基于多指标相似性的T/R组件剩余寿命融合预测方法

为实现对T/R组件剩余寿命的准确预测,及时掌握装备当前健康状态和提高装备维修保障水平,分析T/R组件的故障特点,筛选出反映T/R组件状态退化过程的状态监测指标,通过计算每个指标对应的剩余寿命信息和权重,得到T/R组件的剩余寿命预测结果。通过算例分析与比较,验证了预测方法的实用性与有效性。研究结果可为电子装备剩余寿命预测提供理论指导,对合理计划维修资源和提高装备战斗力具有重要意义。     

面向作战体系的生成式对抗网络应用研究

生成式对抗网络GAN作为一种生成式模型,受博弈论中二人"零和"博弈的启发,通过对抗学习的方式来训练,可以达到估计数据样本的潜在分布、生成新的数据样本的目的。从GAN的基本原理和实现模型入手,综述了其衍生模型和研究进展,对其在作战体系研究领域的应用进行了分析展望。     

炮兵战场目标态势分析研究

提出了炮兵战场目标态势的概念,分析了炮兵战场目标态势分析在炮兵战场目标情报处理过程中的位置,研究了炮兵战场目标态势分析的基本结构、主要内容及表示方式,构建了炮兵战场目标态势分析的理论框架。     

陆军合成营作战仿真组件化模型体系设计研究?

针对当前陆军合成营作战仿真模型缺乏整体设计、模型重用性差以及集成效率低的现状,从顶层设计入手,提出基于组件化建模方法的模型体系架构。该模型体系以组件为中心,以平台组件、装备组件、行为组件、辅助组件为重点,聚焦功能组件建模,可为构建良构的陆军合成营作战仿真模型,规范模型设计、开发、集成和运行,提高模型资源重用性,避免低水平重复建设提供先进的应用框架和技术支持。     

海洋水下战场态势仿真系统的设计与实现?

在作战仿真领域,由于水下战场环境的特殊性以及水下作战对抗的复杂性,构建具有水下战场实景态势展现以及水下作战对抗演示分析等功能的仿真系统始终是一个难点问题。基于现代海战条件下水下对抗的应用背景,设计实现了海洋水下战场态势仿真系统,给出系统的功能结构、功能流程以及数据处理流程和方案,并对系统的开发部署进行了具体实现,应用情况表明系统能够实现对水下战场实景态势的高精度仿真,可作为海洋水下战场实景态势的演示分析研究平台和水下作战对抗的论证评估工具。     

基于原子行为、通信和协商的计算机生成兵力协同作战研究

步兵组协同行为建模是构造计算机生成兵力的关键技术之一.基本动作建模、步兵小组间的通信策略和协商策略是完成步兵组协同行为建模的三项重要研究内容.针对基本动作建模,提出组件行为的概念并给出其形式化描述,把计算机生成兵力完成任务的过程看作组件行为的有序集,建立基本动作模型库.针对步兵小组间通信策略,侧重于智能体对信息的筛选与可靠性评估,使信息交流更贴近战场实际.时间约束协商策略是针对现有协商模型缺少时间约束的缺陷进行改进,提出在时间约束下的冲突消解办法.最后,提供一个例子予以说明.     

美国的战争指挥中心——五角大楼

美参联会《2010联合作战设想》中首次提出了联合作战新概念“主导布势”。所谓“主导布势”就是力求全面控制作战空间。美军认为,作战空间不仅是指部队探测、跟踪、打击敌人的三维空间,还包括时间、速度和电磁频谱等因素在内的“全维空间”。控制作战空间就是要在空、地、海、天、电磁多维度上综合发挥美军信息、机动和作战能力的优势,形成全方位、全时空控制战场和直接威逼敌重心的主导态势,力求少战甚至不战而屈人之兵。这种“主导布势”显然比过去“夺取战场主动权”的观念有所扩展。美军控制作战空间的主要方法是：     

Ku波段功分放大3D-MCM设计

多芯片组件(three-dimensional multi-chip module,MCM)是微波产品的重要组成部分,其集成度的高低将直接影响到产品的小型化与轻量化.当前,军用领域绝大多数的MCM使用的还是传统的二维多芯片组件(2D-MCM)形式.为了实现更高的集成密度,MCM需要向三维多芯片组件(3D-MCM)方向发...     

基于深度学习的战役初始态势认知方法

战役初始态势不仅影响着整个战役进程,而且对战役筹划的影响也极为显著。以深度学习为代表的人工智能技术突飞猛进,为我们利用人工智能技术实现自动识别复杂的战役初始态势、模拟战役指挥员的经验知识带来了契机,作者就此问题进行初步探索性研究。对战役初始态势的概念及其类型进行了介绍,探讨了基于深度学习的战役初始态势认知模型构建,对模型构建步骤、输入和输出的设计进行了探讨,对卷积神经网络的基本思想、结构、训练进行了介绍,在示例中介绍了样本数据的录入程序、卷积神经网络的具体结构与应用程序,验证了方法的可行性与有效性。所提出的战役初始态势认知方法可以在一定程度上获得指挥员对战役初始态势的经验知识。