无人车用智能导航技术国际态势分析

根据无人车用智能导航技术相关的研究与综述论文、专利发表情况,对该专业技术领域进行总体分析。选取1990—2020年的数据,针对论文发表情况,主要对其发展趋势、国家/地区分布、机构分布、出版物分布、高被引论文、被引频次和研究主题进行深入分析;针对专利申请现状,主要对专利申请时间、国家/地区分布、专利权人、专利研发技术热点等进行深入分析。研究结果表明,在无人车用智能导航技术研究领域,美国和中国无论在论文还是专利的数量和质量方面,均处于世界前列。该技术领域的研究热点主要集中在导航系统、导航卫星、惯性技术、地球物理数据、自主车辆导航、自主车辆定位、激光雷达、位置数据、神经网络、目标跟踪算法、传感器、卷积神经网络、自动驾驶等方面。     

机器学习在频谱大数据分析与处理上的应用

作为通信的主要方式,无线通信产生了极具价值的频谱大数据。而机器学习作为新兴的智能算法,可以挖掘出频谱大数据中的有用信息,作出正确的频谱预测和决策,以提高频谱资源的利用率。对机器学习和频谱大数据进行了简要介绍;结合频谱大数据的四大特点,讨论了用于频谱大数据分析的4种机器学习方法——分布并行学习、极速学习机、核学习、深度学习;又以频谱大数据的智能预测和决策为目的,讨论了用于频谱大数据处理的两种机器学习方法——强化学习、博弈学习;最后对机器学习方法在频谱大数据上的应用前景进行了展望。     

国内装备采购研究现状与趋势研究——基于CiteSpace知识图谱软件的可视化分析

本文利用CiteSpace知识图谱分析和可视化工具,从时间分布、期刊来源和作者机构等方面对CNKI中文期刊全文数据库2001年1月1日至2020年6月30日间收录的以"装备采购"为关键词的642篇学术论文及文献进行数据可视化分析,并通过关键词词频共现分析对该领域的高频关键词进行了词频统计。在利用CiteSpace软件对"装备采购"相关文献进行统计分析后,详细论述了装备采购研究的发展趋势,并总结出目前军队装备采购研究的现状与不足,如军队内部科研力量作为装备采购领域研究的核心组成部分,相互间缺乏交流研究;装备采购领域研究方向多元,但基础理论、概念研究不够深入等。在此基础上梳理出优化后期装备采购领域研究发展的建议,以期为完善军队装备采购领域的研究工作提供一定参考。     

小样本装备软件成本估算相关向量机建模

针对装备软件成本估算时面临的历史数据少的小样本难题,提出把机器学习理论运用到装备软件成本估算研究领域,构建了基于相关向量机的小样本装备软件成本估算模型,采用COCOMO模型数据库中的数据对所构建模型进行训练和验证。为进一步验证所构建模型的合理性,在机器学习领域分别运用支持向量机模型和神经网络模型对相同数据进行估算,实验结果证明了基于相关向量机估算模型在小样本装备软件成本估算时比其他两种模型更精确。     

基于专利分析的智能引信安全控制技术

本文基于Patentics数据库提供的数据，通过对智能引信安全控制技术领域的国内外专利进行检索及统计分析，从专利申请量、申请区域、国际专利分类技术构成和重点研发团队等方面对智能引信安全控制技术的专利态势进行深入研究，并结合专利文献着重对重点研发团队的技术发展路线进行解读，进而为实现引信安全控制的智能化发展给出了意见和建议，如发展多功能小型化引信、高安全性自适应控制引信和高可靠性安全/毁伤协同智能引信等，以期为政府、企业及科研机构的决策提供参考，提高科技创新的起点。     

国内“专利代理”研究热点与趋势分析

运用信息计量学、自研软件和以CiteSpaceⅡ为代表的知识图谱工具相结合的方法对1987至2016年国内"专利代理"领域内的基本情况和研究热点与趋势进行了初步分析与可视化展现。通过对数据的处理和分析得出了国内"专利代理"研究领域的期刊、作者、机构、高被引用文献等基本情况,并利用关键词共现、突现词检测等方法对国内"专利代理"研究的热点和未来的研究趋势进行了初步预测,对国内"专利代理"研究具有一定的借鉴意义。     

