航空时敏制导炸弹增程弹道组合优化设计

为增强航空时敏制导炸弹在中制导段的滑翔能力,将极小值原理与自适应进化粒子群算法相结合,提出了一种适用于航空时敏制导炸弹增程弹道的组合优化设计方法。基于纵向平面内质心运动模型,推导了性能指标泛函及各不等式约束函数。引入Lagrange乘子矢量并建立相应的Hamilton函数实现无约束泛函极值问题的转换,推导出兼顾各优化目标函数的满意优化模型。利用自适应进化粒子群算法对该段增程弹道进行了攻角与弹翼张合档位双设计变量的组合优化。数值仿真算例表明,在满足状态方程约束的条件下,双变量的增程效果比常规单变量控制时显著提高,其优化结果可为制导炸弹弹道规划设计的研究提供一定的理论参考。     

数字图像处理的“炮身轴线偏移”检测系统设计与实现

通过解决基于数字图像处理的环境光自适应技术、激光成像自拟合技术、分辨率自适应技术等关键技术,设计并实现"炮身轴线偏移"检测系统,提高了"炮身轴线偏移量"检测效率。经实验验证,该检测系统误差符合检测要求,且具有结构简单、操作简便、精度较高的优点,是可行的。     

应用改进遗传算法优化天基光学监视平台轨道

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道倾角进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约1个量级。     

FPGA的车载防撞雷达系统的设计与实现

根据毫米波汽车防撞雷达的研究现状,讨论了一种基于FPGA为实现核心的总体设计方案,并详细分析该系统硬件结构和软件流程,对处理算法在FPGA上的实现提出相应的优化方法,能有效地提高运算效率的同时降低硬件成本.实验结果表明:该方案对前方车辆相关信息探测迅速准确,运行稳定可靠,能够满足汽车防撞雷达的实时性需求.     

气象探空火箭气温测量不确定度评估方法

在气象火箭测温修正模型基础上,通过误差分析理论,对温度修正及其不确定度评估方法进行研究。根据火箭探空仪在空中下落过程中大气密度变化规律,建立温度修正数学模型,推导得到温度修正公式。根据误差理论,分析影响温度修正的八项误差因素,并逐项给出温度修正误差表达式。以气象火箭实测数据为例,运用上述公式,对探空火箭温度反演不确定度进行分析计算。结果表明:温度反演不确定度在50~60 km较大,最大为3.6 K;40~50 km不确定度为0.3~0.9 K;40 km以下,不大于0.3 K。影响温度不确定度的因素主要是气动加热修正项、滞后效应修正项、结构热传导修正项和传感器对环境热辐射修正项。数据处理时采用参考大气或标准大气仅进行一次修正是不够的,需进行迭代修正,单次修正结果与迭代修正结果差异最大可达5.6 K。     

基于BP网络的管道自适应有源消声研究

由于管道有源消声系统的参数时变性和本质非线性,基于传统自适应算法的控制系统稳定性不够,容易产生振荡.文章采用神经网络BP算法,利用Matlab6.0建立了管道有源消声的仿真控制系统.通过与采用传统自适应算法的控制系统进行仿真研究对比,证明采用神经网络BP算法的控制系统消声效果更加明显.     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

基于神经网络的弹药消耗预测

针对弹药消耗预测问题,运用一种改进的BP神经网络预测方法。预测时对样本数据进行了预处理,并在时序训练样本中引入了遗忘因子,以提高当前预测的精度,以及在权值调整过程中,引入"惯性项",以改善学习收敛过程。     

基于改进SUSAN算法的红外目标边缘检测

从3个方面改进了传统的SUSAN算法:①自适应选取阈值,以提高算法自动化程度:②使用双几何阈值,增强算法的抗噪性;③加入目标点判断因子,减少计算时间.利用改进的算法进行了红外目标边缘检测,结果表明,改进算法比传统的SUSAN算法有更强的噪声抑制能力,更快的边缘检测速度,显示出更加优良的性能.对对比度比较低的红外图像,改进算法可以减少40%以上的计算时间,而对对比度较高的红外图像,改进算法可以减少70%以上的计算时间.     

美军语言智能处理技术的发展策略与启示

发展语言智能处理技术是全球新军事科技研发的重要趋势。美军在几十年的发展过程中,不遗余力地推进新的语言智能技术的研发与应用。在人工智能宏观政策和举措的带动下,美国政府与军方在语言智能领域采取了较为清晰的战略路线:明确需求方向,注重长远规划;重视军民融合,调动地方研发活力;创新技术研发资金的管理模式,提高发展效率;推动技术在关键领域的应用,加快美军战斗力的形成。本文认为,面对这一趋势,我们需要深度布局国防语言智能处理技术战略,重视面向未来需求的长远规划;充分调动语言智能处理技术研发的"民间力量",注重军产学研的协同创新;建立科学适度的项目研发机制,加快颠覆性技术的战斗力转化。