《指挥控制与仿真》期刊简介

《指挥控制与仿真》由中船重工集团公司主管、中船重工集团公司第七一六研究所主办,1979年创刊,是以海、陆、空三军C4ISR系统和仿真技术为主,包括作战系统、武器系统及其设备的武器工业与军事装备技术类学术期刊。目前,本刊为军事装备类重点学术期刊,武器工业类中国科技核心期刊,已被《中国核心     

日本陆上自卫队多用途导弹

日本于2004年开始研制的多用途中距离导弹已于2009年完成,它是日本87式中型反坦克导弹的后继型号,由日本川崎重：亡研制生产原本日本打算用96式多用途导弹替换已经老旧不堪的79式重型反坦克导弹,但96式虽然性能先进,但结构过于复杂,造价极其高昂,2009年单套系统报价高达20亿日元,这让原本经费就十分紧张的日本陆上自卫队无力全面换装,只能让79式导弹继续服役。因此,在研制多用途中距离导弹时,日本自卫队就要求严格控制成本。     

声音

翼龙完全是基于中国技术基础和任务需求进行自主开发的,其成功研发依赖中国自动化控制技术的发展。虽说跟美国生产的"捕食者"从技术层面、使用经验相比,翼龙无人机还存在一点差距,但是从全球研制无人机的机构和厂商规模、技术实力来说,从中国自动化控制技术发展水平来看,我们生产的无人机处于国际一流水平,即在第一集团。——"翼龙"无人机设计师李屹东本届珠海航展已充分展现了中国国防工业取得的进步。中国的参与使我们看到,在国际军品贸易市场存在着有益的良性竞争。——英国《简氏防务周刊》编辑莫斯     

动态传真

2012年9月12日,湖南省军民结合卫星应用产业园在长沙望城区奠基。按照规划,产业园将同绕卫星应用、军工电子、物联网以及军民两用等重点产业领域,打造集高端研发、企业孵化、军民融合、同际交流等于一体的“两型”产业园。     

2011年世界防止核扩散、军备控制和裁军概况

自2010年《俄罗斯、美国关于进一步削减和限制战略型攻击武器措施》强制执行以来,两国力主核武器控制和裁减军队,重新定义其战略关系,并按计划采取安全检测、数据交换、互相通告等措施,以及执行条约要求的合作性观察和审核管理举措。然而,尽管双方都主张进一步削减各自的核武器,扩大双边工作范畴,就战术核武器、核弹头等其它战     

基于改进自适应聚类的无线传感器目标跟踪算法

针对无线传感器网络目标跟踪中跟踪精度与传感器节能问题进行研究,提出基于预测的簇头自适应聚类算法,该算法采用动态聚类算法,通过考虑传感器节点剩余能量、节点到汇聚的距离和节点到运动目标的距离3个参数,最大限度地减少簇头与基站间的远程通信,节约网络能量,延长网络寿命,降低目标漏失概率,加入预测机制,采用线性预测的方法预测跟踪...     

基于自适应模糊PID的二级倒立摆控制方法

为了提高平面二级倒立摆模型控制过程的动态、静态性能及对控制器参数的自适应整定能力和抗干扰能力,提出一种将PID控制与模糊控制相结合的自适应控制算法.应用拉格朗日方程建立平面二级倒立摆数学模型.根据实际经验确定模糊隶属度函数并建立模糊规则表.通过计算误差和误差变化率设计自适应模糊PID控制器.为设计的控制器建立仿真模型,...     

无线传感网络中基于Dijkstra算法的分簇路由

无线传感网络（Wireless Sensor Networks,WSNs）的网络寿命与节点的能耗直接相关。分簇路由是缓解节点能耗速度的有效措施。但是若分簇路由所选择的簇头位置以及数据传输路径的不合理,会加剧节点能量消耗,缩短网络寿命。为此,提出一种基于Dijkstra算法的分簇路由（Clustering Routing-based Dijkstra,CRBD）。CRBD路由先利用节点的剩余能量及离汇聚节点距离信息选择部分节点作为簇头,并禁止拥塞节点担任簇头。利用贪婪启发式算法构建簇。利用Dijkstra算法构建簇头间的最短路径,缓解簇头的能量消耗。仿真结果表明,相比于基于改进萤火虫聚类的能效路由（Energy Efficient Routing based on Improved Firefly Clustering,EIFC）,CRBD路由中节点的平均能耗下降了约12.3%,并且CRBD路由的数据包传递率保持在85%以上。     

基于鲁棒滑模策略的电机伺服系统内模控制

在模型不确定性和干扰状态下建立了基于鲁棒滑模策略的改进内模控制模型.这种控制模型的特征表现为,将内模控制策略和滑模控制结合起来,在模型不确定条件下也可以高效控制,且系统的抗干扰性能显著提升.另外由于引入了二自由度增强型内模控制,大大提升了对未知扰动的鲁棒性.仿真与实验研究结果发现,建立的这种控制器跟踪精度和稳定性高,且...     

一种针对坦克速度控制的深度强化学习算法

坦克的无人化将成为作战装备的未来研究方向之一,针对坦克无人驾驶如何提高智能体训练速度是当前深度强化学习领域的一大瓶颈,提出一种最近经验回放的探索策略来对传统的软行动者-评论家算法（soft actor-critic,SAC）进行改进,在训练阶段,赋予最近经验更大权重值,增大其采样概率,从而提高了训练的稳定性和收敛速度。在此基础上,基于应用环境以及作战任务设计奖励函数,提高算法的战场适用性。构建具体作战场景,对改进的算法与传统算法进行对比,结果表明,提出的算法在坦克速度控制上表现出更好的性能。