抢险救援装备保障研究

根据抢险救援任务中装备保障的基本要求,结合抢险救援装备保障的现状,针对完成任务过程中所暴露的问题,从保障预案、保障行动、资源整合和工作组织四个方面,阐述了抢险救援装备保障应采取的措施,为提高部队装备保障水平、提升部队抢险救援能力,提供了可借鉴的理论探索。     

一种基于多Agent强化学习的多星协同任务规划算法

在分析任务特点和卫星约束的基础上给出了多星协同任务规划问题的数学模型.引入约束惩罚算子和多星联合惩罚算子对卫星Agent原始的效用值增益函数进行改进,在此基础上提出了一种多卫星Agent强化学习算法以求解多星协同任务分配策略,设计了基于黑板结构的多星交互方式以降低学习交互过程中的通信代价.通过仿真实验及分析证明该方法能...     

需求可拆分的应急物资调度问题的蚁群算法

应急物资调度问题是个典型的需求可拆分的车辆路径问题,区别于传统的车辆路径问题,将每个需求节点只能由一辆车访问的约束去除,允许需求节点由多辆车进行访问。针对应急物资调度问题的特点,建立相应的多目标车辆路径数学规划模型(SDVRP),并根据模型特点设计改进蚁群优化算法。最后,进行相应的算例分析,验证了该模型和算法的有效性。     

着陆冲击试验系统设计及大型橡胶容器试验验证

为确保大型橡胶容器的运输适航性,依据中国民用航空局对运输类飞机的应急着陆过载要求,开展着陆冲击试验系统设计。通过冲击平台仿真设计与校核、波形发生器仿真设计、摆锤系统与导向机构设计,构建了着陆冲击试验系统,有效负载约达20 t,最大冲击载荷达到400 t。选取大型橡胶容器作为典型空运物资进行应急着陆实装试验验证,结果表明:冲击波形均近似为三角波,与仿真曲线波形相似,过载峰值分别为侧向1.54g、航向3.06g、9.02g、16.20g,与目标峰值最大相对误差小于3%,峰值对应时间大于50 ms,试验系统符合设计要求。该试验系统可用于空运平台的研制,对于确保飞行安全、降低研制风险、提高空运适航性具有重要的意义。     

应急机动部队战时军械勤务指挥自动化系统研究

本文研究建立应急机动部队战时军械勤务指挥自动化系统,文中对系统设计的目标、指导思想及系统的硬件配置和应用软件功能进行了论述。     

潜艇核事故应急评价模式研究

评价模式是核事故应急评价系统的核心．在理论分析的基础上,建立了适合基地特点的潜艇核事故应急评价模式及参数,并通过假想事故对所建立的评价模式进行了校核．结果表明,该模式具有良好的可靠性和可行性,适合基地的特点,满足核潜艇核事故应急评价的要求．根据所建模式,还编制了一套实用、可靠、灵活、方便的应用软件．     

消防应急照明和疏散指示标志设置常见问题分析

消防应急照明与疏散指示标志的作用是保证火灾时仍需坚持工作场所的工作照度和安全通道的疏散照度,正确引导火灾场所的人员安全疏散到安全地带,是保障消防作业和安全疏散必不可少的重要设施。消防应急照明和疏散指示标志的设置应既符合消防要求又要行之有效,但在实际工作中经常出现设置上的疏漏和错误,下面就一些常见的问题进行列举分析。     

某型火炮制退机节制环磨损故障分析与处理

制退机的性能好坏直接关系到火炮作战效能的发挥。针对目前装备保障方式大多停留在维修层面而理论研究不够深入的实际,对节制环磨损故障的机理进行分析。以某型火炮短节制杆式制退复进机为对象,利用MATLAB数值计算平台,编程仿真节制环磨损故障对后坐的影响。同时探讨了故障后对火炮的处理方案。研究表明,节制环磨损对后坐诸元都将产生不同影响,针对影响的程度可制定相应的故障处理方案。仿真模拟和方案探讨对装备保障工作具有参考意义。     

高性能异构加速器MiniGo算子优化方法

根据高性能异构加速器的特性和MiniGo的训练模式提出了一种高效的并行计算方法。对片上计算资源进行合理规划,实现异构设备之间的流水并行优化;根据异构设备间存在共享存储段设计了共享内存编码模式,减少数据传输开销;根据数字信号处理簇内具有多计算资源的特点结合算子计算-访存特性设计了不同的算子并行计算优化策略。同时,面向TensorFlow实现了一个易于使用的高性能计算库。实验结果显示,该方法实现了典型算子的多核并行计算。相对于单核,卷积算子加速比为24.69。相较于裁剪版8核FT2000+CPU,该方法训练和自博弈执行速度加速比分别为3.83和1.5。     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.