筒式压缩空气弹射系统内弹道性能研究

压缩空气弹射可为无人机、导弹或火箭的发射提供驱动力,增加其初速度或载荷.以筒式压缩空气弹射系统为研究对象,开展了弹射系统内弹道性能的仿真与实验研究.针对参数选取,建立了系统热力学模型,进行动力学分析,完成了方案设计,搭建了弹射实验台,对不同质量的弹射体开展实验研究.建立了内弹道动态仿真模型,验证了模型的有效性,研究了弹...     

基于深度学习的防空武器红外目标识别技术应用研究

针对防空武器的作战使用需求,提出了一种基于深度学习的防空武器红外目标识别流程,通过大视场进行目标检测,小视场进行目标跟踪识别.在目标检测阶段,采用YOLO网络模型实现全图多目标识别定位;在目标跟踪阶段,采用超分辨率重建算法提升目标局部图像分辨率,利用深度残差网络模型实现跟踪目标的识别分类.试验结果表明,基于深度学习的空...     

认真学习贯彻落实党章

党的十九大审议通过的《中国共产党章程（修正案）》,提出了一些新思想、新论断、新概念,充分体现了党的十八大以来党的理论成果、实践成果、制度成果和新鲜经验,必将在推进党的建设和党的事业中发挥根本性规范和指导作用。认真学习、自觉贯彻新党章是全党的一项重要任务,也是每个共产党员义不容辞的责任。     

突出问题导向 紧抓关键环节 全面加强新时代党的建设

习主席在中央军委党的建设会议上的重要讲话为全面加强新时代军队党的领导和党的建设工作,立起了根本遵循、指明了前进方向。深学细悟讲话精神,对照“四个不纯”“七个弱化”剖析反思,当前在党的领导和党的建设方面,以下五个问题需要重点关注:一是政治领导力与“三个绝对”要求还有差距。从政治上分析形势、看待问题、管控风险的意识和能力比较欠缺。政治历练的纯度不够。尽管能认识到政治建设是党的根本性建设,但有认识缺深度、调门高行动缓,对创新理论尤其是习近平新时代中国特色社会主义思想学习思考不深、走心入脑不实、理论武装不强,政治修养、党性觉悟没有完全与党中央同频共振。政治建军的力度不够。贯彻政治建军要求抓思想引领、部队建设缺少清晰思路、有效抓手,贯彻决策指示不够坚决,政治纪律规矩落实踩虚。     

开展“十学原著”活动增强十九大精神学习吸引力感染力

68216部队学习宣传贯彻党的十九大精神,注重组织官兵原原本本读原著、学原文、悟原理,由浅入深采取深情诵读、创意手语、互动宣讲、微信课堂等富有时代特点、官兵喜闻乐见的方式,有效增强了十九大精神学习的吸引力和感染力,立起了学习宣传贯彻的新风尚新导向。     

基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。     

适合概念设计的制导炮弹气动外形优化方法

为了构建能够满足复杂外形制导炮弹气动外形优化设计的方法,给出了基于解析函数和UG NX软件二次开发系统的制导炮弹参数化建模基本原理和具体实施方法,并使用遗传算法为优化算法,结合高精度面元法的气动特性预估程序,完成概念设计阶段的制导炮弹气动外形优化的快速优化设计。以翼-身-尾布局形式的制导炮弹气动外形优化设计为算例,对该优化方法进行了考核验证。算例验证结果表明:气动外形优化方法在使用较少的参数条件下,能够构建具有复杂形状的弹身和翼型的制导炮弹气动布局,并能在构建几何外形的同时快速生成不同拓扑结构外形的面元网格,结合遗传算法能够在制导炮弹概念设计阶段快速得到较优的外形布局,具有很好的工程应用前景。     

基于反电动势的多相感应电机MRAS控制策略优化

针对舰用多相电力推进系统无速度传感器控制的需求,将带输入滤波环节的基于电机反电动势的模型参考自适应(MRAS)方法用于多相感应电机无速度传感器矢量控制系统,推导了系统的小信号模型,分析了滤波截止频率和转速估算PI参数对系统性能的影响,并在此基础上设计了变滤波截止频率变PI参数优化的MRAS控制策略。仿真和实验结果表明:该优化方法具有更高的转速估算精度和静、动态控制性能。     

基于异环境重要性采样的增强DDRQN网络

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制。并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络。通过对Deep Mind的Py SC2平台Defeat Roaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升。