性判定条件．     

Can NATO survive an accident prone Euro?

The European Monetary Union (EMU) is inherently unstable, and will be prone to repeated financial and fiscal crises. These crises pose a clear threat to NATO security and the political institutions of Alliance member states. There is no definitive way to eliminate the risks posed by monetary union, but straightforward reforms in EMU sovereign debt management represent a low-cost near-term means of mitigating these risks. With EMU nations facing a seeming leadership vacuum, it is well within NATO purview to press for adoption of such reforms.     

基于干扰管理思想的应急装备器材供应扰动恢复模型

为解决应急条件下装备器材供应过程中由于运力受扰而产生的干扰问题,基于干扰管理思想,提出了应急装备器材供应扰动恢复问题的转化策略,构建了基于虚拟需求点的运力受扰扰动恢复模型;为寻求最优解,设计了基于遗传算法的人工鱼群优化算法。通过算例对模型和算法的有效性进行了验证。     

基于变结构神经网络的L1自适应控制

针对传统模型参考自适应控制存在的鲁棒性问题和神经网络结构庞大因而计算量膨胀的问题,提出了一种变结构神经网络L1自适应控制方法,其中变结构神经网络用于在线辨识系统存在的未知非线性函数,该网络通过对节点进行唤醒与催眠以动态调节结构,以最少的节点数进行有效的逼近,降低计算复杂度;L1自适应控制用于网络权值学习与系统非线性补偿,反馈回路中设有一个低通滤波器,只要满足L1增益条件,就能确保系统的输入输出信号的瞬态响应和稳态跟踪性能与一个期望的线性时不变系统的响应保持一致。通过对四旋翼飞行器进行仿真,验证了该方法的有效性。