TG-2伽玛暴偏振探测仪POLAR

伽玛暴偏振的测量对喷流机制的确定有着至关重要的作用。伽玛暴偏振探测仪POLAR是中欧合作的、专门用于探测伽玛暴偏振的探测仪器,POLAR通过康普顿散射的原理实现对伽玛暴偏振度高灵敏度的测量。介绍了POLAR的整体方案和载荷研制情况,通过蒙卡模拟和地面实验对仪器性能进行验证,结果表明POLAR具有符合设计要求的偏振测量能力。     

基于情景分析的航空集群决策规则库构建方法

针对传统的规则学习算法很难解决顶层决策,以及现阶段航空集群作为一种新兴的作战样式,没有太多现成的数据和案例可供参考,暂不具备"从战争中学习战争"条件等难题,从战争设计的角度出发,探讨性地提出了一种基于情景分析的规则库构建方法。首先,从系统演化的外部触发条件和内部驱动机制出发,提出了基于事件触发-规则驱动的自主决策机制;然后,将航空集群决策规则拆分为事件、条件、动作3部分,并采用事件-条件-动作（ECA）描述机制进行规范化表达;最后,借鉴情景分析理论的思想,通过详细分析作战过程的逻辑关系、状态变迁,实现对象、事件、行为的关联,并以无人机自主察打任务规则提取为例进行了验证分析。     

重视航行情报的及时发布——几起飞机误落跑道、滑行道事故征候分析

一、引言 近期发生的几起飞机误落尚未启用的新建跑道、滑行道、快速脱离道事件,究其原因是多方面的,包括机场、机组、空管的原因,事件的发生有其偶然性,也有其必然性。本文作者从航行情报的专业角度分析在这几起事故征候中情报资料所应扮演的角色,希望籍此提高业内各部门对情报资料的认识及重视程度,杜绝类似不安全事件的再次发生。     

基于极大代数的航班离港过程分析

采用极大代数方法对民航飞机每一批次中各类机型的配比大于1的离港过程进行了建模与分析,通过多步输出反馈,得到了具有多步状态延迟的闭环系统模型。给出了求解极大代数意义下的广义特征值问题的算法,并通过算例验证了算法的有效性。     

航班延误引发的旅客群体性事件仿真研究

针对航班延误引发的旅客群体性事件,改进了情绪感染模型,提出一种外界事件刺激下的情绪感染模型,模型中提出了个体受外界事件刺激下的情绪增长计算模型,引入了群体角色、亲疏关系等社会属性,在此基础上,应用行为阈值函数模拟个体的情绪动态下的行为决策过程,并以航站楼候机厅航班延误引发的旅客群体性事件为案例,结合社会力模型模拟单个航班延误情境下的情绪感染过程以及旅客群体事件演化过程。仿真结果表明,所提出仿真方法考虑了旅客特征与随机性,更接近于真实的场景;群体结构的分化是旅客群体性事件的诱发因素。     

心理应激因素对高校辅导员心理健康的影响

本研究以244名高校辅导员为调查对象,以问卷调查的方式考察了生活事件、应对方式、社会支持与心理健康的关系,并构建了其与心理健康的关系模型.多元逐步回归分析表明,消极应对、学习事件、健康事件、他人支持和工作与经济事件可预测高校辅导员心理健康变异量的26.6％(F=24.516,p＜0.05).路径模型进一步显示:(1)直...     

石油员工心理应激中介因素与生活满意感的相关研究

探讨心理应激中介因素与生活满意之间的关系,为提高石油勘探开发员工的生活满意感提供理论依据.方法:采用横向研究的方式对344名石油勘探开发员工进行了《生活满意感指数A》、《生活事件量表》、《应对方式问卷》和《领悟社会支持量表》问卷调查.他人支持、消极应对、环境事件、朋友支持可预测石油勘探开发员工生活满意感变异量的18.8...     

由太阳爆发事件特征预报地磁暴方法研究

CME是非重现性地磁暴的诱因,通过对太阳耀斑爆发活动的特征与可能引起地磁活动的CME进行统计分析,发现太阳耀斑的强度、位置、持续时间以及耀斑所伴随的太阳质子事件和行星际高能质子通量的增长与CME的特征及可能产生的地磁扰动有着密切的关系.在对数据分析的基础上,建立了基于人工神经网络的预报模式,对太阳耀斑爆发活动所引起的地磁扰动的发生及Ap指数进行了预报,取得了较好的结果.      

中法天文卫星(SVOM)伽玛暴联合探测任务

中法天文卫星SVOM是中法两国合作的伽玛暴探测任务,由中国国家航天局（CNSA）和法国国家空间研究中心（CNES）批准立项,中国科学院负责总体研制.SVOM是继美国SWIFT任务之后最重要的伽玛暴多波段探测项目,是一颗功能强大的天文卫星,具有多波段观测、快速机动、灵活操作及地面后随观测能力.SVOM将开创一个非常广阔的探测领域.本文介绍了项目组织、任务目标、卫星和有效载荷、地面段以及运控概念.      

一种基于学习的高超声速飞行器智能控制方法

针对吸气式高超声速飞行器的飞行控制问题,提出一种基于学习的智能控制方法。为便于控制器设计,将飞行器动力学模型划分为速度子系统和高度子系统：为解决速度子系统控制输入受限的问题,提出一种基于强化学习的智能控制方案;对于考虑有限通信资源的高度子系统跟踪控制问题,提出一种基于事件触发的确定学习控制方案。该方案包含离线学习训练和在线触发控制两个阶段。首先在本地离线学习训练阶段获取并存储系统的未知动态知识,随后利用所获取的经验知识设计基于事件触发机制的在线触发控制器。本文所提方案基于学习的思想将离线学习训练获取的智能体和经验知识应用于在线控制,使得所提方案能够快速计算控制指令且通信资源占用少。仿真结果说明了所提出方法的有效性。