炎炎烈日练精兵——北京某预备役团军事训练剪影

北京某预备役团以有效履行首都防空维稳使命为牵引,狠抓预备役人员高炮专业训练,他们突出快速动员、远程机动、占领阵地、精确打击等重要内容,把专业理论学习与兵器操作结合起来,单兵训练与协同训练结合起来,技能训练与指挥训练结合起来,实战本领提高与强化战斗精神结合起来,成建制、分专业,全要素、全时空地搞好训练,部队战斗力水平显著攀升。     

采用弹道修正技术的红外干扰弹性能优化

针对弹道修正弹的高维非线性特性导致的性能优化难题,改变概念设计阶段传统的串行设计方式,提出了一种基于实验设计(Design Of Experiments,DOE)和响应面(Response Surface Methodology,RSM)的智能优化算法,定义基本的弹丸结构模型以及相关的设计参数.在DOE的基础上,将设计...     

基于改进层构造算法的运输直升机装载方案设计

针对运输直升机装载方案依赖人工经验,主观性强、耗时长且不精确等问题,基于运输直升机遂行运输保障任务时的军事运用特点,建立装载问题的多约束数学模型,并设计可生成装载方案的改进层构造算法,以解决运输直升机装载问题.算法改进了层构造算法,提高空间利用率,并结合装载空间构造法和重心调整算法以满足运输直升机特殊装载要求.通过对8个装载任务的仿真实验证明,算法可以在毫秒级时间内生成重心偏移量小的装载方案,在保证飞行安全的条件下最大化利用直升机的装载能力,同时提高部队的任务规划和临机调整能力.     

基于TS模糊神经网络的液压伺服系统研究

在飞机地面模拟试验台台架控制的液压伺服系统中,由于其系统存在强非线性,传统PID控制难以使液压马达转角达到精准良好的控制效果.针对这个问题,同时为提高控制系统性能,将基于TS模糊神经网络PID控制的智能控制算法应用于液压马达伺服控制系统中.在建立飞机台架液压伺服模型的基础上,利用基于TS模糊模型的神经网络对PID参数进行自适应整定,并基于MATLAB/Simulink平台进行相应的仿真实验.仿真结果表明,TS模糊神经网络PID控制器相比于传统PID控制器和普通模糊PID有着更好的响应特性,呈现出更佳的控制效果,使飞机台架控制系统的综合性能得到了提高.     

基于滑模自适应鲁棒控制的四旋翼飞行器轨迹跟踪

针对四旋翼飞行器的稳定性在实际应用环境中会受到不同程度的破坏,不易对其进行高精度轨迹跟踪,提出一种滑模自适应鲁棒控制算法.系统整体采用内外环控制思想,将位置部分作为外环子系统,将姿态部分作为内环子系统,对两部分分别进行控制器的设计;通过运用李雅普诺夫稳定性分析判断控制算法是否能够使系统最终达到渐进稳定;最后进行仿真和实验研究,通过仿真和实验结果证明了此算法的有效性和优越性.     

海上多无人机协同交叉定位的优化配置方法

针对多部无人机协同交叉定位,考虑无人机安全距离、通信距离和动力学约束条件下,解决多部无人机自动实现对飞行速度和角度的优化配置问题.提出了多机协同测向交叉定位方法,该方法先根据几何稀释度精度建立了不等式约束下的无人机运动参数单目标优化模型,再利用惩罚函数法将优化模型转换为无约束条件的极小值求解问题,最后利用粒子群优化算法获得各无人机飞行速度和角度估计值.仿真试验表明,该方法对不同无人机阵型和辐射源运动状态具有较强的适应性,相比直线飞行配置方法,其定位精度有较大的提高.     

主动谐波消除多电平射频脉宽调制策略及其性能分析

为降低全数字发信机(All-Digital Transmitters, ADTx)的输出谐波要求,提高系统宽频带工作性能,提出并实现适用于全数字发信机的多电平射频脉宽调制(Radio Frequency Pulse Width Modulation, RF-PWM)策略。该方法通过控制各子脉冲的脉冲宽度,在基波分量加权之和正比于输入信号包络的前提下,实现对RF-PWM脉冲序列特定谐波分量的有效抑制。以3次谐波消除为例,对该5电平RF-PWM策略实现方案进行推导,同时分析验证了该方案下脉冲基波分量与信号幅度之间的最佳增益系数。在此基础上,利用软件仿真验证了理论分析结果以及主动谐波抑制RF-PWM策略的有效性。     

融合神经网络与超像素的候选区域优化算法

为解决目标检测中候选区域召回率低的问题,提出融合神经网络与超像素的目标候选区域算法。该算法利用神经网络提取更能清楚表达目标边界的特征,并使用聚类、相似性等策略,计算每个滑动窗口所含有的边缘信息量;将待测图像使用简单线性迭代聚类算法分割成若干个超像素,并利用超像素的空间位置、完整性、相邻超像素间的对比度信息,计算各个超像素的显著性得分及每个滑动窗口的显著性得分;根据每个滑动窗口的边缘信息及显著性得分筛选滑动窗口。在PASCAL VOC 2007测试集上进行对比实验,其实验结果表明:所述算法能够快速产生定位质量高的候选区域。     

基于数据驱动的自学习防空火力控制技术

立足打赢未来智能化战争的作战需求,提高目标探测识别、运动参数估计的实时性和准确性,解决自主拦截决策建模难度大、决策结果稳定性差等问题,通过引入数据挖掘、深度学习、神经网络等人工智能技术,重点开展基于大数据的多类型目标状态空间模型分析、多探测模式下的目标融合识别技术、基于卷积神经网络的射击诸元修正等,研制一套自学习防空火力控制系统,有效弥补传统防空火力控制技术在时敏目标状态空间模型、大闭环校射、协同信息处理、控制决策等环节的不足,提升火控系统自修正、自学习能力,为武器装备向无人化智能化方向发展提供技术支撑.     

单轴旋转航位推算系统姿态误差补偿方法

针对水下载体在航行过程中由于旋转引起导航定位误差问题,对旋转航位推算导航系统进行误差分析,采用姿态四元数法推导了姿态误差方程,并提出将加速度计信号周期性变化提取的姿态角作为量测的姿态误差补偿方法,利用Sage-Husa自适应滤波器估计姿态误差并进行补偿,从而抑制陀螺漂移的影响.通过不同路径下的仿真研究,表明该算法能够提高单轴旋转航位推算系统姿态解算精度,在400 s时,姿态角精度可提高40％以上,定位精度提高49％.