基于多目标鲸鱼优化算法的动态武器目标分配

针对传统动态武器目标分配模型以武器打击收益最大化为目标,考虑过于单一,并且现有智能算法在求解该模型存在收敛精度低的问题,提出一种非支配排序多目标鲸鱼优化算法(non-dominated sorting multi-objective whale optimization algorithm, NSMWOA)求解动态武器目标分配模型。首先为提高初始解的质量,引入2次logistic映射初始化种群,合并父代与子代个体,通过计算个体的非支配等级和拥挤度大小对个体进行排序,其次为筛选优秀个体,实验结果表明,在与NSGA-Ⅱ和MOPSO算法的对比中,非支配排序多目标鲸鱼优化算法函数测试中的得出Pareto前沿更接近真实Pareto前沿,寻优精度更高,在动态武器目标分配模型中,能够得出更优的分配方案。     

基于特征增强和损失优化的弱监督目标检测算法

针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题,提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块,该模块通过关联通道的选择来提高其局部信息的交互能力,以此来扩大最具辨别性的示例目标区域;此外,通过对网络回归损失函数施加针对性的动态权重,使其能够自动弱化回归分支中伪标注边界框不准确性的影响,提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明,相比其他同类算法,该算法能够有效地提高弱监督目标检测的精度。同时,由于该算法引入的额外训练参数和计算负担几乎可以忽略不计,因此还具有良好的高效性。     

基于改进YOLOv7的融合图像多目标检测方法

针对微光环境下目标检测精度较低的问题,提出了一种基于改进YOLOv7的微光与红外融合图像的多目标检测方法。结合可见光、红外图像的优点,利用生成对抗网络法制作融合图像数据集。在YOLOv7模型中引入BoT结构,使网络更加关注整体图像信息,提升特征提取能力,从而提高行人和汽车检测的准确率,并将回归损失函数由CIoU改进为SIoU,降低自由度,加速网络收敛,得到了YOLOv7的改进算法—BoT-YOLOv7。在公开数据集LLVIP和MSRS上进行了实验。结果表明：相比可见光或红外图像,BoT-YOLOv7对融合图像的检测精度较高;改进算法对融合图像取得了92.6%的平均精度均值,较原始YOLOv7模型提高了5.83%;BoT-YOLOv7算法在检测行人和汽车等目标时漏检和误检率较低,具有较好的准确性和实时性,可以满足微光环境下多目标探测的要求。     

基于3D-DIC的UHMWPE软质防弹衣性能测试

软质防弹衣可有效拦截常规手枪弹和低速破片,是警察等执法人员的主要防护装备。为研究某超高分子量聚乙烯(UHMWPE)软质防弹衣在枪弹冲击下的动态力学响应,使用三维数字图像相关技术(three-dimensional digital image correlation, 3D-DIC)进行了9 mm手枪弹侵彻软质防弹衣试验。试验获得了软质防弹衣背后鼓包(back face signature, BFS)的变形场、速度场和应变场等数据。结果表明：软质防弹衣在受子弹撞击后1 000μs内BFS高度急剧增加,达到了34.2 mm;随后增长变缓,约在3 000μs时BFS高度达到最大值60.2 mm; BFS形状由最初的四棱锥形变为最后的“金字塔形”;BFS速度在受撞击后200μs内迅速增长,达到最大值约为126.3 m/s,随后缓慢下降并趋向于0;防弹衣背后vonmises应变场分为4个L型区域,应变最大值出现在“L”的拐点处,400μs时防弹衣的最大vonmises应变为0.27。最后,采用改进的Gauss函数对不同时刻的BFS轮廓进行了曲面拟合,为快速估算任意时刻BFS形状提供了一种有效技术...     

