简介：接力征程又开端，五湖四海更宏观。清风习习浮云散，看我神州天地宽。

简介：“我哥正在参加公司的‘最美员工＇评选活动,请大家帮忙为2号选手点赞投票。”指导员在连队官兵的微信群里发出这样一条消息。不一会儿,群里陆续出现“已赞”“已投”等回复,更有甚者还将点赞页面截图之后发布,以证实自己的的确确落实了指导员的“指示”。这只是大家使用微信时的一个常见情景。

简介：当前，国防和军队改革正向纵深推进，单位撤并降改、岗位调整变化、个人进退去留等现实问题对官兵造成的冲击和影响直接而现实。面对这次力度、深度、广度最大的军事力量体系的革命性重塑，能否做到用强军目标统一认识、凝聚意志、引领行动，是基层政治工作面临的最大考验，要求我们必须坚持目标引领，着力把握四个关键。

简介：每个年轻人都有一颗躁动的心,我也一样。11年前,军校对我所在的生活圈来说还很陌生。刚刚以不错的成绩结束高考的我,在家人的劝说下,在志愿书上填上了一所军校的名称,竟然还被录取了。因为大哥是一名军人,所以我从小就喜欢大盖帽、喜欢枪,就连自己的压岁钱也会在玩具枪上投资不小。奶奶常说,这孩子是个当兵的料,听了这话,我心里美滋滋的。

简介：针对峭度谱（Kurtogram）无法有效区别振动信号中的瞬态故障冲击和脉冲噪声,难以准确提取微弱的滚动轴承故障特征的问题,提出一种基于加权峭度（WeightedKurtosis,WK）的滚动轴承故障特征提取方法,通过固定设置滤波带宽,利用加权峭度识别共振中心频率,确定带通滤波器的滤波中心频率和带宽,结合包络分析提取滚动轴承故障特征,并通过采集变速箱滚动轴承振动数据对该方法进行了验证。结果表明：该方法能够有效克服峭度谱的缺陷,稳健识别滚动轴承共振中心频率,准确提取滚动轴承故障特征,验证了该方法的有效性。

简介：针对行星齿轮传动故障诊断中的信号故障特征微弱、特征提取困难等问题,提出了基于自适应聚合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD)和样本熵(SampleEntropy,SE)的行星齿轮箱故障特征提取方法。首先,针对EEMD结果存在较大的盲目性和主观性等问题,提出自适应EEMD方法;然后,使用此方法将行星齿轮箱振动信号分解为若干个固有模态函数(IntrinsicModeFunctions,IMF)分量,通过相关性分析选取含有齿轮状态特征信息的IMF分量并对信号进行重构,计算重构信号样本熵值,以此判断行星齿轮箱的运行状态;最后,对行星齿轮箱故障模拟试验台采集的2种状态振动信号的自适应EEMD样本熵进行求解,并与直接样本熵、EEMD样本熵等特征提取方法对比,验证了自适应EEMD样本熵具有更好的分类能力。

简介：为提高无人车行驶过程中前方车辆检测的准确性和实时性,提出了基于激光雷达(LIghtDetectionAndRanging,LIDAR)深度信息和视觉方向梯度直方图(HistogramsofOrientedGradients,HOG)特征的车辆识别和跟踪方法。目标首次进入视野时,聚类处理激光雷达深度信息并确定假设目标的候选区域,采用车辆尾部的HOG特征对假设目标进行验证。在HOG特征验证前,基于最小二乘支持向量机(LeastSquaresSupportVectorMachine,LS-SVM)算法对样本集HOG特征进行训练学习,生成车辆分类器模型。对于验证后的目标车辆,采用激光雷达获取的深度信息对目标车辆进行持续跟踪。构建了2种车辆模型,结合最小二乘直线拟合方法提取出车辆特征,生成目标模型。同时,提出了基于多特征马氏距离的目标关联代价方程,实现了多目标的关联;完成了基于卡尔曼滤波的车辆状态滤波和位置估计,更新了跟踪器模型。通过有效的管理策略,实现了目标跟踪的3个状态:1)初始化模型的生成;2)跟踪过程中跟踪器的更新与预测;3)目标驶离视野时跟踪器的删除。最后,通过试验验证了跟踪算法的有效性。

简介：近日,中船重工第七〇五研究所召开六届五次职代会暨2017年工作会议,认真学习贯彻集团公司2017年度工作会议精神,在全面总结2016年工作的基础上,客观分析面临的形势,对2017年的工作进行部署。会议强调,要以集团公司2017年工作会议精神为指导,坚持稳中求进工作总基调,以提高发展质量和经济效益为中心,全面深化改革,激励内生动力,强化创新驱动,提升军品发展能力,调整民品产业结构,严控风险,