“红军”败在了“意外”?

某部举行实兵对抗演习,按照事先设计的万案,是 红军”获胜 然而,演习的结果却相反,原因是,就在“红军向“蓝军”发起冲击时,突然狂风大作,雷雨交加,步兵前进困难,数辆坦克深陷低洼地,贻误了战机 在评判这次演习时,大家都说“太意外了”! 这种带有偶然性的“意外”,往往对作战结局产生重大影响.     

嵌入式坦克射击训练运动参数监测系统设计

针对坦克短停射击过程缺乏有效的运动参数监测手段,导致训练成绩评定随意性大、不科学,不能定量指导、评价训练等问题,设计了嵌入式坦克射击训练短停计时系统。该系统采用传感器及计算机技术,实时监测坦克运行状况,测量、记录坦克在短停射击过程中的运动参数,为科学、准确评价短停射击的成绩和按纲施训提供了手段和方法。     

坦克实体智能机动路径模型

根据坦克机动作战的一般原则,首先对影响坦克实体机动的因素进行了分析和合理的假设;充分考虑战术模拟中的实际情况,将数字地图中各点间的空间距离转化为以各点间机动时间为权边的网图,通过求任意两点间的最短距离的方法,建立坦克实体机动最短时间路径的数学模型。并给出了人工智能算法,把问题求解过程简化,从而解决战术模拟系统中智能机动中的路径选择问题。     

坦克火力运用智能系统目标威胁度评估模块

随着科学技术的发展,未来战争将有更多的智能化武器出现,坦克火力运用智能化将是坦克火力系统的发展方向,而目标威胁度评估是该系统的核心模块.应用BP神经网络建立了坦克目标威胁度评估模型,对影响因素进行了分析与预处理,并构造了3组训练样本.利用MATLAB7.0中神经网络工具箱的图形用户界面GUI对样本和影响因素进行训练、仿真.结果表明,BP神经网络模型能很好地解决坦克目标威胁程度与影响因素之间的非线性关系,评估坦克目标威胁度有很强的客观性和科学性,对未来坦克火力运用智能系统的建设具有一定的借鉴作用.     

“陆战之王”地位的变化

坦克和装甲战车被人们习惯的称为“陆战之王”。它曾经披靡于战场,被认为是主宰胜负的王牌兵器。 一战时期,是“陆战之王”的产生时期。此前,阵地战是敌我双方最常用的作战样式。这种作战方式对防御一方优势极为明显,被形象的称为“绞肉机”,使得进攻一方难越雷池半步,甚至会在战场上出现两军对峙、寸步难进的僵持状态。物极必反,“陆战之王”应运而生。在英军第一次使用坦克进行作战时,就顺利的突破了敌人的防线,占领了敌方的阵地。此时的坦克其主要目的是依靠自身防护力为冲击步兵实施引导和掩护。     

坦克分队快速机动协同控制系统构想

作为一体化联合作战体系中重要的陆基栅格节点,坦克分队的快速机动能力对于顺利完成机动突击任务具有重要影响,而坦克分队的机动协同控制则是实现分队快速机动的关键。首先提出一种坦克分队协同控制系统架构,然后对该架构的组成及关键技术进行了探讨和分析,期望有助于提升新型坦克分队的快速机动能力。     

古堡奇战

1945年5月4日清晨,美军第12装甲师23坦克营B连小约翰·“杰克”·李中尉漫不经心地从M4“谢尔曼”坦克炮塔上探出身子来,心情复杂地观察着周遭的地形。数天前,希特勒自杀,柏林已经宣布投降,西线战场随时都会停火,但纳粹顽固分子仍在负隅顽抗。谁也不想在“泡菜国”成为最后一批阵亡者。     

基于转速分析的柴油机加速性能和气缸气密性的评价方法

对不同使用摩托小时的坦克柴油机的加速、减速时间进行检测和分析,利用Bayes Bootstrap模拟统计方法对转速特征值进行处理,获得了更准确的特征分布．采用动态聚类方法对样本特征进行分类,实现了对柴油机加速性能和气缸气密性的等级评价．     

基于RGB图像的坦克损伤目标三维检测研究与应用

现代战争中,坦克在攻坚战中的地位越来越重要,检测坦克的损伤对于取得战场主动权乃至获取战争的胜利起着决定性作用,所以对实时性要求非常高。采用易获取的RGB图像,以坦克装甲车为研究目标,选用Complex-YOLO为基础三维目标检测模型,针对复杂战场环境中图像内容复杂、弹孔损伤目标小、没有三维CAD模型等问题,对Complex-YOLO模型进行改进,通过使用识别精度高且速度快的YOLOV3网络及九点法回归三维目标检测框的方法,提高模型性能。在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的多目标检测具有更强的敏感性,较大程度上增强了模型的检测识别精度。     

基于改进反馈神经网络的坦克分队对抗模型

坦克分队对抗效能评估是一个典型的动力学系统问题,而反馈神经网络是一种反馈动力学系统。通过分析影响对抗效能的主要因素入手,建立坦克分队火力对抗效能的评估指标体系,构建改进反馈神经网络对抗模型。通过编制应用程序,对该模型进行实例验证,其结果表明,该模型能够较好地解决坦克对抗的问题,为坦克对抗模型的研究提供了新思路。