基于模糊贝叶斯网络的飞机易损性评估方法

针对在飞机进行易损性评估的过程中,因为目标数据的不精确而进行的模型简化,结合模糊数学理论和贝叶斯网络提出了基于模糊贝叶斯网络的飞机易损性评估方法。介绍了模糊理论和贝叶斯网络的基本知识,以及基于模糊贝叶斯网络的飞机易损性评估流程,并建立了基于某型飞机的模糊贝叶斯网络易损性评估模型,最后通过算例证明了该方法的合理性。     

基于注意力机制的兵棋对抗态势预测方法

以不可观察算子实时位置预测为例进行兵棋对抗态势预测方法研究。训练基于注意力机制的陆战场战术级兵棋不可观察算子实时位置端到端预测模型。对高维离散兵棋态势特征进行低维嵌入,用多头自注意力机制学习特征交叉,通过把兵棋地图的各个六角格视为单独的类,将算子位置预测转化为稀疏特征下的多分类问题,达到33.47%的top＿1预测准确率,相较其他模型至少提高2.57个百分点,并具有良好的可解释性。     

浅析卫星导航系统在役考核指标与方案选择

在役考核是装备试验鉴定的重要环节之一,是对性能试验和作战试验不能解决的问题进行补充鉴定。针对卫星导航系统在役考核过程中考核大纲制定与方案选择的难点问题,通过分析卫星导航系统在联合作战中提供的精准定位、统一授时、辅助精确打击等典型应用场景,归纳出卫星导航系统在役考核需要重视对抗环境、考察关键性能、强调作战效能等特征需求,在此基础上建立了在役考核指标体系,并将灰色关联理论应用到考核方案的选择过程,为卫星导航系统的在役考核提供了一定的参考。     

基于深度学习的网络攻击检测模型

为提高复杂网络条件下网络攻击的检测检测精度、降低时间开销,提出一种基于卷积神经网络、双向长短时记忆网络和注意力机制融合的网络攻击检测模型GP-CABL。GP-CABL能够有效抽取网络流量的最优特征,并能够充分学习网络流量的空间和时序特征,有效提升了检测精度、降低了计算开销。实验表明,GP-CABL针对主要网络攻击识别精度可达99.87%,相较当前研究有较大性能提升,并具有较好的鲁棒性。     

登陆作战推演方案评估模型研究

依据作战仿真推演及登陆作战过程特点,基于作战推演方案评估框架,制定针对登陆作战想定的推演方案效能评估指标体系;提出结合主观权重、客观熵权的TOPSIS方法,构建了组合熵权TOPSIS作战推演方案评估模型;基于登陆作战想定,通过仿真推演试验验证了作战方案评估模型的合理性,结果表明,该模型对登陆作战仿真推演方案的效能评估可行有效,克服了复杂性、主观性不足等问题,为仿真推演作战评估提供了新的方法思路。     

对军事训练监察的几点思考

习主席强调指出,要“强化训练监察,科学监察、严格监察,加大追责问责力度,促进军事训练水平整体提升”。2019年发布施行的《中国人民解放军军事训练监察条例(试行)》(以下简称《条例》),是我军军事训练组织形态和体制机制的重大创新,对于促进练兵备战具有重要意义,在提升部队打赢能力中发挥越来越重要的作用。     

仿蝴蝶扑翼飞行器:研究进展、挑战与未来发展

以昆虫为灵感设计的仿生扑翼飞行器在近三十余年来的时间里发展迅速,而蝴蝶作为众多昆虫中极富特色的一种也得到了许多研究者的关注。国内外以蝴蝶为研究对象进行了许多的仿生学研究和仿生飞行器研制,尤其是近十年来仿蝴蝶扑翼飞行器的设计与制造取得了较大的进展。对这一热点领域的研究进行了综述。首先从仿蝴蝶扑翼飞行器(BIFAV)的升力机制研究、结构设计与制造以及驱动与控制方面,综述近年来所取得的研究成果;其次指出仿蝴蝶扑翼飞行器目前在大小尺度、飞行灵活性、续航时间、控制鲁棒性以及仿生的逼真性方面仍然存在研究挑战;最终表明其未来的研究将朝着更小的尺寸、更灵活的飞行与更可靠的控制、更高的仿生程度等方向进一步完善。     

一种巡逻执勤目标检测算法研究

巡逻执勤是具有重要意义的安全维稳行动,但是巡逻环境复杂、目标多样、检测难度大的问题十分突出,所以如何准确、实时检测巡逻执勤目标具有重大现实意义。为了提升对巡逻执勤目标检测的准确性和实时性,基于YOLOv5算法进行改进。为抑制巡逻环境带来的干扰,结合ECANet注意力机制进行改进,提高被检测目标显著性;同时为保证较好的实时性及多尺度目标检测能力,引入BiFPN网络结构。将改进算法与原始算法进行比较,mAP提升3.51%;与4种算法进行了对比实验,结果显示该算法能较好地降低巡逻执勤目标检测因检测相似、尺度多样、光照干扰等问题带来的影响,进一步验证了该算法在巡逻执勤目标检测任务中的有效性。     

谨防“层层传导压力”走样变味

前期到基层调研,一些基层干部反映:时下许多工作,从上到下一级对一级传导压力,层层开会分散任务,把落实的责任以“主体责任”为借口,落在基层的头上,又是“留痕”又是报表,又是考核又是问责,基层感觉“压力山大”。“没有压力就没有动力。”科学地分解任务、压实责任,形成“一级抓一级、一级带动一级”的责任落实机制,本是抓工作落实的有效方法。     

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。