美军推进人工智能军事应用的举措、挑战及启示

人工智能技术的发展加速了军事智能化的脚步.本文分析了美军在推进人工智能军事应用方面采取的一系列举措,如注重国家战略层面的顶层设计,出台一系列智能化发展战略规划;部署各类军事智能化研究项目,开展大数据、 智能算法研究,促进人工智能技术向情报处理、 无人作战平台、 指挥控制、 武器装备系统、 作战方式变革的渗透转化;重视智...     

美国国防部网络安全众测的做法、成果及启示

网络安全众测是检测和发掘漏洞的新模式。美国国防部率先开展了政府级网络安全众测活动。研究分析美国网络国防部安全众测的主要做法,梳理总结其成果收益,探索给出我国发展网络安全众测的启示建议。     

基于不同路面谱的行进间高炮瞄准线两轴稳定性能研究

随着目标机动性增强,行进间射击成为自行高炮的一种重要发射方式。针对行进间高炮跟踪和瞄准目标能力较差的问题,采用了两轴稳定法对稳定性能进行研究。通过建立瞄准线稳定补偿量的数学模型,以不同路面谱和不同车速下车体姿态振动作为扰动量,构建了两轴稳定的控制模型并进行仿真分析。结果表明两轴稳定法在B和D级路面下误差抑制效果达到97%,F级路面达到92%,稳定效果大幅改善。验证了该方法对提高行进间射击精度效果显著。     

弘扬伟大建党精神 奋进世界一流征程

以“坚持真理、坚守理想,践行初心、担当使命,不怕牺牲、英勇斗争,对党忠诚、不负人民”为内涵的伟大建党精神,是中国共产党的精神之源。这一精神内涵丰富、意境深远,具有鲜明的理论特征和时代价值,不仅指导了过去一百年中国共产党人带领全中国人民推进革命、建设、改革的伟大实践,更是对中华民族实现第二个百年奋斗目标具有深远的指导意义。只有深刻认识和把握伟大建党精神的科学内涵,才能战胜前进道路上的一切艰难险阻,继续谦虚谨慎、戒骄戒躁,继续艰苦奋斗、锐意进取,锲而不舍把建设世界一流军队的伟大事业推向新征程。     

以联合训练推动军种训练提质增效

联合训练以军种训练为基本支撑,形成作战能力的关键在于军种训练与联合训练的无缝衔接。在新的领导指挥体制下,战区作为组织开展联合训练的主体,必须将军种训练纳入战区联合训练的整体计划。因此,军种训练要从标准体系、训练内容、组训模式等方面进行革新优化,切实将军种作战能力融合形成联合作战能力。本文针对当前军种在训练过程中出现的思维转变慢、训法不灵活和联训质效偏低等问题,着眼联训需求、部队建设实际以及战争发展方向,从提升联合素养、深化联合观念、丰富训练内容、引入智能化军事训练方法、优化训练环境、督导训练落实等方面提出了对策建议,以期以联合训练牵引军种训练提质增效,切实推动联合训练不断向高水平跃升。     

基于概率分布的硬件木马检测特征选择方法

针对基于旁路信号分析的硬件木马检测中存在的高维以及信号冗余度高等问题,寻求一种特征选择方法在降维、降低冗余度方面的可行性,通过考虑样本概率的分布情况,提出了一种以散度和Bhattacharyya距离作为可分性判据的特征选择方法。首先分析了旁路信号的特征选择问题,然后阐述了基于散度和Bhattacharyya距离的可分性判据,最后在FPGA中植入硬件木马,采用K-L方法进行实验,通过对样本特征选择前后的检测效果发现,这种特征选择方法不仅有助于分辨\"金片\"与含木马的待测芯片间旁路信号的统计差异,而且与分类错误率建立联系,更好地实现了硬件木马的检测。     

坦克火控系统的装备现状及发展对策

在坦克的火力、机动性和防护力三大性能指标中,其首要的核心指标是火力,而火力控制技术又是制约坦克火力发展的关键性技术。在综述了国内外坦克火控系统的发展和装备现状的基础上,提出了发展我国坦克火控技术的对策,对于科研机关、生产厂家和部队指战员研制、生产和学习了解性能先进的新型坦克火控系统,具有一定的参考价值     

ADAMS的全地形车载火箭炮行进间发射动力学研究

利用多体动力学软件ADAMS、有限元分析软件ABAQUS建立了全地形车载火箭炮系统发射与行驶一体化动力学模型,基于路面功率谱密度函数和谐波叠加法,创建了全地形车野外行驶的三维随机土石路况模型,对战车行进间发射进行了动力学仿真。分析该型号车载火箭炮行进间发射的动力学特性,得到了战车及发射装置的动态响应情况及运动特性和车速对发射的影响规律。仿真结果表明,全地形车可以在土石路况低速行驶完成行进间发射任务。     

具有多重置条件的目标二次航迹归一

针对防空Ｃ￣３Ｉ系统指挥中心的二次航迹归一。提出了具有重置条件的人工神经网络模型来解决空中目标二次航迹的归一问题。结果表明,采用新方法来进行二次航迹归一,具备速度快、计算量小、实时性好,且能保证较高的辨识正确率等优点。     

一类集值映射的高阶微分

在文[1]中,H.T.Banks 与M.Q.Jacobs 讨论了集映Ω:R~m→(?)(R~n)的一阶微分,分别给出了Ω可微的充分条件与必要条件。本文改进了文[1]的工作,证明了[1]中条件(3.2)的限制是不必要的,从而得到了Ω可微的充分必要条件,及较为简洁的Ω微分解析表达式。在文中也讨论了Ω的k 阶微分,得到了Ωk 阶可微的充分必要条件及k 阶微分的解析表达式。