弹体压心位置变化对末制导炮弹弹道的影响

首先对比弹体压心位置变化对火箭增程弹道和末制导炮弹名义弹道的不同影响，重点分析弹体压心位置变化对末制导炮弹末导段弹道的影响特点，得出弹体压心位置变化对末导段弹道的捕获域和有效攻击区有着重要影响的结论。该结论对末制导炮弹的射表编拟以及新型末制导炮弹的设计都具有重要指导意义。     

动态滑翔运动建模、机理分析与航迹优化

信天翁凭借动态滑翔的飞行技巧从梯度风中获取能量,从而在几乎不拍翅膀的情况下进行长时间、长距离飞行,这种技巧应用于小型无人机上可拓展其完成任务的能力。基于飞行器动力学对梯度风场中的无人机运动方程进行推导和简化处理;利用简化的运动方程,分别从非惯性参考系中的动能定理和机械能变化的角度,对动态滑翔获取能量的机理进行分析;利用微分平坦法,以最小平均控制输入变化率为目标函数,对徘徊模式和平移模式的动态滑翔航迹进行优化计算。分析结果表明:逆风爬升、顺风下滑是动态滑翔基本获能方式。优化结果表明:控制输入变得更加平滑,甚至出现阶段性的常值,使得控制更加简化;徘徊模式下,当风梯度作为决策变量时,优化过程可在[0,0.5 s-1]的区间上找到使得目标函数值最小的风梯度;平移模式下,目标函数值在该区间上单调递减。     

印度航天力量发展与战略重点探析

印度在大国战略目标的驱动下，将经略太空视为迈向世界大国、体现综合国力的重要战略举措，因此，高度重视太空力量规划、建设发展和军事应用，力争谋求地区大国优势、抢占军事战略制高点。本文概要分析了印度航天力量的发展沿革及组织架构，从航天发射、卫星通信、卫星导航、航天侦察、态势感知、空间武器、太空作战部队等方面剖析了印度太空能力体系，从威胁判断、战略方针、战略目标、能力布局、发展规划等方面归纳总结了印度太空安全战略的重点。     

美国空军研究实验室组织管理与科研规划分析

美国空军研究实验室是一个在空中、太空和网络空间领域处于全球领先地位的科研机构,承担着美国空军国防高技术项目的规划、管理和实施工作,是美国空军保持技术优势的重要研究力量。本文剖析了美国空军实验室的使命任务、组织管理和科研规划,总结了实验室在人才培养和科研任务制定方面的经验和方法。     

目标通视性检测建模与仿真

在战斗机对地攻击选择武器投放位置以及巡航导弹选择地标点时,必须验证其选择位置的合理性,因此通视性检测是战斗机对地攻击规划的关键技术之一。提出了一种目标通视性检测的建模方法,分析了地形遮蔽盲区构成因素,给出了数字地图处理方法,建立了地形遮蔽盲区计算模型及发现目标概率模型,实现了目标的通视性检测,并进行了仿真验证。该模型为战斗机对地攻击选择武器投放位置和验证导弹地标点选择合理性提高了方法。     

基于数字地图的威胁空间建模与仿真

利用雷达地形遮蔽盲区进行低空突防对敌人地面目标进行攻击是航迹规划关键技术之一.在综合考虑作战区域地形、敌方防空力量等因素条件下,应用人工势场理论对威胁空间的威胁级别进行量化处理,建立了战区势场模型.通过仿真证明,该模型更加符合真实的战场环境,为战斗机任务规划特别是航迹规划提供了参考依据.     

基于禁忌退火算法的巡航导弹航迹规划

针对巡航导弹航迹规划这个复杂的优化问题,一个禁忌退火混合优化算法被提出.首先,该算法是以基本模拟退火算法为基础.其次,为了加快该模拟退火算法的收敛速度,在恶化解的接受判断过程中,增加了一定动态的约束条件.最后,为了使最优解能够跳出局部最优的陷阱,使用了一个动态的禁忌表.仿真结果验证了该禁忌退火混合优化算法能够取得目标函数更优的航迹规划路径,从而有效提高巡航导弹的作战效能.     

外弹道数据融合实时算法研究

信息融合技术可以大大减轻指挥决策的工作量,增加信息置信度,减少模糊性,改善系统可靠性.针对靶场实时测控数据处理中急待解决的成片野值干扰等难题,在实时环境中采用数据融合处理方法,讨论了外弹道数据融合实时算法所面临的关键技术,并通过分析与论证得出可行性结论.结论对进一步的系统设计与软件实现具有指导意义.     

一种连续修正速度方向的导引方法

考虑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，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，提出了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，并提出了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了加速度修正公式，以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，为该体制制导炮弹的应用提供参考依据。     

运动目标轨迹分类与识别

运动目标轨迹识别是运动分析中的基本问题,其目的是解释所监视场景中发生的事件,对所监视场景中运动目标轨迹的行为模式进行分析与识别,智能地做出自动分类.对轨迹有效性判断后采用K均值聚类,引入改进的隐马尔可夫模型算法,针对轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数,计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别,平均识别率较高,实验结果表明该方法是有效的.