基于多视角的装备体系军事需求开发框架模型

装备体系军事需求开发框架模型为装备体系军事需求的开发提供了指导和规则.考虑到军事装备体系自身的体系复杂性和参与军事需求开发的人员多样性,为了能综合反映出各个角度上的需求,应用多视角方法首先对装备体系军事需求进行了分析,然后基于该方法构建了军事需求开发框架模型,进而分析了装备体系军事需求体系,最后以示例来说明该框架模型的实用性.     

用声发射信号和改进的BP神经网络预测磨削表面粗糙度

针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。     

虚拟再制造研究的体系框架

再制造工程是人类社会可持续发展战略的重要保证,虚拟再制造是提高再制造工程效益的重要内容。为了进一步开展广泛而深入地研究,首先需要明确其主要基础理论及重要研究内容。现根据虚拟再制造的显著特点,参考虚拟制造的研究内容,探讨建立了虚拟再制造研究的体系框架。     

网络化作战系统的软硬件体系

分析了发展网络化作战系统的两个推动要素——信息技术的发展和第二代作战系统所面临的问题 ,讨论了网络作战系统的发展目标 ,提出了网络化作战系统的软硬件体系结构 ,包括硬件的三层次结构和集成化作战软件的技术方案 ,指出了实现作战系统网络化的巨大效用。     

面向癫痫脑电的简化深度学习模型

针对脑电信号随机性强、动态变化迅速等特点,提出了一种简化深度学习模型研究癫痫脑电识别问题。提出的模型以一维卷积神经网络为基础,在结构方面简化了卷积层、池化层等以提高模型效率,在整体框架方面应用了Keras框架,在训练优化算法方面采用RMSProp算法作为模型优化算法,通过预定义的目标函数来进行损失估计,模型设计上加入了批标准化层和全局均值池化层。基于所提模型,从三个方面研究了癫痫脑电识别问题,即:利用经验模态分解,分别选取前三阶、前五阶、前七阶、前八阶的本征模态函数分量,在简化模型上进行对比分析；利用提出模型所具备的深度学习特点,直接识别原始脑电信号而无须特征提取环节；增加了三种不同方法分别提取7类特征,对相同的脑电数据进行对比分析。性能分析结果表明:对于五类不同的脑电信号,前三阶的本征模态函数分量的识别率达到92.1%,比其他几种处理方式识别率高；前八阶的本征模态分量识别率不及原始信号,表明人工数据处理时会给数据带来噪声; 所提出的简化深度学习模型能高效处理癫痫脑电识别问题,具备较高效率和较好性能。     

智能化计量管理信息系统设计及应用价值

针对当前军事计量管理信息系统数据类型复杂、可扩展性差和智能化程度低等问题,提出了一种基于大数据的智能化计量管理信息系统。在给出系统总体架构的基础上,介绍了系统实现的关键技术和计量大数据应用价值等内容,该系统的开发和应用,可实现军事计量业务辅助决策、测试设备健康状况分析及质量预测,对推动军事计量技术的提升与发展具有重要意义。     

基于时间外推的目标跟踪解析算法及其改进*

为了解决解析算法在解算过程中存在的多解问题,提出一种解的确定方法,通过预测传感器发现目标的时间,给出一种时间递进的解的确定过程。最后,借助于Repast仿真平台,对算法进行了仿真,表明解析算法与线性拟和算法相比,具有更好的精度。     

控制速度方向的弹道修正导引方法

由于制导炮弹由身管武器发射,其飞行控制能力和导引信息量有限,故基于预测落点位置偏差量来修正速度方向并在控制时间内连续分配导引指令的思想提出一种新的三维末制导方法。根据非线性弹道方程组的级数解预测弹丸落点位置,得到落点与目标的偏差,并提出两种通过此偏差解算当前速度方向修正量的方法。取剩余飞行时间为修正时间,通过将速度方向修正量分配到整个剩余导引段建立加速度修正公式,从而减小导引指令饱和的可能性。通过连续地预测落点和分配加速度指令来实时地导引飞行。仿真结果表明:该导引方法简单可行,精度高,对控制能力要求较低,且具备较好的制导效果和毁伤效果,可为该体制制导炮弹的应用提供参考依据。     

基于位置预测的靶场图像实时判读方法

在靶场经纬仪对目标实时跟踪测量时,会发生相机随机抖动的情况,引起目标在图像中大幅度运动。应对大幅度运动时,基于搜索窗口的跟踪方法容易丢失目标,而基于全图搜索的跟踪方法时效性差。针对以上问题,提出一种结合核相关滤波算法(Kernelized Correlation Filter, KCF)和目标位置预测的改进的跟踪学习检测算法(Tracking-Learning-Detection, TLD)跟踪框架。利用正交多项式最优线性滤波器及相机角度信息预测目标下一帧位置,在此区域利用KCF进行快速跟踪,可以提高跟踪的成功率和时效性,跟踪失败时再进行检测。仿真实验表明,最优线性滤波器能较准确预测目标位置,给KCF提供较准确的搜索位置,算法每帧耗时仅为1.1 ms,且定位精度优于TLD和KCF,能有效应对相机抖动的问题。靶场实际试验证明该方法可提高靶场自动判读水平,减少人工干预。     

基于灰色模型的柴油机技术状态变化趋势预测

以某型坦克用柴油机为平台进行了大量实车实验，确定了能够表征柴油机技术状态变化的6个特征量，利用主成分分析法确定了柴油机寿命预测特征量；建立了灰色预测模型，并基于所测数据进行了技术状态变化趋势预测。研究结果表明：预测值接近于实际值，能够为柴油机的使用和合理维修提供依据。