时间序列法在军械装备故障预测中的应用

运用时间序列的方法对军械装备使用中的故障进行预测,并以火炮射击的距离偏差、火炮轮胎下沉量为例进行定量的分析和计算,阐述了预测原理和使用方法。     

基于分形理论的目标航路预测

电磁干扰条件下解决断续航路预测问题对防空兵有效抗击空中目标至关重要。针对包络灰预测方法预测精度较低和Verhulst灰色预测模型计算过程复杂的情况,提出了预测航路的分形方法。在分形理论的基础上,研究了其用于目标断续航路预测的基本思路,建立了基于分形的目标航路预测模型,并对模型进行了求解。最后,利用建立的分形模型对雷达丢失目标后的目标航路进行了预测,通过实例体现了分形方法在用于航路预测时的准确性、灵活性和易实现等特点。结果表明,用该法对断续目标航路的预测具有一定的借鉴意义。     

公安文职发展情况的研究分析

随着社会的发展和科技的进步,公安机关面临着越来越多的挑战。为了更好地应对这些挑战,公安机关开始重视文职人员的培养和发展,并积极推动科技创新,加强社会治理,提升文化建设水平,从而为维护社会的安全稳定做出更大的贡献。本文通过对公安文职发展情况的研究分析,旨在了解当前公安文职人员的现状、存在的问题以及未来的发展趋势,为公安文职人员的培训和发展提供参考。     

外军装甲车辆的未来发展

以各种装甲车辆为主要装备的装甲机械化部队是陆军地面作战的一支重要突击力量。由于具有猛烈的火力、快速的机动力和装甲防护力,装甲兵从它的诞生之日起,便一直是指挥官们手中的“拳头”力量。然而,现代战争中,随着     

雷达智能BIT故障预测方法研究

在总结了几种比较常见的故障预测方法的基础上,介绍了基于统计学习理论的支持向量回归算法。提出将智能遗传算法用来对支持向量回归模型的参数进行优化选取,并详细介绍了模型参数的选取过程,避免了参数的盲目设置。将建立起来的模型应用于雷达智能BIT故障预测领域,并以一组智能BIT状态监测的数据对预测模型进行训练和验证,实验结果表明支持向量回归模型能有效地对雷达故障进行预测。     

单向拓扑下基于DMPC与改进APF的水面无人艇编队运动控制算法

多水面无人艇编队运动控制是多水面无人艇智能化的核心技术,也是当前研究的热点。重点讨论了编队部分成员无法获得编队平衡先验信息条件下的水面无人艇编队运动控制问题。首先,针对编队先验信息不平衡条件下无人艇编队保持困难的问题,将领航–跟随结构与分布式模型预测控制算法结合,通过设定通信优先级和单向拓扑结构,在分布式模型预测控制算法中引入假设状态空间和平衡状态空间,以实现部分跟随者无法获取编队平衡先验信息情况下的无人艇编队保持;其次,针对编队航行过程中障碍物规避安全性不足的问题,将改进的人工势场法与模型预测控制相结合,设计了无人艇自主避障控制器,提升了编队航行过程的安全性;最后,通过仿真平台对所提方案的可行性进行了验证。所提方法可以为进一步研究复杂环境下多水面无人艇编队运动控制提供参考。     

陆军武器火控系统的发展趋势

介绍了陆军武器装备火控系统的作战使命和工作原理,分析了信息化作战条件下,陆军武器火控系统的作用和使用需求,提出了未来陆军武器火控系统体系网络化、操纵智能化、功能一体化、性能精准化、结构模块化的发展趋势,分析了需对应突破的关键技术。     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

防弹衣的发展走向

从各国防弹衣的研制状况可以看出,防弹衣的发展呈现出以下的趋势: 高新技术材料将得到更广泛的应用从防弹衣的发展历程可以看到,其性能的提高一直与高技术材料的应用密切相关。60年代末70年代初,“凯夫拉”(Kevlar)纤维的问世不仅代表着合成纤维技术史上一个新的里程碑,而且也给防     

现代军事后勤发展八大趋势

军队后勤发展主要取决于战争的牵引和生产力发展的推动。根据未来高技术战争对后勤的要求,新军事革命发展、经济全球化过程等因素对后勤的影响,预测和描绘了军事后勤发展的八大趋势。