作战任务序列智能生成方式及其态势表征方法

作战任务序列(course of action,COA)智能生成,特别是战役层次COA智能生成,是军事智能决策领域研究的热点问题.COA智能生成领域多使用基于层次任务网络(hierarchy task network,HTN)、简单时序网络(simple temporal network,STN)等知识规则的方法,而很少采用以深度强化学习为代表的数据驱动智能技术.造成这种现象的原因之一是数据驱动智能技术依赖于有效的态势信息输入,而战役层次战场态势的高度复杂,无法直接输入智能模型,需要精心设计的态势抽象与表征模型作为输入来驱动智能模型.解决这一问题的关键是以具体的COA智能生成方式为牵引,根据COA智能生成模型的具体需求来确定态势抽象与表征方法.因此,研究了较为常用的COA生成方式,并进行对比分析,根据战役层次兵棋推演的特点,设计适用于战役层次COA智能生成方式;基于COA智能生成方式的关键信息需求,提出基于作战能力的战场态势的抽象与表征方法;该方法可以为数据驱动的COA智能生成模型提供恰到好处的输入,并在2020年“先知·兵圣”战略战役兵棋对抗演习中得到检验验证.

猪皮胶原的提取及其结构表征

分别以鲜猪皮和经过自制CO2 超临界处理器处理过的猪皮为原料 ,以醋酸钠 -盐酸为缓冲液 ( pH =2 .0 ) ,利用国产胃蛋白酶提取猪皮胶原。通过测定分子量、等电点以及利用DSC、IR等方法 ,对所提取的猪皮胶原结构进行了表征。结果表明 :从经过自制CO2 超临界处理器处理过的猪皮中提取的猪皮胶原的纯度 ,要比从未经自制CO2 超临界处理器处理过的猪皮中提取的猪皮胶原的纯度高很多 ,其它性质基本不变 ;同时两者都最大程度地保持了猪皮胶原的三股螺旋结构 ,因而适合用作生物医用材料及原料。

造纸黑液制备多功能改性木质素基陶瓷添加剂的性能研究

将制备得到的多功能改性木质素基陶瓷添加剂(MLCA)与碱木素进行红外光谱测定对比,结果表明MLCA已经成功引入了磺酸基团、膦酸基团及季铵基团。通过对碱木素和MLCA的综合性能对比可知,经过改性的MLCA其助磨性能、流动性能、稳定性能及增强性能等均得到大幅度的提升。与市面上常用的添加剂进行对比,结果表明,MLCA制备的陶瓷浆料流出时间为34.0s,厚化度1.10,陶瓷生坯强度为2.22MPa,其综合性能优良,适用性更强。