软件静态分析融合技术研究

当代军备竞技以武器技术为核心,提升武器装备质量一直以来都是研制重点.装备软件作为武器装备调度的"大脑",关键程度不言而喻.随着武器研制技术的提升,代码规模激增,对装备软件的质量检测技术手段以及效率提出更严格的要求.为弥补单一测试工具检测造成的误检、漏检,提出了基于跨语言文本聚类的静态代码测试结果融合技术,实现多类型测试...     

尾流自导鱼雷有效射击阵位范围

基于尾流自导鱼雷的弹道分析,采用几何分析法,分别对尾流自导鱼雷在一次转角射击和二次转角射击两种模式下的有效射击阵位范围进行解算。得出该雷在两种射击模式下的有效射击阵位范围数学模型,该数学模型能够较好地满足了尾流自导鱼雷作战使用时对作战平台占位机动就位点选择的要求。     

要地防空群对敌主攻方向确定度分析

针对目前防空作战中对敌主攻方向判断的困难和复杂性,运用系统工程理论、模糊数学等理论探索要地防空群对敌主攻方向定量判断问题。全面分析了影响敌主攻方向选取的诸多因素,建立了分析指标体系和模糊综合分析模型,为判断敌主攻方向提供了一种新的思路和定量分析的方法。在影响敌空袭目标选取的因素中,不确定和灰色的因素多,模糊综合分析方法采取定量与定性分析相结合的办法,把定性的因素定量化,较科学地解决了要地防空群对敌主攻方向判断的问题,进一步丰富了防空兵作战指挥精确决策理论。     

军事伪装技术研究现状及发展趋势分析

随着侦察监视技术和察打一体技术的快速发展,现代战争中战场的透明度越来越高,军事目标的生存面临严重威胁,伪装防护是保证武器装备战场生存能力的重要前提。回顾了伪装技术萌芽、起步、发展、成熟的应用历程,系统梳理了隐身、遮蔽、迷彩、示假等伪装技术的发展现状,分析认为未来伪装技术将朝着多频谱兼容、智能自适应、一体化设计的方向发展,对军事目标伪装技术的研究发展具有重要的参考和借鉴价值。     

预报风强度对火箭最大气动载荷精度影响及建模分析

针对不同预报风强度的精度以及其对应的最大气动载荷预报值精度的研究文献极少。以某地区实况风为基准,分别对不同预报风强度的精度以及其对应的最大气动载荷预报值精度特征进行了分析,并利用多元线性回归方法建立了订正模型,结果表明在预报日数第1～11天,预报风强度越大,预报风精度及其对应的最大气动载荷预报值精度越高;利用多元线性回归方法可提高最大气动载荷预报值精度,且预报风强度越小,最大气动载荷预报精度提高越明显。这些发现在火箭发射前的飞行保障及安全决策方面具有参考价值。     

基于本体的信息与信息空间及其代数结构

实现特定信息环境下基于信息组织的信息资源服务,需要对信息、信息空间有更合适的、形式化的描述。文章基于本体层次对信息、信息的运算、信息之间的关系以及信息空间给出了数学描述并对其代数结构进行了研究。从而为特定信息环境下的信息资源服务提供理论支撑。     

利用火箭深弹系统拦截鱼雷的技术改进方法探析

多功能、多用途是火箭深弹系统的主要发展方向之一。根据水面舰艇武器装备的实际,仅从拦截潜艇发射的鱼雷角度出发,对舰载火箭深弹系统拦截来袭鱼雷的可行性进行了分析。在此基础上,探讨了利用火箭深弹系统拦截鱼雷的系统选择、深弹战斗部的开发、引信选型、发射管安装及配置、火控系统的改进等关键问题,并提出了一些具体的改进方法。     

地面防空火力配系方案评估模型

地面防空火力配系方案的选择,是防空兵火力配系的关键环节,其合理与否,直接关系到作战效能的发挥和防空作战的成败。根据防空作战的实际,提出了地面防空火力配系方案评估的准则,在对评估准则的建模要素进行分析的基础上,构建了每个准则的计算模型,并给出了评估模型的计算方法,提供了模型应用的一般程序。     

基于栅格分层的逐栅格汇流算法并行化研究

分布式水文模型中的逐栅格汇流算法计算量大,需要借助并行计算以满足大流域长历时模拟的要求。针对目前鲜有对基于隐式有限差分的逐栅格汇流算法进行并行计算研究的情况,基于栅格分层的思想提出一种适用于共享内存并行计算环境的逐栅格汇流并行算法。该算法首先根据流向进行栅格分层,使同一层中栅格的计算相互独立,然后将同一层中栅格的计算任务分配到多个计算单元并行计算。采用C++编程语言与OpenMP并行编程库实现了该算法,并选择河北省清水河流域为实验区,在不同数据规模(30m、90m、270m分辨率)、不同核数(2～20个)以及不同栅格分层方法的情况下对算法性能进行了测试。实验结果表明本文提出的并行算法具有较好的加速比和并行效率,且并行效率随数据规模的增大而增大。栅格分层方法对算法并行性能有明显影响,从上到下的分层方法比从下到上的方法具有更高的并行效率。     

基于改进DDPG的空战行为决策方法

针对空战中飞机如何根据实时态势进行快速智能决策问题,提出基于改进DDPG算法的空战行为决策框架(Air Combat Behavior Decision-making Framework on Improve DDPG,ACBDF_DDPG)。框架中的主要改进如下:1.设计一种针对动态目标的嵌入式人工经验奖励机制,缓解深度强化学习算法在训练过程中,由于状态空间巨大且奖励稀疏导致的收敛困难问题;2.对框架中的Actor网络更新机制进行改进,解决Critic网络评估效果差时,更新Actor网络导致的模型训练不稳定问题;3.采用优先采样机制确保训练价值高的经验样本得到充分利用。最后基于MaCA平台搭建仿真实验环境,通过消融实验验证了所提出框架中改进机制的有效性和优越性。