导弹子母弹战斗部对复杂目标毁伤的计算机仿真

介绍了蒙特卡洛方法(Monte-Carlo)仿真的基本原理,并运用该方法对导弹子母弹战斗部对复杂目标毁伤进行研究,利用Matlab语言编制仿真程序实现了计算机仿真.有效地解决了其他方法计算繁琐的弊端,大大提高了毁伤仿真的计算效率.仿真结果表明应用该方法建模技术简洁,模型的通用性好,并能够随时根据需求进行功能扩展.     

复杂背景下机载雷达目标探测的模型分析

考虑机载雷达目标探测受到复杂环境因素的影响,建立复杂背景条件下机载雷达目标探测的系统模型.利用此模型提出一个机载雷达目标探测的效能指标.在效能仿真的基础上,给出复杂背景条件下诸要素对机载雷达目标探测的定量影响.仿真结果表明了该模型的正确性和有效性.     

基于火光辐射的射流速度测试技术研究

为了满足超高速聚能射流的测速要求,采用狭缝光阑与高速光电探测器构成被动探测模块,探测射流的自身火光辐射。测速系统以多级光阑前后排列的方式限制探测幕面的视场与厚度。分别对两级、三级光阑2种滤光模式建立了光学模型,模拟射流过靶时各级光阑的滤光性能。仿真结果表明,三级光阑可以有效衰减射流自身的强辐射,并且可以滤除探测幕范围之外的爆炸火光以及设备内的反射光,滤光效果超过99.25%。采用三级光阑逐级滤光的方法,解决了射流辐射亮度强并且伴随有杂散光导致其速度不易测试的难题。最后在外场进行射流测速试验,得到的信号波形印证了仿真结果的正确性。对过靶信号进行相关性分析处理得到射流的精确过靶时间,计算得到的射流速度为6 500 m/s左右。将测得数据结果与高速摄影测速结果进行对比验证,测速系统的不确定度低于1.9%,验证了系统的可行性。     

基于CPCM-液冷-翅片耦合作用的锂电池高温散热性能研究

针对锂离子电池组工作温度过高或温差过大将导致其容量和寿命降低的问题,设计了一种新型的复合相变材料(CPCM)/液冷/翅片耦合散热系统。通过数值模拟,分析了高温环境(38℃)、高倍率循环充放电时,冷却液流向、石蜡中膨胀石墨(EG)的百分含量及冷却液流速对该系统散热性能的影响。结果表明,在相变材料(PCM)冷却基础上,引入液冷和散热翅片使电池组的最高温度进一步降低了35.74℃。冷却液交错流比同向流冷却电池组的最高温度降低了1.66℃、最大温差降低了3.15℃,电池温度分布更加均匀。在石蜡中添加EG后系统散热性能有明显提升,EG百分含量为6%时散热性能最好。冷却液流速从0.10 m/s增加到0.20 m/s时,电池组的最高温度降低了2.68℃、最大温差降低了2.22℃;继续增大流速,散热性能提升不显著。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。     

我国战争财力动员潜力预测模型构建

财力动员是国民经济动员的启动器,财力动员潜力大小将影响国民经济动员的速度和效果。文章根据财力动员潜力的影响因素,构建了财力动员潜力的预测模型,并结合统计数据,根据所建模型进行预测,得出预测结果。     

车用爪极发电机新型三维分段等效磁路法研究

电励磁爪极发电机凭借其机械强度高、可靠性强等优点广泛应用于重型军用车辆领域。采用三维有限元法计算用时较长,而传统等效磁路法存在漏磁考虑不充分,结果不精确等缺陷。在现有二维磁路模型基础上,提出了一种基于轴向分段的爪极发电机新型三维磁路数学模型,该模型计算结果精确,漏磁考虑充分,大大降低了三维有限元法的计算时长。同时,推导出了各部分磁阻的解析计算公式,在此基础上得到了电机反电动势解析值以及磁密值。最后,通过对比分析三维有限元数值计算方法与新型三维磁路分析方法的解析结果表明了外特性曲线中两者电机端电压极差为4.45%,验证了所提出方法和理论分析的正确性与合理性,为研究电励磁爪机发电机的电磁特性分析提供了理论依据。     

一种基于CAE的HRRP去噪重构与识别方法

针对HRRP识别研究中面临的噪声污染问题,提出了一种基于卷积自编码器(convolutional auto encoder, CAE)的HRRP识别方法。此方法将CAE的重构功能与卷积神经网络(convolutional neural network, CNN)的分类性能相结合,将未含噪声的数据作为标签,利用CAE学习含噪声HRRP的噪声特征,实现对HRRP的去噪重构,后利用CNN对重构后的HRRP进行识别。仿真实验表明：在10 dB、20 dB、40 dB峰值信噪比的噪声环境下,该方法对HRRP的识别准确率分别可达到76.48%、95.14%、98.33%,能够一定程度上克服噪声对HRRP识别带来的不良影响,保证识别精度。     

改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。