武器装备体系保障需求建模方法研究

分析武器装备体系保障需求特征,阐述需求建模的目的,建立需求模型,该模型包括任务模型、任务-节点-能力关系模型及能力需求模型．按照分层思想,定量描述能力需求,为构建未来武器装备体系保障作出探索性研究．     

新型移动式野战加油站建设与运用

针对部队加油站建设标准不一、形式多样、改造周期长、费用高、效率低、耐候性差的问题,本文在明确新型移动式野战加油站的建设意义和建设目标的基础上,对移动式野战加油站的整体可移动性、储油罐与加油装置集成以及边海防等一线连队的油料保障模式和建设标准进行了研究,从工艺流程、建设选址和建设标准等方面提出了基于集装箱方舱框架设计新型移动式野战加油站的保障运用模式。这种模式不仅可填补大容量战储装备空白,还可以为热点方向实施定点保障,为加快推进部队储加油设施建设向集约化转型、保障向战场延伸提供借鉴。     

某车载火炮发射动力学参数灵敏度分析及优化

为了对某型车载火炮射击稳定性进行优化,并解决目前车载火炮发射动力学优化中存在的参数分析不全面、关键参数选取凭经验等问题。建立了某型车载火炮发射过程的参数化动力学建模。对较为全面的参数进行了灵敏度分析,对参数灵敏度的变化规律进行了讨论。选取关键参数,用试验设计的方法进行了优化。灵敏度分析得到了28个参数的灵敏度。经过比较认为后坐体质量、驻锄液压缸等效刚度等5个参数为该型车载火炮的关键参数。总结了参数灵敏度随设计值的变化规律。认为某些参数的灵敏度会随着设计值变化而产生较大变化,对关键参数的选取不应仅凭经验。优化结果使得火炮垂直方向最大跳角降低了10.47%,效果明显。     

火炮制退机节制杆稳健优化设计方法研究

合理调整制退机节制杆结构尺寸的变化范围,既可以调整火炮的最大后坐阻力和后坐长度,又能缩小它们的波动范围。为了达到上述目的,建立了能够充分考虑坡膛和膛线对炮膛合力影响的节制杆优化模型。提出了一种不仅可以给出设计变量公差带和优化目标变化范围,还能充分考虑设计变量在公差带内分布情况的现代稳健优化设计方法。最后通过某火炮制退机节制杆的稳健优化设计,实现了对上述方法的验证。     

基于ARMA-BP组合模型的装备故障率预测方法

为解决单一模型预测装备故障率预测误差大、精度低的问题,提出了一种基于ARMA-BP组合模型的装备故障率预测方法。在建立ARMA模型和BP神经网络模型的基础上,采用加法集成法建立ARMA-BP组合预测模型,并利用方差倒数法确定ARMA模型和BP神经网络模型的权重系数。以某型装甲装备故障率数据为研究对象,对比ARMA模型、BP神经网络模型和ARMA-BP组合模型故障率预测结果,表明:相比于单一预测模型,ARMA-BP组合模型的装备故障率预测结果精度更高。     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

中心约束对比学习的自集成卫星异常检测方法

针对现有异常检测算法对遥测参数特征提取缺乏区分度以及异常决策信息丢失等问题,提出基于中心约束对比的自集成异常检测方法.融合对比损失和中心损失将正常样本映射到紧凑的特征分布,并采用多视角、多层次特征集成的方式实现样本的异常检测,提升了模型对卫星复杂工况的适应性.采用科学卫星真实遥测参数数据和基准数据集进行验证,结果表明,所提方法在真实遥测参数上比最优基准方法的F值提升21.8％,且具有更好的噪声抗干扰性.实验结果验证了方法的可行性,能够为卫星地面运管提供有效的判读支持.     

基于国产软硬件的深度学习平台设计与验证

随着国内外政治经济形势的日益变化,实现核心技术的自主可控显得尤为重要。深度学习被应用到生活以及军事领域中,实现深度学习模型训练及推理的国产化具有重要意义。设计了一种基于全国产软硬件的深度学习平台,实现目标识别领域模型的训练,并搭建目标跟踪系统,对深度学习训练平台的实用性进行验证。