基于机器学习的固体火箭发动机无损检测数据智能判读

传统固体火箭发动机无损检测图像判读工作存在人工识别效率低、图像数据分散及数据利用率低等问题。本文借助机器学习算法与计算机视觉技术,利用大量发动机无损检测图像数据开展无损检测图像数据预处理、边缘检测以及数据模型训练和应用等技术研究,探索快速、准确获得发动机无损检测图像数据特征的方法,深入挖掘固体发动机无损检测数据的内在联系,找到潜在规律。本研究不仅为固体发动机无损检测图像判读提供了一种准确、高效的手段,同时,能够为发动机无损检测图像识别、测量、判读和发动机相关故障模式分析与故障诊断提供数据和决策支持,也能够为未来机器学习在固体发动机无损检测图像判读领域的深入应用提供实践探索和理论研究方面的参考。     

基于支持向量分类的装备完好性预测模型

对抗的战场环境和任务的变化，越来越需要装备战备完好性来保障作战行动。保持或提高装备战备完好性是装备保障的核心和中心工作。利用基于结构风险最小化的支持向量分类（Support Vector Classification，SVC）方法对装备的战备完好性进行了预测，提高了机器学习方法的预测能力。并以车辆装备发动机的技术状况数据为实例，建立了预测模型，通过参数选择，提高了模型预测的正确率、命中率等指标。结论表明：支持向量分类方法是预测装备战备完好性的有效方法。     

基于机器学习的固体火箭发动机无损检测

传统固体火箭发动机无损检测图像判读工作存在人工识别效率低、图像数据分散及数据利用率低等问题。本文借助机器学习算法与计算机视觉技术,利用大量发动机无损检测图像数据开展无损检测图像数据预处理、边缘检测以及数据模型训练和应用等技术研究,探索快速、准确获得发动机无损检测图像数据特征的方法,深入挖掘固体发动机无损检测数据的内在联系,找到潜在规律。本研究不仅为固体发动机无损检测图像判读提供了一种准确、高效的手段,同时,能够为发动机无损检测图像识别、测量、判读和发动机相关故障模式分析与故障诊断提供数据和决策支持,也能够为未来机器学习在固体发动机无损检测图像判读领域的深入应用提供实践探索和理论研究方面的参考。     

运用科学计量学的人工智能安全技术评估

面对智能化时代的巨大进步,人工智能安全逐渐成为备受关注的议题。以Web of Science数据库收录的核心论文为研究对象,运用科学计量学方法和可视化技术,对包括国家、机构在内的研究力量分布以及热点、前沿和所涉学科在内的主题内容进行分析和总结。针对潜在的人工智能安全议题,构建定性分析框架,对人工智能安全进行定性定量结合的分析,对人工智能安全技术发展进行初步探索与评估。     

基于LabVIEW的电机数据采集系统

介绍了基于LabVIEW的电机数据采集系统的硬件组成和软件设计,提出了在LabVIEW下高速连续采集及存盘技术的实现方法,以及自动搜索基波频率的谐波分析方法,还分析了循环采样方式造成的各采样通道之间的相对相位误差产生的原因,提出采用分组采样方式减小这种误差,并给出了部分程序.最后给出了部分试验结果,证明所提方法的正确性.     

“strategic technology＂研究热点与趋势分析

以Web of Science数据库相关文献为数据源,运用Excel图表工具及CitespaceⅡ可视化知识图谱软件进行数据信息分析,绘制了共现网络图谱,通过解读图谱.对国外“strategic technology”研究热点及趋势进行了初步探析,得出“strategic technology”研究热点与前沿的相关结论,对国内战略技术的研究与政策制定具有一定的参考价值.     

