面向动态毁伤概率和目标价值的武器目标分配方法

面向毁伤和目标价值动态变化条件下的大规模武器目标动态分配问题,提出了一种基于深度强化学习的武器目标分配求解方法。该方法采用双神经网络结构,基于武器目标分配目标函数设计了一套简单、直观的状态与奖励建模方法。通过仿真实验对所提方法进行了验证,结果表明,所提方法能够较快实现收敛,且整体毁伤和计算效率上优于基于粒子群的方法。所提方法能够有效应对毁伤概率和目标价值动态变化条件下的武器目标分配问题,说明了其良好的拓展性。该方法可应用于作战任务规划、仿真单元自动交火等场景下的武器目标分配快速求解。     

对流层散射无源监视系统最优布局方法

为提高对流层散射无源监视系统对辐射源的定位精度,利用改进粒子群优化算法对分布式监视节点进行最优布局设计。推导了基于电磁波方位到达角定位机制下的几何精度因子。在改进粒子群优化算法中,采用混沌理论初始化所有粒子的初始参数;通过自适应变化的惯性权重和学习因子来提高算法寻优能力;为防止粒子陷入局部最优,利用双子群机制进行寻优,并在两子群之间进行交叉变异操作,以增加粒子的多样性。仿真结果表明:相对于几种常规的布站方式,所提算法能够明显提高监视系统对辐射源的定位精度,运行时间较遍历寻优算法有所减少。     

结合YdUaVa颜色模型和改进MobileNetV3的视频烟雾检测方法

为降低视频烟雾检测中的虚警率和提升检测效率,提出Y^dU^aV^a颜色模型,该模型可以表征烟雾的空间域分布特性和时间域变化特性。利用该颜色模型快速筛选出疑似烟雾图像块,降低虚警率和提升运算效率。提出改进的MobileNetV3网络结构,用于提取图像深度特征并对疑似烟雾图像块进行分类识别,检测视频中是否存在烟雾。视频烟雾检测仿真结果表明:该方法准确率和检测帧率高,虚警率低。     

大深度复合同振式矢量水听器设计

针对目前深海无人移动平台缺乏与其工作深度相匹配的复合同振式矢量水听器的问题,采用薄壁铝合金球壳作为矢量通道,压电陶瓷圆环作为声压通道,设计制作了一型大深度复合同振式矢量水听器,并用理论计算、有限元仿真和实验测试的方法对其声学性能和耐压性能进行了验证。该水听器的外径为85 mm,质量为398 g,平均密度为1 240 kg/m~3,工作频段为20～3 000 Hz,矢量通道呈余弦指向性,灵敏度为-187 dB@500 Hz,声压通道无指向性,灵敏度为-191 dB@500 Hz,耐压深度为2 000 m。海上试验表明,该水听器能够搭载在水下滑翔机等深海无人平台上执行声学探测任务,在大深度声学探测领域具有重大的应用价值。     

【专题】基于深度学习及FPGA的装备目标检测研究

本文应用深度学习技术实现海天背景下基于可见光、红外方式成像的舰船及角反、烟幕干扰的目标检测,这也是反舰导弹作战使用的关键技术之一。采集的可见光与红外成像目标检测数据集涵盖实施典型干扰下的态势场景,贴近实战;结合四种不同的目标检测机制,选取YOLOV3、Faster R-CNN、SSD及CenterNet四种典型模型分别进行训练与验证,通过对比分析进一步提高弱小目标、复杂干扰态势的的检测,可以实现端到端的高精度装备目标检测模型。在确保精度的前提下基于现场可编程门阵列（FPGA）进行软硬件协同设计,通过对比分析选定基于Vitis AI的实施方案,经过模型的量化、编译与优化,可在保证检测效率的前提下快速实现模型的小型化部署,便于进行装备移植。研究结果表明,该研究内容可有效提高现役反舰导弹目标检测的准确率。     

基于深度学习的自组织态势感知与决策系统

针对巡飞弹武器平台,如何提高态势感知的精准性和实时性以及作战任务自主决策的准确性,已成为当前的一个研究热点.结合以深度学习技术为代表的人工智能最新研究成果,提出基于深度学习的目标识别模型、任务自主决策模型和任务规划模型,并将模型应用于巡飞弹武器平台,提升巡飞弹武器平台协同作战任务的自主决策和智能规划能力.     

基于改进PSO的装备维修任务调度方法

针对现有装备维修任务调度方法存在维修时间过长、维修成本过高的问题,提出了基于改进粒子群算法(Particle Swarm Optimization,PSO)的装备维修任务调度方法.建立了以装备重要程度、维修时间、维修成本为指标的装备维修任务调度模型;从惯性权重、学习因子两个方面,提出了基于改进粒子群算法的装备维修任务调度模型求解方法;设计了算法仿真实例,仿真结果表明,该算法具有更快的收敛速度及更好的全局寻优能力,降低了维修时间,节约了维修成本,有效提高了装备维修任务调度的合理性.     

考虑区间弹性连接的结构动力学特性研究

基于动态子结构方法,将结构中的弹性连接单独划分成一个独立子结构,并利用零质量空间梁单元对其进行等效,分别基于频域子结构方法(FRF-based Substructuring Method)和模态综合法(Component Mode Synthesis)对考虑弹性连接的结构固有频率和频响函数进行了推导.基于此,将空间梁单元的弹性模量和比例阻尼系数设成区间参数以模拟弹性连接的区间不确定性,基于区间因子法(Interval Factor Method,IFM)分别给出了考虑区间弹性连接结构固有频率和频响函数的区间上下限,从而形成了两种计算分析方法,即CMS-IFM和FBSM-IFM.通过仿真将两种方法与Monte-Carlo模拟方法的计算结果进行了对比,结果表明:CMS-IFM和FBSM-IFM正确高效.     

WSNs中基于鸡群优化算法选择簇头的簇路由

能量是无线传感网络(Wireless Sensor Networks,WSNs)的重要资源.有效地利用节点能量可延长网络寿命.簇技术是提高资源分配、缓解网络能耗的有效策略.提出基于鸡群优化算法选择簇头的簇路由(Chicken Swarm Optimization-based Cluster Head Selecting Clustering Routing,CSO-CHS).CSO-CHS路由先从能量角度构建目标函数,再利用鸡群优化算法产生最优鸡群,进而形成最优的簇.通过最优的簇,平衡节点间能耗,进而实现延长网络寿命的目的 .仿真结果表明,相比于同类算法,CSO-CHS路由缓解了节点能耗速度,延长了网络寿命.