简介:<正>我厂原为中国人民解放军铁道兵的桥梁轨枕生产基地,1984年并入铁道部。伴随着由兵到工、由计划到市场的改革大潮,我厂一度跌入浪底,偌大的基地,不产桥梁只长草,数千名职工求食无着、嗷嗷待哺。有本事的找路子,没本事的靠亲戚,许多人要求调离工厂。企业出路在哪里,如何架设通往市场的“桥梁”?俗话说,天时不如地利,地利不如人和;人和万事兴。工厂领导班子坚持把思想政治工作的着力点放在凝聚人心上,靠人和创造最佳产品质量、最佳企业形象、最佳经济效益,促进企业从闭塞的山区逐步走向全国和世界,成为全路混凝土桥梁轨枕生产厂家中占有
简介:针对新型作战体系下以装甲车辆为主的地面目标的被动声识别问题,为实现不同车型在不同工况下的声识别,以常见的3种坦克和4种履带式装甲车为识别对象,提出了一种基于变分模态分解(VariationalModeDecomposition,VMD)和人工蜂群(ArtificialBeeColony,ABC)算法优化的支持向量机(SupportVectorMachine,SVM)相结合的装甲车辆声识别模型。首先,采集不同工况下的车辆噪声信号并进行频谱分析,证明了VMD分解的可行性;其次,对样本信号进行VMD分解,得到不同尺度的本征模态函数(IntrinsicModeFunction,IMF)并进行多尺度模糊熵(Multi-scaleFuzzyEntropy,MFE)的计算,得到多尺度模糊熵特征(VMD-MFE);然后,利用优化算法对SVM进行优化,得到最优参数优化的分类器模型;最后,对噪声信号进行特征提取和分类实验。结果表明:VMD的分解效果优于经验模态分解(EmpiricalMadeDecomposition,EMD)和集合经验模态分解(EnsembleEmpiricalModeDecomposition,EEMD);与引力搜索算法(GravitationalSearchAlgorithm,GSA)和布谷鸟搜索(CuckooSearch,CS)算法相比,ABC算法得到的优化模型ABC-SVM具有更高的识别率,可达94.14%以上。
简介:陕西省军区组织民兵,预备役部队艰苦奋战近4年,对全省106条小流域实行山,水,田,林,路,园综合治理,从源头上扼制水土流失,发送生态环境,使当地群众的生产,生活变了样,“在黄土地上矗起了一座造福人民的绿色丰碑”,为西部大开发作出了贡献。这一行动,是对“三个代表”重要思想有力的诠释,生动的实践。在工程浩大的106条小流域治理中,陕西省军区以创新理论为指导,以群众满意为准则,科学地认识和驾驭市场规律,探索出“部队承建,群众投劳,市场运作”等工程治理新模式,化解了经费筹措,人员组织等难题,实现了在承建中用兵,练兵,强兵……这些成功的做法,为全军部队参加和支援西部大开发,提供了有益的经验与借鉴。