火炮身管内膛疵病检测现状与展望

简要回顾了火炮身管内膛疵病的光学检测方法及其局限性，详细介绍了目前重点研究的光电窥膛检测方法，分析了取得的成果和存在的问题。对火炮身管内膛疵病检测的发展方向进行了预测与展望，指出基于机器视觉的研究是一个新的方向。探讨了今后的研究思路，提出首要的任务是在软件方面实现“采集一识别一判定”的自动运行，为此需要重点研究疵病检测的机器视觉图像信息、图像的纹理特征分析技术、疵病评定体系等3方面的内容。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。     

面向大规模地理矢量线数据的多层级实时可视化技术

针对主流方法难以满足多层级实时可视化的需求,提出面向大规模地理矢量线数据的多层级实时可视化技术。建立面向多层级瓦片绘制的自适应可视化模型,设计像元四叉R(pixel quad R, PQR)树空间索引和基于PQR树的自适应可视化算法,分别用于支撑模型的数据组织和可视绘制。在10亿规模数据集上的实验表明：该技术在0.57 s内可计算任一层级上的可视结果,并且计算耗时大幅小于主流方法。当数据规模急剧增长时,该技术在各显示层级上仍具有较好的可视性能,最低可视速率超过100张/s,大幅优于主流方法。该技术在单机条件下即可支撑大规模地理矢量线数据的多层级实时可视化,在空间大数据探索分析领域具备较好的应用前景。     

利用循环网络的降落伞开伞载荷补偿方法

为了对降落伞充气展开过程中的开伞载荷进行更加准确的预测,提出一种基于循环神经网络的开伞载荷补偿计算方法,包括模型架构和数据处理方式。该方法将充气时间法计算的预测值代入循环网络进行二次计算,使最终结果能够更加贴近试验真值。使用多层前馈网络、标准循环网络与长短时记忆网络三种网络进行比较,验证了所提模型预测结果的适用性和准确性,研究了学习率、输入层维度和隐层维度等超参数对模型性能的影响,并给出了基于长短时记忆网络的补偿模型最优训练条件。实验结果表明,利用循环网络进行开伞载荷预测具有较好的拟合结果,为机器学习与降落伞工业的学科交叉研究提供了一定的参考方向。     

反潜火控软件复用及构件化开发

随着反潜火控设备的快速发展,火控软件中成熟的解算技术需要有效继承,同时需要开发适合新型武器的操控及解算技术,为后续其它型号软件提供高效的功能继承。因此开展软件复用及构件化开发研究在反潜火控软件研制过程中具有重要意义。本文研究了在反潜火控软件开发过程中进行软件复用及构件化开发的技术,并详细介绍了适合反潜火控软件开发的方法和过程。该项技术的使用有效提高了反潜火控软件的可靠性和开发效率,目前已被成功应用在反潜火控软件中。     

一种可移动式科氏流量计实验平台设计与实现

为提高科氏流量计的计量精度,促进相关数字信号处理方法与技术的发展和进口高精度科氏流量计的国产化,设计了一种可移动式科氏流量计实验平台。简述了科氏流量计的基本原理和相关数字信号的处理方法,指明了相关方法的研究趋势。针对研究趋势,分析了科氏流量计实验平台的功能需求,给出了总体设计方案、硬件选型、软件流程和技术指标,重点阐述了数据采集模块(以PLC和NI9234为核心部件)的详细设计,给出了实验平台的初步测试结果。测试表明,该实验平台性能稳定,功能全面,能较好地为开展科氏流量计相关数字信号处理方法研究提供平台支撑。     

武器系统研制费投资分布规律的仿真研究

针对大型项目多峰、复杂费用分布的传统仿真建模方法模型选取过于复杂、且难以达到精度要求等不足,提出将一种基于支持向量机的机器学习方法应用于大型复杂武器系统研制费投资分布研究.计算结果表明,这种方法有效弥补了传统建模方法的缺陷,有更好的泛化能力和实用性,因而可以作为研究此类问题的一种新方法.