地标——为兵团成立60周年而作

正看到标题《地标》,你也许会猜测这是一篇介绍城市地标性建筑的文章,其实本文的"地标",与现代城市"地标性建筑"不是一回事。"地标":地面上的显著标志。屯垦戍边一甲子,戈壁惊开新世界。兵团人用双手和汗水开辟了世界上最大的人工绿洲,而每一块绿洲开发时都有一个标桩,追踪溯源,这个标桩就是"地标"。地标是绿洲的圆心,也是绿洲的源头,兵团人工绿洲都是相似的,但每块绿洲又各有各的不同。相同的是兵团人围     

基于神经网络自适应PID的无人机编队避障飞行控制研究

针对无人机编队避障飞行控制难题,研究了无人机编队避障航迹规划与智能控制技术.首先,提出一种基于改进人工势场法的无人机编队航迹规划算法,利用改进势场函数和引入"随机波动"法等手段,解决了传统人工势场法用于无人机编队航迹规划时遇到的无法到达目标点以及局部最小值问题,并提升了传统算法航迹规划的快速性和鲁棒性.其次,设计了一种...     

美首次在公海制造“人工礁盘”——“埃塞克斯”级最后一艘航母“奥里斯坎尼”号成为殉葬品

37分钟沉入海底5月15日,是“奥里斯坎尼”号航空母舰悲壮一生最后的日子。这天“奥里斯坎尼”号被一艘拖船从彭萨科拉拖至佛罗里达海湾公海处,一路上,悲歌不断,涛声不绝的海水仿佛在为这位老伙计的最后远行流泪。17日上午9时整,随着一声巨响,“奥里斯坎尼”号告别人世,缓缓下沉。37分钟后,“奥里斯坎尼”号沉入海底。据悉,美国海军工程技术专家在舰上安放了250多公斤塑性炸药,才炸沉了退役航空母舰“奥里斯坎尼”号。有目击者称,排水量为3.2万吨的庞然大物“奥里斯坎尼”号,沉入66米深的海底时,所用的下沉时间远快于美海军原先估计的4     

融合Q学习算法和人工势场算法的无人机航迹规划方法

针对基于Q学习算法规划出的航线存在与静态障碍物发生碰撞危险的问题,提出融合Q学习算法和人工势场算法的航迹规划方法。该方法首先利用Q学习算法规划出一条航线,其次根据地图统计该航线每个航段内包含的障碍物,最后对每个包含障碍物的航段采用改进的人工势场法进行重新规划。实验结果显示,提出的融合方法能够在牺牲少量轨迹长度和时间的情况下,得到与静态障碍物避免发生碰撞的最短路径。     

基于STM32的高炮四炮手模拟训练装置设计与实现

尽管现代高炮武器系统自动化程度很高,但是人工瞄准射击仍然不可或缺,在人工瞄准射击过程中,四炮手的操作、训练难度较大,因为航向装定要建立较强的空间平行感,需要平时刻苦训练来提高航向判装精度。以STM32微控制器为核心,利用光电编码器、MEMS加速度计和步进电机等设计了一款四炮手训练装置,该装置自动产生目标航向信息,并完成航向给定;参训炮手根据给定航向,转动模拟航向头,使之与给定航向保持平行,微控制器通过航向给定值和装定值之间的误差即可对参训炮手训练水平进行评估。实验表明,该装置只需四炮手一人就能完成训练,可帮助四炮手快速建立平行感,是四炮手速成的好帮手。     

人工蜂群算法及其在路径寻优问题上的应用

针对多旋翼无人机路径寻优问题,结合人工蜂群算法的特点,提出一种改进的人工蜂群算法,根据飞行原理,建立飞行环境矢量化模型,并对其飞行过程的相关约束条件综合分析,结合路径规划的目的与要求构建出路径规划的目标函数模型,利用人工蜂群算法结构清晰、自适应能力强等特点,实现多旋翼无人机路径规划算法,并结合相关寻优手段对算法进行改进,以增强算法的寻优能力。     

基于BP人工神经网络的GPS/SINS组合导航算法

基于扩展Kalman滤波的GPS/SINS组合导航算法,需要对原始的非线性连续系统模型进行线性化和离散化处理,要求系统噪声和测量噪声为零均值的高斯白噪声,且易于出现滤波器发散。BP人工神经网络无需对所求解的问题建模,能够很好地逼近系统非线性特性,获得较高精度的导航定位信息;还具有计算过程稳定,不涉及矩阵求逆,不需要迭代逼近,以及容易实现并行处理等优点。设计适用于GPS/SINS组合导航系统的BP网络模型,并在标准的BP算法基础上,采用共轭梯度法改进网络训练速度及精度。最后,通过仿真算例说明BP网络方法用于GPS/SINS组合导航计算的可行性。     

民转军技术

超级耐候涂料1、关键技术参数或产品性能耐冲击性50cm;附着力1级;柔韧性2mm;硬度≥2H;耐热200℃/4h;耐低温-55℃/4h;耐水38℃/96h,耐滑油120℃/24h,耐汽油性24h后均不起泡、不脱落,附着力不下降。耐盐雾性2000h不起泡、不脱落;耐湿热1000h不起泡、不脱落,附着力不下降。耐人工加速老化:5000h不粉化、不开裂。本产品为单位自有技术并获国家发明专利,目前处于规模化生产阶段,属国内先进