基于LES和D-BPBE方程的舰船尾流气泡聚并研究

基于大涡模拟方法(LES)和经专门修正的气泡群平衡方程(D-BPBE),对舰船尾流中普遍存在的气泡聚并现象进行了数值模拟研究.结果表明:气泡聚并对尾流总气泡数密度的分布(BND)影响不大,但却是影响尾流气含量分布的主要因素;其原因在于气泡聚并主要发生于有大尺寸气泡参与的情形.虽然从数密度而言,大尺寸(500～1 000μm)气泡相对尾流总气泡的比例较小,但它是尾流中气含量的主要载体,因而往往直接决定着气含量沿尾流流向的分布特征.研究同时表明了气含量的分布特征为,近尾流区(约1.8 km内)近似以乘幂形式衰减,远尾流区以线性格式衰减.结论弥补了当前针对舰船尾流的研究一直不能明确气泡聚并在尾流气泡分布中的作用这一根本缺陷.     

高等学校图书馆服务创新思路分析

随着科学技术的不断向前发展,信息技术和网络技术在图书馆管理服务方面的应用越来越广泛,使得传统的高校图书馆服务内容受到了冲击,传统的高校图书馆服务模式已经难以满足读者日益增长的借阅需求。本文结合日常工作研究高等学校图书馆在当前形势下开展服务创新的概念和必要性,从多个角度分析了高等学校图书馆开展服务创新的思路,目的在于更好地促进高校图书馆服务创新工作的开展,为广大师生提供更加优质的图书馆服务。     

高等学校图书馆服务创新思路分析

随着科学技术的不断向前发展,信息技术和网络技术在图书馆管理服务方面的应用越来越广泛,使得传统的高校图书馆服务内容受到了冲击,传统的高校图书馆服务模式已经难以满足读者日益增长的借阅需求.本文结合日常工作研究高等学校图书馆在当前形势下开展服务创新的概念和必要性,从多个角度分析了高等学校图书馆开展服务创新的思路,目的在于更好地促进高校图书馆服务创新工作的开展,为广大师生提供更加优质的图书馆服务.     

基于周期驱动的动态聚合解聚多分辨率建模仿真方法

针对传统动态聚合解聚多分辨率建模仿真面临的链式解聚,一致性维护难,复杂度高,实用性差等问题,提出了一种基于周期驱动的动态聚合解聚多分辨率高效仿真模型.其基本原理是模型的聚合解聚不受控于实体内部的复杂交互,而是以固定的周期为驱动,并允许跨分辨率交互发生,此外,模型力求实现宏观上的一致性,而不去对个体的一致性进行特别关注.介绍了模型的仿真调度机制,建立了参数化聚合解聚形式化模型,分析了模型对体系复杂特征的影响.此外,对模型的可控性(误差和计算复杂度)进行了理论分析,表明了宏观一致性解的存在性,并理论上证明了模型存在且只存在一个单位增益因子,从而简化了求解过程.最后,以武器装备体系为例,在多分辨率架构设计的基础上,对模型可行性和有效性进行了实验验证.研究对于多分辨率建模仿真技术的推广应用具有重要的促进意义.     

以人为本思路下的高校图书馆工作探讨

本文主要结合日常的工作实践,分析和阐述了高等院校图书馆坚持以人为本工作思路的重要性和必然性,同时对图书馆具体落实以人为本服务理念的具体措施进行了阐述.     

基于大涡模拟方法和修正的气泡平衡方程的舰船尾流气泡聚并研究

基于大涡模拟方法(LES)和经专门修正的气泡群平衡方程(D-BPBE),对舰船尾流中普遍存在的气泡聚并现象进行了数值模拟研究。结果表明:气泡聚并对尾流总气泡数密度的分布(BND)影响不大,但却是影响尾流气含量分布的主要因素;其原因在于气泡聚并主要发生于有大尺寸气泡参与的情形。虽然从数密度而言,大尺寸(500~1 000μm)气泡相对尾流总气泡的比例较小,但它是尾流中气含量的主要载体,因而往往直接决定着气含量沿尾流流向的分布特征。研究同时表明了气含量的分布特征为,近尾流区(约1.8 km内)近似以乘幂形式衰减,远尾流区以线性格式衰减。结论弥补了当前针对舰船尾流的研究一直不能明确气泡聚并在尾流气泡分布中的作用这一根本缺陷。     

基于Nash-Q的网络信息体系对抗仿真技术

武器装备体系作战仿真研究隶属于复杂系统研究范畴,首次对基于Nash-Q的网络信息体系(network information system-of-systems,NISoS)对抗认知决策行为进行探索研究。Nash-Q算法与联合Q learning算法具有类似的形式,其区别在于联合策略的计算,对于零和博弈体系作战模型,由于Nash-Q不需要其他Agent的历史信息即可通过Nash均衡的求解而获得混合策略,因此更易于实现也更加高效。建立了战役层次零和作战动态博弈模型,在不需要其他Agent的完全信息时,给出了Nash均衡的求解方法。此外,采用高斯径向基神经网络对Q表进行离散,使得算法具有更好的离散效果以及泛化能力。最后,通过NISoS作战仿真实验验证了算法的有效性以及相比基于Q-learning算法以及Rule-based决策算法具有更高的收益,并且在离线决策中表现优异。