从生活世界出发探索大学生党员理想信念教育对策

生活世界构成了大学生党员理想信念教育的根基,凸显学生的主体性价值,有利于远大理想信念的生成与升华。从生活世界出发开展学生党员的理想信念教育能够突破传统教育方式的局限,从人为预设转向自动生成,从脱离实践转向知行合一,从个体修行转向主体交互,从非连续性转向连续性。教育者可从以下方面展开举措：激发学生党员对可能生活的远大追求,指引学生党员在现实生活中践行理想,加强学生党员与各类群体的互动沟通,建立学生党员理想信念教育长效机制。     

基于PCA方法对太阳活动区主要参量的分析

太阳耀斑与太阳质子事件的发生通常与太阳活动区存在非常密切的关系, 对这种关系的深入分析有助于太阳耀斑和太阳质子事件预报模型的建立. 本文利用主成分分析(Principal Component Analysis, PCA)方法对1997-2010年太阳质子事件所在活动区的主要参量进行分析, 选取的参量包括黑子磁分类、 McIntosh分类、太阳黑子群面积、10.7 cm射电流量、耀斑指数、质子耀斑位置和软X射线耀斑强度. 结果得到81个太阳活动主成分得分值排序(得分值代表每个事件的强弱), 与太阳质子事件峰值流量、太阳黑子年均值以及10.7 cm射电流量年均值的对比显示相似度非常高, 表明主成分得分值一定程度上可以反映太阳活动的强弱规律.      

用卫星能预报地震吗？

地震是危害性极强的灾害之一,据联合国统计,20世纪以来,全世界因地震死亡人数达260万,因此,如何进行地震预报受到世界各国的关注。目前监测地震的主要手段是地面台站观测,但受观测环境、生活环境等诸多客观条件的限制,在国境边界、海洋、高山、原始森林等地区建台比较困难,全球的观测台网密度很不均匀,存在许多监测空白区,且无法实现全天候、全球性观测,动态性较差,这些都不利于地震预报和地震科学研究的进一步发展。那该怎么办呢？人们想到了卫星。     

某型飞机氧气系统动态故障树分析

分析某型飞机氧气系统工作原理,根据其工作特点和过程建立系统失效动态故障树(DFT),使用马尔可夫链转移公式对故障树进行定量计算,求出顶事件发生概率和底事件概率重要度,找出氧气系统薄弱环节,为机务维护工作提供帮助,也可指导工厂对氧气系统进行升级改造。     

串行通讯程序的自动化实现

详细分析了软件查询、通讯事件和多线程三种方法的技术原理及程序实现,通过对三种方法的特点和优劣的比较,认为用事件和多线程技术可以很好地处理通讯程序的自动化问题,并给出的多种思路,亦可以推广到其它的应用领域.     

民用航空发动机顶层故障事件的概率计算研究

为满足民用航空发动机的安全性目标,发动机顶层故障事件(顶事件)的风险应被控制至可接受状态。针对顶事件的风险控制要求,细化为顶事件的预期发生概率应被控制至可接受值以下。基于顶事件的预期发生概率要求,提出了从上到下分析导致顶事件发生的潜在原因并逐级建造故障树的方法,阐述了故障树分析的开展时机及作用。然后,对顶事件发生概率的计算进行了研究,通过考虑顶事件的飞行阶段影响因素、故障树最小割集及其概率、底事件失效率及其风险时间,提出了顶事件发生概率的计算模型。同时,结合示例对顶事件发生概率的计算模型进行了应用,以验证顶事件概率计算方法的可行性。提出顶事件概率计算模型,为发动机顶层故障事件风险控制要求提供有力的技术支撑。     

一种新的太阳质子事件警报方法的探讨

本文分析了第21太阳活动周后半期的太阳质子耀斑硬X射线辐射资料, 发现它们的峰值流量、积分流量、上升沿斜率、X光子的最高能量和持续时间等物理参数之间有着不同于非质子耀斑的相关性。据此, 本文采用模糊聚类分析法, 对21太阳活动周期间(1980.2—1986.2)的质子事件进行预报试验。其报准率为88.5%, 虚报率为53.1%, 漏报率为11.5%。本文提供了基于X射线辐射特征的太阳质子事件警报的新途径和方法。      

基于异步事件流的空间点目标跟踪方法

在当前的空间态势感知领域,针对快速移动的空间点目标的检测与跟踪,传统的基于帧的视觉传感器表现出了一定的局限性,难以满足日益增长的任务需求.因此,基于神经形态学的事件相机,凭借其高时间分辨率和高动态范围,已成为目前的研究焦点.提出一种基于异步事件流的空间点目标跟踪方法.通过单层脉冲神经元滤除其中的噪声,并得到候选目标;采用最近邻运动轨迹关联对候选目标进行持续跟踪,从而得到每个候选目标的运动轨迹;通过特征权重虚警滤除去除候选目标中的虚警目标,保留实际的空间点目标的运动轨迹.在实验阶段,分别使用CeleX-V事件相机测量事件数据和公共空间目标事件数据集(EBSSA数据集)验证了所提出算法的有效性.实验结果显示,在灵敏度和信息量两项指标上,相较于文中提到的基于事件的空间目标跟踪方法具有一定的优势,证明了基于异步事件流的空间点目标跟踪方法能够准确地从原始事件流数据中检测出一个或多个空间点目标,并获取其运动轨迹.