高超声速滑翔飞行器轨迹预测分析

针对轨迹预测在目标交接班和基于预测命中点拦截制导中的应用需求,分析了高超声速滑翔飞行器滑翔段轨迹预测的可行性。结合典型高超声速滑翔飞行器的运动轨迹,分析了其运动轨迹特性、机动模式、转弯半径、最大射程以及可达区域,提出了基于不变力预测法的轨迹预测思路。认为高超声速滑翔飞行器在滑翔段,运动轨迹几何特征明显、转弯半径大、保持大升阻比,便于实施中长期轨迹预测,但难以实现全程预测。     

创新人才军民融合培养体系及其构建

创新人才军民融合培养构成人才强国战略、创新驱动发展战略和军民融合发展战略的交汇点。创新人才是战略资源,军民融合为创新人才培养提供了一条全新路径。作为一项系统工程,创新人才军民融合培养包括创新人才军民融合培养主体系统、创新人才军民融合培养客体系统、创新人才军民融合培养方案系统、创新人才军民融合培养资源系统、创新人才军民融合培养制度系统、创新人才军民融合培养考评系统,在系统构建过程中需加大统筹协调、投入保障、政策倾斜、法治保障、合理使用力度,注重体系推进。     

国防科技工业实现军民融合发展是时代的需要

胡锦涛同志在党的十七大报告中明确指出:"建立和完善军民结合、寓军于民的武器装备科研生产体系、军队人才培养体系和军队保障体系,坚持勤俭建     

要闻资讯

湖南省委常委省军区政委杨忠民到江南江麓调研3月15日,中共湖南省委常委、湖南省军区政委杨忠民在省国防科工局局长罗月林和副局长童旭     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

智能搜救机器人在障碍地形的自主构型规划

为了解决带有辅助摆臂的智能搜救机器人自动规划构型以实现自主越障的难题,提出一种能够适应复杂地面形状的搜救机器人越障构型规划新方法,其核心是一种高适应性、高效率的机器人姿态预测算法。通过将地形表示为离散的点集,建立了搜救机器人的单侧姿态预测数学模型;进一步提出了快速求解该问题的算法,每秒可预测1 000～1 500个姿态。基于此,设计了机器人越障过程中状态、动作的评价指标,运用动态规划算法与滚动优化思想构建了具有优化能力的、能够实时运行的构型规划器。仿真与实物实验的结果表明,该方法能够使机器人自主调整构型穿越复杂地形,且相较强化学习算法和人工操作具有更平稳的越障效果。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

基于注意力机制的兵棋对抗态势预测方法

以不可观察算子实时位置预测为例进行兵棋对抗态势预测方法研究。训练基于注意力机制的陆战场战术级兵棋不可观察算子实时位置端到端预测模型。对高维离散兵棋态势特征进行低维嵌入,用多头自注意力机制学习特征交叉,通过把兵棋地图的各个六角格视为单独的类,将算子位置预测转化为稀疏特征下的多分类问题,达到33.47%的top＿1预测准确率,相较其他模型至少提高2.57个百分点,并具有良好的可解释性。     

中华优秀传统文化融入“马克思主义基本原理”课教学探析

习主席在党的二十大报告中指出,“坚持和发展马克思主义,必须同中华优秀传统文化相结合”,“我们必须坚定历史自信、文化自信,坚持古为今用、推陈出新,把马克思主义思想精髓同中华优秀传统文化精华贯通起来、同人民群众日用而不觉的共同价值观念融通起来,不断赋予科学理论鲜明的中国特色,不断夯实马克思主义中国化时代化的历史基础和群众基础,让马克思主义在中国牢牢扎根”。这些重要论述,为我们更好汲取中华优秀传统文化的营养,推动中华优秀传统文化与思政课有机融合提供了科学的方法论指导。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。