防区外多导弹协同突防复合制导研究

针对防区外多导弹协同突防要求导弹能够成功突破敌防御系统并击中目标的问题,提出了一种基于虚拟目标的复合制导规律。首先,在敌雷达探测范围的边缘设置虚拟目标,将导弹制导过程分为制导段Ⅰ和制导段Ⅱ。然后,研究了一种基于攻击时间和攻击角度控制的制导规律,使导弹在制导段Ⅰ按指定时间和角度追踪到虚拟目标,导弹转入制导段Ⅱ后在以攻击时间最短为指标函数的最优制导规律导引下攻击真实目标。仿真结果表明该复合制导规律大大提高了多导弹的整体突防能力。     

LEO/MEO双层卫星网络设计及仿真

针对单层卫星网络功能单一、可靠性较低以及三重卫星网络链路冗余度过高、实现复杂的问题,提出了利用LEO/MEO卫星构建双层网络的构想.基于"最坏观察点"与"覆盖带"理论设计了"弱连接"的LEO/MEO双层卫星网络星座,给出了星际链路建立原则.仿真结果表明,所设计的卫星网络具有全天时全球覆盖能力,有利于星际链路的建立.     

基于GA-PSO的目标分配问题研究

防空作战中的目标分配问题属于NP完全问题,在综合考虑火力单元作战效能和防御效能的基础上,引入火力单元综合有利度,建立了一种用于大规模多火力单元对抗多轮次目标的静态目标分配模型,给出了基于GA因子的改进PSO算法,并将算法应用于目标分配模型的求解,通过VC 6.0编程和计算机仿真验证了模型的可行性和算法的有效性.     

供应链模式中采购管理组织结构沟通效率评价

为了评价采购管理组织结构沟通效率,利用趋势模型为组织结构构建提供科学可见的过程,并量化计算交流阻力,为项目选择沟通效率最高的组织结构.将此方法应用于采购实例评价,经过验证,此方法有一定的科学性和实用性.     

基于下方近场平面磁场的潜艇高空磁场计算方法

潜艇高空磁场一般由包络面磁场计算得到,但实际中包络面磁场较难测量,而下方近场平面磁场则容易获得.在下方近场平面磁场的基础上,利用边界积分法计算得到下方远场磁场,再根据潜艇远场磁场分布的全空间一致性,计算出远场等效磁矩,得到高空远场磁场.实验分析表明了潜艇远场磁场分布的全空间一致性,由下方近场平面磁场可以较准确地得到潜艇...     

通信对抗中航母战斗群空中防御能力评估

以战术数据链为核心的通信系统是航母战斗群的作战指挥控制中枢,是航母战斗群快速反应能力及攻防协调发挥作战威力的基础和保证条件.在不同通信对抗条件下,航母战斗群的态势感知能力和协同作战能力都将发生很大变化,进而对其空中防御能力产生显著影响.考虑到态势感知能力及协同作战能力对空中防御能力的影响,从先敌发现概率、导弹杀伤概率以及毁伤概率3个方面研究了航母战斗群的空中防御能力,建立了相应的评估模型,并对模型进行仿真及结果分析.     

美军战术级指挥信息系统界面设计的发展及启示

战术级指挥信息系统(T-C4ISR系统)是指挥控制师或师以下部队遂行战术任务的信息平台.围绕T-C4ISR系统用户界面设计相关问题展开如下研究:通过智能化战争条件下T-C4ISR系统界面应具有的新特点引入,首先介绍了美军T-C4ISR系统界面设计理论的演变;结合美军RAPTOR系统,介绍了生态界面设计理论的主要内容和应用;分析了生态界面设计理论对我军T-C4ISR系统建设的一些启示,并展望了下一步可以开展的主要工作.     

大功率IGBT器件及其组合多时间尺度动力学表征研究综述

在提出电力电子器件及其组合多时间尺度动力学表征需求的前提下,以目前常用的全控型电力电子器件——绝缘栅双极晶体管(Insulated Gate Bipolar Transistor,IGBT)为例,系统分析并归纳了目前在IGBT及其组合多时间尺度动力学表征研究方面的进展和成果,包括作为基础的大功率IGBT及其组合多时间尺度电热瞬态建模方法、基于模型的大功率IGBT模块失效量化表征方法以及用于辅助分析的IGBT组合多速率仿真方法。此外,介绍了基于IGBT多时间尺度模型的装置应用设计案例。从建模方法、可靠性评估、仿真手段以及应用设计四个方面系统全面地阐述了大功率IGBT及其组合多时间尺度的动力学表征方法,可为电力电子混杂系统的精确设计提供电力电子器件层面的理论和技术支撑。     

【专题】智能化导弹质量检测方法研究

导弹是由各种类型装备组成的综合性很强的复杂系统,智能技术的引入进一步丰富了智能导弹质量特性的内涵,对质量检测和控制提出了更高要求,需要开发与之相适应的检测方法。本文先给出了智能导弹的定义和内涵,分析了其智能特性,接着概述了智能化导弹的结构组成,分析了各智能部件的功能和结构组成,从智能化导弹结构组成及测试参数、智能化部件的嵌入式软件作用、零部件机械加工精度等方面提出了智能化导弹质量检测的需求,并在此基础上结合智能化制造等技术提出了在线检测、自动检测/测试、BIT自检、软件测评技术以及弹载遥测的智能化导弹质量检测途径和方法。     

Visual SLAM in dynamic environments based on object detection

A great number of visual simultaneous localization and mapping (VSLAM) systems need to assume static features in the environment. However, moving objects can vastly impair the performance of a VSLAM system which relies on the static-world assumption. To cope with this challenging topic, a real-time and robust VSLAM system based on ORB-SLAM2 for dynamic environments was proposed. To reduce the influence of dynamic content, we incorporate the deep-learning-based object detection method in the visual odometry, then the dynamic object probability model is added to raise the efficiency of object detection deep neural network and enhance the real-time performance of our system. Experiment with both on the TUM and KITTI benchmark dataset, as well as in a real-world environment, the results clarify that our method can significantly reduce the tracking error or drift, enhance the robustness, accuracy and stability of the VSLAM system in dynamic scenes.