任务型教学法的任务设计

任务型教学法是新兴的一种强调“在做中学”(learning by doing)的语言教学方法，是我国外语课程教学改革的一个走向，吸收了以往多种教学法的优点而形成。任务是任务型教学法中一个重要概念。要使任务型教学法更好地发挥作用，任务的设计就显得尤为重要。在任务设计中，要注意任务与人本主义、任务与文化性、任务与教师角色之...     

Particle swarm optimization applied to hypersonic reentry trajectories

This paper presents the novel use of the particle swarm optimization(PSO)to generate the end-to-end trajectory for hypersonic reentry vehicles in a quite simple formulation.The velocitydependent bank angle profile is developed to reduce the search space of unknown parameters based on the constrained PSO algorithm.The path constraints are enforced by setting the fitness function to be infinite on condition that the particles violate the maximum allowable values.The PSO algorithm also provides a much easier means to satisfy the terminal conditions by adding penalty terms to the fitness function.Furthermore,the approximate reentry landing footprint is fast constructed by incorporating an interpolation model into the standardized bank angle profiles.Numerical simulations demonstrate that the PSO method is a feasible and flexible tool to generate the end-to-end trajectory and landing footprint for hypersonic reentry vehicles.     

战斗机嵌入式训练系统中的智能虚拟陪练

智能化"实虚"对抗是现代先进战斗机嵌入式训练系统的重要功能需求。自主空战决策控制技术在未来空战装备发展中扮演关键角色。将当前的功能需求和发展中的技术结合起来,得到了空战智能虚拟陪练的概念。先进控制决策技术的引入使得智能虚拟陪练能够帮助飞行员完成复杂的战术训练,而训练中真实的对抗场景为技术的验证提供了理想的环境,大量的训练数据为技术的持续迭代优化提供了保障。作为可学习和进化的空战战术专家,智能陪练在人机对抗和自我对抗中不断优化,当其具备与人相当甚至超越人的战术能力时,可应用于未来的无人空战系统。智能虚拟陪练需要具备4项基本能力：智能决策能力、知识学习能力、对抗自优化能力和参数化表示能力。对其包含的关键技术进行了分析,提出并实现了一个基于模糊推理、神经网络和强化学习的解决方案,展示了其各项基本能力及目前达到的空战水平。未来更多的模型和算法可在智能虚拟陪练的框架中进行验证和优化。     

基于火箭橇的无人机碰撞民用飞机试验技术研究

无人机碰撞民用飞机关键部位损伤程度的研究是民航领域关注的新型热点问题。本文首次提出采用 火箭橇试验评估无人机碰撞民用飞机的安全性。通过对碰撞速度、碰撞位置、无人机姿态、参数测量等进行研 究,设计碰撞技术方案,论述火箭橇的设计、弹道控制设计、强度校核和测试方案,并进行试验验证和仿真计算。 结果表明:本文设计的火箭橇碰撞试验方案是可行的,实现了单一弹道上的连续多点碰撞及多视角、全覆盖、高 稳定的全过程记录;可为后续开展同类碰撞试验提供必要的技术参考,所开展的多发次碰撞试验也为无人机碰 撞民用飞机的安全性评估提供了有效的试验数据。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

基于学习自动机的雷达干扰资源分配研究

综合考虑干扰机干扰频率、干扰功率、干扰时机和干扰样式等干扰效果评估指标,构建干扰效益矩阵,建立目标函数,构建干扰资源分配博弈模型,并基于学习自动机原理提出了分布式干扰资源分配算法,求解出干扰分配决策。仿真结果表明,提出的分布式干扰资源分配算法能以很低的复杂度来获得很好的干扰性能,有效地解决了干扰资源分配问题,对实际作战指挥有一定的指导意义。     

Real-time mosaicking for infrared videos from an oblique sweeping camera

Image mosaicking is widely used in Geographic Information Systems (GISs) for large-scale ground surface analysis. However, most existing mosaicking methods can only be used in offline processing due to the enormous amounts of computation. In this paper, we propose a novel and practical algorithm for real-time infrared video mosaicking. To achieve this, a novel fast template matching algorithm based on Sum of Cosine Differences (SCD) is proposed to coarsely match the sequential images. The high speed of the proposed template matching algorithm is obtained by computing correlation with Fast Fourier Transform (FFT). We also propose a novel fast Least Squares Matching (LSM) algorithm for inter-frame fine registration, which can significantly reduce the computation without degrading the matching accuracy. In addition, the proposed fast LSM can effectively adapt for noise degradation and geometric distortion. Based on the proposed fast template matching algorithm and fine registration algorithm, we develop a practical real-time mosaicking approach which can produce seamless mosaic image highly efficiently. Experiments on synthetic and real-world datasets demonstrate that the proposed algorithm is not just computationally efficient but also robust against various noise distortions.     

对转压气机转差特性试验与数值研究

为了探索对转压气机流场特性,积累相关设计经验,本文进行在前后级转子等转速压比和效率特性试验基础上,着重进行了前后级转子不同转差下的特性实验。同时,借助CFD技术,辅助分析了转差对压气机特性及流场的影响。结果表明,转差变化引起压气机性能与流场结构发生显著变化,是影响压气机性能的主要因素之一。     

红外可见兼容隐身薄膜的制备与性能

采用多弧离子镀制备了多彩Al/TiNO(掺氮TiO2)薄膜,利用SEM观察了薄膜的表面、断面形貌,并测量了其膜厚.采用XRD研究了薄膜的相结构.利用紫外一可见分光光度计研究了TiNO膜的可见光谱特性,用红外比辐射率测量仪测量了样品的红外发射率.结果表明:在不改变Al箔在8～14 um波段低红外发射率的情况下,实现了其物理着色.所得薄膜为锐钛矿型TiO2结构,薄膜表面平整、致密,结合力较好.TiNO薄膜呈明显柱状生长,薄膜试样表面未出现明显缺陷,薄膜表面致密,柱状颗粒生长完好.TiNO薄膜的沉积速率达120 nm/min.