一种防弹玻璃抗大口径穿燃子弹侵彻能力研究

为了研究一种防弹玻璃的抗侵彻机理,基于12.7、14.5 mm穿燃弹开展一种防弹玻璃的抗侵彻试验。通过分析侵彻后靶板的破环形貌,揭示了该型防弹玻璃对穿燃弹的抗侵彻机理。采用ANSYS/LS-DYNA软件对2种口径穿燃弹侵彻该防弹玻璃的过程进行数值模拟,对比分析装甲倾角对2种口径穿燃弹极限穿透速度的影响,以及穿燃弹初速度对剩余速度的影响,获得了该防弹玻璃的抗侵彻机理,并计算得到装甲防护系数。结果表明：弹丸初速度与极限穿透速度相同时,此时的弹道偏离角最大,随着弹丸初速度的增大,弹道偏离角减小;防弹玻璃PC背板的出孔裂缝长度与弹丸初速度成正比增长关系;弹丸初速度相同时,剩余速度随着穿燃弹口径的减小而减小,且随着初速度的增大,差值逐渐减小;通过工程算法得到该型防弹玻璃对12.7 mm穿燃弹的防护系数为0.74。     

基于交叉定位的声纳浮标阵被动检测预处理研究

交叉定位的精度直接决定着水下目标被动方法的检测性能,而目标数量的不确定性及其位置关系的复杂性将进一步影响交叉定位的精度。针对上述问题,提出了一种基于最小交叉定位方差的距离和方位数据互联算法。首先,分析了水下目标2种典型运动特点,分别构建了水下目标运动模型;其次,研究了声纳浮标阵型和交叉定位原理对定位精度的影响,构建了声纳浮标被动检测模型;最后,采用距离和方位数据关联方法,完成了水下目标被动检测前的预处理。仿真结果表明：在多目标航迹交叉、复杂噪声环境条件下,该算法整体性能优于典型的模糊聚类法和最近邻域法。     

面向作战任务的最小风险传感器调度方法

基于风险理论提出一种面向不同目标探测任务的传感器调度方法。将主动传感器辐射被截获风险和目标探测风险结合起来,建立一般目标探测框架下的传感器最小风险调度模型。分目标跟踪、目标识别和目标威胁等级评估三种情况将传感器最小风险调度模型具体化,给出不同情况下目标探测风险值的计算方法。针对模型的求解提出一种基于混沌思想、反向学习和双向轮盘赌的改进人工蜂群算法。通过仿真实验证明了模型的可行性和算法的有效性。     

滑翔飞行器多目标弹道优化的进化-配点混合求解策略

针对高超声速滑翔飞行器弹道多目标优化问题,综合考虑计算效率和精度,结合分解进化算法与配点法提出一种混合求解策略。根据滑翔飞行器动力学模型和弹道设计中需要考虑的约束条件,建立飞行器多目标弹道优化模型。利用控制量离散化方法将多目标弹道优化问题转化为带约束的多目标参数优化问题,并采用罚函数法处理约束条件,随后利用分解多目标进化算法进行求解。为了提高弹道优化的精度,将椭球聚合法与配点法相结合,以多目标进化算法得到的Pareto解作为初始解进行迭代求解。通过典型的复杂约束多目标弹道优化的算例表明,所提出的混合求解策略能够获得满足复杂约束要求的Pareto最优解集,实现有效的多目标弹道优化。     

浅海中非金属圆柱体的扰动电场

为研究主动电场作用下非金属圆柱体目标所产生的扰动电场分布,基于镜像法和区域网格化的思想,建立了浅海环境下非金属目标的二次电偶极子模型。利用该模型计算出目标周围不同位置处的扰动电场,并与边界元软件仿真结果进行对比,结果表明扰动电场水平分量误差小于3%。开展水池模型实验,实测结果与所提模型计算值基本一致,证明了所建立的二次电偶极子模型的准确性。     

基于MC-CNN网络的磁性舰船目标运动参数估计

传统磁性目标运动估计效果依赖于目标的初始状态信息,为克服这一缺陷,建立了磁性运动目标三分量投影模型,并据此生成了磁性舰船运动目标在运动速度、航向、信噪比等参数变化情况下的10类目标的训练数据集、验证数据集以及测试数据集。进一步,设计了多通道卷积神经网络（MC-CNN）对目标的正横距离和运动速度进行了估计,并比较和分析了不同的学习方式和激活函数对网络性能的影响,结果表明Adam+tanh的组合方式的估计性能要优于其它的组合方式,而且对磁性目标运动参数的估计效果比较精确,此方法相较于卡尔曼滤波、粒子滤波等估计算法的优越性在于运算复杂度低以及参数估计不需要目标初始状态信息。