基于排队论和兰彻斯特方程的战时维修保障装备数量确定

针对战时维修保障装备不能合理规划运用的问题,利用排队论和兰彻斯特方程相结合的方法对战时维修保障装备的数量需求进行确定.通过对传统的兰彻斯特方程引入信息获取及处理系数,获得了在信息化条件战斗中作战装备的受击损坏率,并作为排队系统的输入参数,对排队系统进行战场时效性约束,确定了维修保障装备需求的数量.     

武器平台信息系统现场可更换单元划分方法

针对功能综合化发展背景下的综合模块化武器平台信息系统综合化程度高、功能复杂,不便于维修保障等问题,采用功能/硬件资源的模糊聚类、多重模糊有向图等方法进行武器平台信息系统LRU划分,划分了通用处理模块、信号处理模块、图形图像处理模块、网络交换模块和电源变换模块等LRU.通过项目应用表明,该方法可显著缩短现场可更换时间,提高武器平台信息系统维修保障能力和"通用化、系列化、组合化"水平.     

基于结构和功能的改进CRITIC体系贡献率评估方法

体系贡献率直观体现了新型武器装备对体系作战能力的提升作用.从体系贡献率机理出发,构建装备体系贡献率系统评估框架;结合复杂网络理论,引入拓扑势指标,评估装备节点的体系结构贡献率;提出作战功能链概念,量化装备节点的体系功能贡献率;引入并改进CRITIC(Criteria Importance Though Intercrieria Correlation)法客观确定初始权重,通过分析指标关联度降低指标耦合性对评估结果造成的影响,对指标权重进行进一步修正;通过作战想定实例分析验证了该评估方法的有效性和合理性.     

基于MacCormack法的膨胀波火炮内弹道数值模拟

为了简单准确地求出膨胀波火炮的内弹道参数,建立了符合MacCormack格式的膨胀波火炮一维均相流内弹道模型,通过MacCormack法进行求解,得到开闩和不开闩状态下的膨胀波火炮的压力、速度曲线,并给出了经典内弹道在开闩和不开闩条件下的压力、速度曲线.通过结果对比,证明了MacCormack内弹道模型的正确性,MacCormack法求得开闩下的弹丸初速比平均压力法求得的更准确.计算出膨胀波火炮膛内压力、速度、密度、温度等内弹道参数的分布规律,真实地再现了膨胀波在膛内的流动过程.本次计算结果可作为膨胀波火炮的结构设计和后坐效率的基础.     

网络靶场实训平台的规划与实践

网络靶场实训平台是以网络空间安全人才培养需要为目的建设的高逼真网络学习、训练和研究平台,是一种特殊类型的网络靶场.介绍了世界各国网络靶场的研究背景和网络靶场的概念,规划了网络靶场实训平台的总体架构,明确了平台的主体功能、主要模拟对象和具体建设要求.结合实际,细化了网络靶场实训平台的功能,对其具体应用效果进行了分析.网络靶场实训平台在高校人才培养中具有独特的应用优势和不可替代的作用,可在高校实验教学中推广应用.     

基于信号强度比值的定向方法

测定来波的方向,可以通过测量接收实时信号的幅度或者相位等信息来实现.但是均需要进行更复杂的信号处理.因此,提出了一种新的方法,基于两个接收信号强度的比值关系来确定信号源的方向.该方法采用负反馈的方式,根据两个接收信号强度的比值关系对指向进行修正.在实验中完成了信号源方向的测量,精度能达到4°以内.     

面向故障预测与健康管理的传感器优化配置

传感器优化配置是保证装备故障预测与健康管理(Prognostics and Health Management,PHM)系统有效实现的基础.针对目前陆军装备保障中缺乏有效的传感器配置方法的现状,以某型防空导弹调平起竖系统为研究对象,建立了考虑传感器失效的PHM系统传感器优化配置模型.对导弹发射车调平起竖系统控制回路进行了分析,在此基础上形成系统的故障-传感器相关性矩阵;根据系统的指标要求建立传感器优化配置模型,采用蚁群算法求解;将结果与粒子群算法进行比较,表明利用蚁群算法取得了更优的配置方案,能够为PHM系统中装备的传感器优化配置提供有效指导.     

装甲装备在沙漠环境下的适用性评估技术

针对装甲装备性能试验过程中所面临的适用性评估问题,通过分析沙漠环境对装甲装备的影响,构建了装甲装备在沙漠环境条件下的适用性试验指标体系,采用AHP、ADC和模糊综合评判相结合的方法,实现了对装甲装备在沙漠环境下适用性的定量评估.计算实例表明,该方法合理有效,能够为各型装甲装备的环境适用性评估提供参考和借鉴.     

基于动态时间规整下密度聚类的轨迹识别研究

为使地空导弹兵模拟训练系统获得的目标机动轨迹更加贴近实战、更有依据性,考虑对演习训练产生的轨迹数据进行分析,设计了DBSCAN(Density-Based Spatial Clustering of Applications with Noise,针对有噪声数据的基于密度的空间聚类)预分类的DBSCAN改进DTW(Dynamic Time Warping,动态时间归整)聚类算法来分析机动轨迹.并与未预分类的DBSCAN改进DTW聚类算法进行对比,发现其运行效率和分类准确度方面均较优.同时分析了数据结构和算法的参数对分类效果的影响,发现数据规模越大,DBSCAN预分类的DBSCAN改进DTW聚类算法的优势越明显.通过仿真得到了使DBSCAN预分类的DBSCAN改进DTW聚类算法发挥最高效率的参数.     

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.