国防要闻

美军美国空军制订空间武器投射系统研制计划英国《简氏防务周刊》2004年9月8日报道,美空军官员说,空军正在制订计划,以使拟用于其下一代无人空间投射系统的技术进一步成熟。该计划分三个阶段,第一阶段是到2010年底以前能够制造出经济可承受的小型一次性火箭;第二阶段是到2015年以前能制造出一次性/可重复使用“混合”系统;第三阶段是在2025年以前开发出完全可重复使用系统的所需技术。该计划来自对未来攻击系统选择方案的研究。要求小型一次性投射系统能将450～900千克的载荷送入轨道;能在下达命令后的48小时内完成发射。美空军认为小型一次…     

竞争的门槛

2011年一过完,美国海军航空兵就整整100岁了。这支海军航空兵是现今海军界经营最得力的一支力量,他们把伊利驾机从"伯明翰"号巡洋舰上起飞的那一刹那视作生命的开始。在他们为100岁庆生之时,相隔着太平洋的古老大陆边缘,也有一支海军航空兵很快会进入生命的新阶段。乘着这个时机,《现代舰船》特别制作了     

名刊速览

《海上力量》2012年7月刑机器人战士:更多的无人系统加入到地面作战中对地面部队而言,面临着即时爆炸装置和隐藏敌人随时出现的威胁,由于大多数机器人有着坦克式的履带,不够大而且太笨拙。因此,海军陆战队热衷于寻找无人系统来应对在伊拉克和阿富汗的威     

结合离差最大化的多属性群体决策TOPSIS威胁评估

针对传统理想解逼近排序法(TOPSIS)在确定多个属性权重系数上存在主观性和盲目性,并且所作决策多为单一决策,精确度不高等问题,提出结合离差最大化原理的多属性群体决策TOPSIS改进模型,利用离差最大化原理确定属性权值,同时引进群体决策方法。最后将该模型运用于机群协同空战的威胁评估中,建立了多目标威胁评估数学模型,并进行了全空战过程的动态仿真分析,结果表明所建立的扩展模型是合理可行的。     

战场环境下无人车辆战术机动路径规划方法

针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化（Particle Swarm Optimization,PSO）方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO（BPSO）算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化（Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC）算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明：该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。     

支持潜艇态势感知的连通性网络设计及应用

以保证潜艇隐蔽性为前提,如何增强潜艇的战场态势感知能力是提升潜艇作战效能的关键。因此,以分析潜艇战场态势感知能力现状为基础,构建一种以无人平台作为战场单元,支持潜艇战场态势感知的连通性网络模型,并对其组成、功能及工作过程进行了详细设计;对战场单元的任务载荷和任务规划进行了详细阐述;最后从作战角度出发,展开连通性网络的作战应用研究。     

高校智能无人系统运用人才队伍建设研究

智能无人系统是能够通过先进的技术进行操作或管理而不需要人工干预的人工系统,具有自主性、智能性以及人机耦合性等特征。随着科技快速更迭、国家战略支持、国家安全保障等要素驱动,高校智能无人系统运用人才队伍建设的研究势在必行。本文认为,当前,高校智能无人系统运用人才队伍呈现出愈发注重交叉学科研究、理论联系实践、开展专业认同教育以及课程思政建设等特点,这需要高校在引进和培育、交叉和融合以及专业化和高素质上下功夫,稳步推进高水平创新团队建设和一流专业学科群建设,同时稳步加大复合型人才培养力度,以为高校智能无人系统研发提供人才和智力保证。     

无人系统安全防护研究

当前,无人作战系统在大规模、高烈度、高科技体系对抗中的安全防护能力尚显不足,需从多方面加以提升。本文首先从自然环境、协同运用、综合对抗以及自主权限给无人系统带来的安全风险为出发点,深入分析了无人系统的安全防护需求;其次,根据需求,总结了无人系统安全防护的目标,并分别从提升无人系统环境适应性能、降低无人系统可探测概率、强化无人系统抗毁伤能力、夯实无人系统自主作战安全性设计等四方面详述了无人系统可采取的安全防范措施;再次,利用体系防护资源,结合无人平台和载荷的防护基础,提出了内外一体的、控制与防护分离的协同安全架构;最后,对无人系统安全防护的未来发展趋势进行了展望。     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

【专题】“无人系统自主性与智能化”专题编者按

地空协同无人系统作为新质跨域智能作战力量已成为世界强国开展军事技术竞争的前沿方向。本文首先总结了地空协同无人系统的概念、功能及发展目标,分析了世界主要国家制定的专项规划,从形成智能作战体系、改变战场攻防平衡及全面提高作战效能三个方面阐述了地空协同无人系统对未来战争的重大意义;其次,针对其面临的环境复杂、资源受限和平台异构等约束条件,从分布式态势认知、适应性智能导航及异构系统协同控制等方面总结了地空协同无人系统需要突破的关键技术;最后,为应对智能化战争挑战,从技术瓶颈、平台建设及政策支持等方面提出发展建议。该研究可为地空协同无人系统在国防科技领域的研究、应用和发展提供参考。