基于四阶龙格-库塔公式的火控系统瞄准角修正模型

目前我军装甲突击车辆火控系统的弹道解算模型采用了线性多项式拟合的方法,且应用弹道刚性原理忽略了炮目高低角对射击精度的影响,其射表没有编制大炮目高低角射击时瞄准角的修正量,导致在进行大炮目高低角射击时,首发命中率受到了一定的影响,客观上制约了其火力性能的发挥。对此,利用四阶龙格-库塔公式,建立了对含有炮目高低角的外弹道方程直接进行数值求解的数学模型,得到更为精确的瞄准角,并通过matlab编程计算出瞄准角偏差量,从根本上解决大射角射击时弹道刚性原理产生的误差。     

基于卷积双向长短期神经网络的调制方式识别

针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。     

一类极小能控制与广义样条函数

本文讨论由一般微分方程确定的时不变线性系统的一类极小能控制问题。首先,通过引入降阶逆向系统揭示了原系统的输入与输出是由某个积分-微分算子联系着的,并利用该算子建立了极小能控制与广义样条的联系;然后在对于输出端的一类较广泛的约束条件下,导出了其输出空间与文[1]的输出空间具有类似的构造性质,从而建立了与文[1]类似的投影公式与递推公式。     

基于深度学习的网络攻击检测模型

为提高复杂网络条件下网络攻击的检测检测精度、降低时间开销,提出一种基于卷积神经网络、双向长短时记忆网络和注意力机制融合的网络攻击检测模型GP-CABL。GP-CABL能够有效抽取网络流量的最优特征,并能够充分学习网络流量的空间和时序特征,有效提升了检测精度、降低了计算开销。实验表明,GP-CABL针对主要网络攻击识别精度可达99.87%,相较当前研究有较大性能提升,并具有较好的鲁棒性。     

McEvily公式的改进及其在疲劳扩展寿命评估中的应用

疲劳裂纹扩展寿命评估的关键是要有适宜的疲劳裂纹扩展公式。通过对McEvily公式的深入研究,综合考虑弹塑性行为的影响、裂纹的闭合效应,并对曲线斜率进行“最小二乘法”拟合,得到了改进的McEvily公式。采用某航天发射塔架A3钢的疲劳裂纹扩展数据进行分析验证,得出McEvily改进公式对疲劳裂纹扩展寿命具有更强的评估能力。     

高位能滑坡运程探讨

高位能滑坡前缘运动终点可到达滑坡形成区域之外极远处,预测其运程具有重要意义.运用统计分析的结果表明,其总斜率与总能量的相关性极为显著,由此推断物理模拟和一般数学模拟对其运程预测失效,也由此推出其运程预测的总斜率与总能量经验公式法.     

卷积调制的SAR雷达二维间歇采样转发干扰技术

SAR雷达二维间歇采样转发干扰可以在距离向和方位向同时形成假目标串,对SAR雷达具有良好的欺骗干扰效果,但该方法存在间歇采样转发干扰共同缺陷。针对SAR雷达二维间歇采样转发干扰的缺陷,提出了基于卷积调制的SAR雷达二维间歇采样转发干扰方法,即对二维间歇转发干扰信号进行距离向和方位向的二维卷积调制,通过选择参与卷积调制信号的形式,可以产生灵活可控的干扰效果,能够有效克服间歇采样转发干扰的缺陷,理论分析和仿真实验证明了该方法的可行性、有效性。     

具有随机扰动的SISV模型的解的渐近性态

研究一类具有两种随机扰动的SISV传染病模型．对于第一种随机SISV模型,证明对任给的非负初值,该随机模型一定存在唯一的全局正解,并讨论该随机模型的解围绕确定性模型的无病平衡点的渐近行为;对于第二种随机SISV模型,通过构造适当的Lyapunov泛函证明该随机模型的解是随机渐近稳定的．     

超低照度下微光图像增强神经网络损失函数设计分析

超低照度下(环境照度小于2×10~(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。     

随机双向联想记忆神经网络概率1指数渐近行为研究

随机双向联想记忆神经网络(BAM)平衡点具有某种渐近行为是网络的关键问题之一。通过应用It公式和Grownwall不等式,研究了随机BAM神经网络的概率1指数渐近行为,并且得到一些新的保证网络具有上述行为的代数判据,所得结论较之现有结果限制条件要弱且具有较大的应用范围。