火炮射表数据处理方法评述

主要介绍火炮射表数据处理方法,对国内目前较为流行的两种射表逼近方法进行了全面、系统的分析与比较,指出了逐步回归射表逼近方法存在的缺陷和不足。对国外近几年采用的插值法文中也进行了比较详细的讨论,并指出了未来的研究问题。     

也谈闭环火控原理中的若干问题

弹丸脱靶量定义、射击误差分类、系统状态方程和测量方程部问题提出一些看法,并与文献［３］的作者商榷。     

基于YOLOv3-tiny的智能侦察虚拟训练系统研究

虚拟训练系统广泛应用于医疗、航天、军事等领域,能够有效降低训练成本,提升训练效率,保障训练安全。针对无人机侦察训练飞控条件苛刻、搭载算法时延高、潜在安全隐患大、训练成本高的特点,提出在虚拟场景中应用目标检测算法的虚拟训练系统总体研发方案。该系统在YOLOv3-tiny算法的基础上,用Unity3D camera组件渲染代替无人机视频流进行数据传输,通过OpenCV for Unity插件搭载YOLOv3-tiny算法对车辆和人员进行目标检测,并实时返回检测画面。经过系统测试实验,实现了无人机智能侦察功能,目标检测速度稳定在25 fps,识别置信度达80%以上,各项指标评价良好比例达88%以上,满足了飞控模拟和算法检测训练。     

基于CE-QPSO算法的联合火力打击方案智能优化方法

针对联合火力打击方案优化“既快又精”需求难题,设计了CE-QPSO算法,提出了基于该算法的联合火力打击方案智能优化方法。该算法充分结合了交叉熵算法良好的全局寻优能力和量子粒子群算法高效运行的特点,通过构建离散概率矩阵,使粒子的不确定性运动更具方向性,提高了粒子的协同寻优能力。实验结果表明：基于该算法的联合火力打击方案智能优化方法能够有效提升联合火力打击方案的优化效果和优化效率,且相比于标准交叉熵算法和标准量子粒子群优化算法具有明显优势。     

无人机的应用及发展趋势

本文结合无人机的发展历史,阐述了无人机在军事上的重要地位,介绍了世界主要军事强国目前无人机发展的现状,分析了无人机的主要特点,列举了无人机在军事上的应用,介绍了无人机的发展趋势。