车辆规范化管理面临的问题及对策

部队车辆的使用与管理,是集科学性、技术性、经济性为一体的军事工作,如何规范使用和管理,直接影响着平、战时各项后勤保障任务的完成。本文就此问题谈点粗浅的看法。     

对装备可计量性的思考

本文在提出可计量性的定义与对可计量性理解的基础上,梳理了可计量性与装备"五性"的关系,分析了可计量性研究对计量保障的作用,以及可计量性在武器装备全系统全寿命周期中的作用,并对如何开展在研和现役武器装备的可计量性研究提供了思路。     

基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。     

船舶轴频电场跟踪

针对轴频电场包络跟踪中先验信息缺失的问题,研究了船舶轴频电场跟踪对传感器阵列的基本要求,引入了一种基于最大似然选择的多初值渐进更新扩展卡尔曼滤波算法。建立船舶轴频电场包络跟踪的状态空间模型,用水平电偶极子对船舶轴频电场包络进行建模;建立基于最大似然选择的多初值模型;基于轴频包络信号特征,研究了对传感器阵列排布方式的要求。仿真结果表明,利用轴频电场包络对船舶进行跟踪是可行的,要求传感器阵列至少由3个传感器组成,且3个传感器不在一条直线上;在传感器阵列满足要求的情况下,该算法可以有效解决轴频电场包络跟踪中的先验信息缺失问题,具有较高的实用价值。     

深度置信网络在导弹攻击区分类中的应用

针对传统导弹攻击区解算方法忽略双方态势变化等问题,提出运用深度置信网络的导弹攻击区分类模型。根据导弹命中情况与目标机动间的关系,将导弹攻击区划分为五类。通过分析影响导弹攻击结果的态势参数,构建导弹攻击结果预测模型。在实验部分,结合重构误差和测试错误率确定深度置信网络的网络结构,通过逐层提取数据法分析模型参数特征并且讨论微调数据的采样方式。使用反向传播神经网络和支持向量机进行分类有效性对比实验。实验结果表明：深度置信网络运行速度和预测准确度明显优于其他两种方法,满足实时性和准确性要求,所提方法具有良好的应用价值。     

针对不同视场辅助信标的无人机目标定位方法

针对无人机在单站测角测距的目标定位过程中受无人机姿态角误差影响较大的问题,提出一种对辅助信标进行探测并与惯性传感器相结合的无人机姿态求解方法。建立基于容积卡尔曼滤波的惯性传感器姿态求解模型,采用梯度下降法对基于辅助信标的无人机位姿参数进行求解,并综合它们的结果对无人机的姿态偏差进行估计和校正,最后完成了不同视场条件下的目标定位和仿真计算。结果表明,所提方法对无人机目标定位精度有明显提高。     

基于预测碰撞点带落角约束的导引律设计

为提高导弹导引精度,增强对落角的控制,针对带倾角运动的目标,推导了攻击运动目标带落角约束的偏置比例导引律。通过在偏置项中加入导弹-目标的相对运动状态,实现对带倾角运动目标指定角度攻击;考虑到导弹带落角约束攻击运动目标时传统剩余飞行时间估计精度不高的问题,通过对弹目碰撞点的预测,在推导的导引律基础上设计了基于预测碰撞点的剩余飞行时间估计方法。仿真结果表明:在不同的落角约束下,设计的基于预测碰撞点的剩余飞行时间估计方法估计精准;推导的攻击运动目标带落角约束的偏置比例导引律攻击精度高,对落角控制强,过载分布合理。