企业家社会资本对企业创新绩效的作用与影响

创新绩效反映了企业新业务开发的数量与质量,对中小型民营科技企业尤为重要。在经济、科技、信息全球化深入发展、市场竞争日益激烈的情况下,中小型民营科技企业家社会资本对企业创新绩效的作用如何,成为人们关注的重要问题。通过对中小型民营科技企业调查,发现中小型民营科技企业家商业和技术社会资本对企业的创新绩效有积极正面作用,企业家制度社会资本对企业的创新绩效作用不明显。     

“十二五”云南支线机场融资方案设想

要保持云南机场集团持续健康发展,首先要解决的就是融资难。对于支线机场建设来说,公开发行股票或者债券几乎没有可能,而利用国际上流行的BOT模式进行融资实际运作缺乏政策指导和法规保障;另一方面,国内银行贷款比例偏高将产生高额的利息,对机场运营是一个沉重的负担。但是,这也并非说没有其他可行的融资方式来满足支线机场建设的资金需求,就目前情况看,除了国家和各级地方政府投资外,仍有几种融资模式值得探索。本文将基于云南省支线机场的实际,针对各种模式逐一分析,寻找出最匹配的模式,为云南机场"十二五"跨越式发展提供理论支持。     

再入飞行器自适应最优姿态控制

针对再入飞行器姿态控制问题,应用自适应动态规划（ADP）理论设计了姿态控制器。将再入飞行器的姿态控制建模为非线性系统的最优控制问题,提出单网络积分型强化学习（SNIRL）算法进行求解,该算法简化了积分型强化学习（IRL）算法在迭代计算中的执行-评价双网络结构,只需要采用评价网络估计值函数就可以求得最优控制律,其收敛性得到了理论证明。基于SNIRL算法设计了自适应最优控制器,并证明了闭环系统的稳定性。通过数值仿真校验了SNIRL算法比IRL算法计算效率更高,收敛速度更快,并校验了自适应最优姿态控制器的有效性 。     

迭代法求解航天器热网络方程的收敛条件与时间步长优化

热分析计算是航天器热设计验证和在轨温度预示的重要手段,其实质是对描述航天器在轨状态的能量平衡方程即热网络方程的求解。作为典型的非线性问题,航天器热网络方程通常采用迭代法求解,且目前尚无完善的理论可以判断迭代过程的收敛性和收敛条件。文章根据航天器热控设计的工程实际,提出一种可行的近似方法,实现了热网络方程的线性化;在此基础上对迭代法求解过程中的收敛性进行分析,确定了收敛条件下对节点热参数和时间步长的约束关系;并进一步分析时间步长与计算效率的关系,提出了以计算效率为优化目标的最优时间步长确定方法。最后通过某典型航天器热物理模型的计算验证了上述方法的正确性。     

美军网络中心战的发展及其对装备建设的启示

网络中心战是信息化战争的主要作战样式。信息技术的广泛应用,大大提高了装备作战的能力,同时也对装备建设提出了更新更高的要求。阐述了美军网络中心战的含义与结构组成,分析了美军网络中心战的建设情况、关键技术、作战应用及其发展动向,最后探讨了网络中心战对装备建设的影响。     

光平方公司L频段4G部署计划生机渺茫

2012年2月15日,美国联邦通信委员会(FCC)发布公告,宣布因存在对GPS的干扰问题,提议撤消之前对光平方公司的"有条件授权",无限期暂停其"辅助地面设施"(ATC)网络,并就上述两个问题征询公众意见,从而使得这场GPS阵营与光平方公司之间耗时一年多、波及面极广的"大战"结果初见明朗,胜利的天平最终向着GPS一方倾斜。     

卫星通信中基于网络编码改进的广播重传策略

针对传统卫星广播重传策略、链路高丢包率下的基于网络编码的广播重传策略和最大团策略的问题,提出了一种改进的基于网络编码的广播重传策略。理论分析及模拟测试结果证明了改进的基于网络编码的广播重传策略较好地解决了传统卫星广播重传策略信道占用率较高、重传次数较多的问题,链路高丢包率下的基于网络编码的广播重传策略不能达到重传性能最优的问题,保证了卫星通信中的组播数据的快速、可靠的发布。     

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

全民健身进程中廊坊市社会体育指导员现状及其制约因素调查研究

本文采用文献资料法、调查法以及数理统计等方法对全民健身进程中的廊坊市社会体育指导员的现状进行了调查与分析。主要从社会体育指导员的基本状况、质量状况、指导工作状况,影响指导工作的制约因素并提出了建议和对策。     

一种高超声速滑翔飞行器轨迹智能预测方法

针对高超声速滑翔飞行器(Hypersonic glide vehicle, HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。