2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。     

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。     

考虑CFRP与混凝土动态界面特性的RC柱抗爆响应动力分析

为了研究CFRP加固钢筋混凝土柱的抗爆特性,基于CFRP与混凝土界面强度细观分析方法和LS-DYNA中的接触算法,提出了能够反映CFRP与混凝土界面动态粘结破坏特性的界面接触模型参数确定方法,分析了爆炸荷载作用下CFRP加固RC柱的动力响应特征和破坏过程及模式,揭示了其失效破坏机理,结果表明：爆炸荷载作用下,单向和双向CFRP布加固可以分别降低RC柱柱中峰值水平位移11%和33%,分别降低塑性位移10%和72%,在混凝土柱塑性区包裹CFRP布,效果最为明显;与单层加固相比,双层加固RC柱的峰值位移和塑性位移分别降低了16.7%和42.8%;考虑到经济性,RC柱抗爆加固建议采用分布式加固。     

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。     

多级同步感应线圈装置温升计算方法优化研究

多级同步感应线圈装置发射过程瞬态能量巨大,可能造成电机损坏,有必要对电机温升进行研究,但考虑到瞬态热有限元仿真时间过长;电流丝法温升计算编程过于繁琐,工作量大等问题,将一维热网络模型计算方法应用于多级同步感应线圈装置中进行算法优化,将电机发热等效成一维传热问题,推导发射电机状态方程,通过Matlab构建同步感应线圈发射装置的一维热网络模型。仿真结果表明：通过不考虑散热情况的理论计算以及对比三维有限元计算结果,对一维计算结果进行校验,一维热网络模型仿真结果与前两者计算误差保持在10%以内。相比于瞬态热有限元仿真与电流丝法计算,在减少了模型搭建难度基础上,显著降低发射电机温升计算时间,提高仿真运算效率。     

基于多域卷积与自注意机制的SAR图像变化检测

针对基于深度卷积神经网络的合成孔径雷达(synthetic aperture radar, SAR)图像的变化检测方法,在利用图像块分析特征的过程中易将噪声引入到边缘区域,造成SAR图像变化检测精度较差等问题。提出了一种基于多域卷积与自注意机制的SAR图像变化检测方法。该方法先通过多域卷积模型增强输入SAR图像块的中心区域,减少边缘噪声的影响;然后,再利用注入空洞卷积的改进自注意机制模型充分挖掘SAR图像的重要空间结构信息,来提高变化检测的性能;最后采用3种不同类型的SAR数据集进行实验结果表明,本文中所提出方法能获得较高的检测准确率和KC系数,优于各种对比方法。     

基于神经网络的跨介质飞行器水面弹跳运动参数快速预测方法

为进一步提高跨介质飞行器水面弹跳运动参数的计算效率,提出基于线性多元回归、反向传播神经网络及径向基函数神经网络的水面弹跳运动特性近似模型,对弹跳后运动参数进行快速预测。首先,建立跨介质飞行器水面弹跳数值仿真分析模型,对模型进行校验。其次,基于上述三种预测算法,以飞行器水面弹跳初始俯仰角、弹道倾角和速度作为输入值,预测其在水面弹跳运动中的末速度。结果表明：径向基函数神经网络算法对跨介质飞行器水面弹跳中的末速度预测的性能表现最优,与数值仿真速度值对比,回归系数为0.988,模型精度与速度预测结果可信性较高;速度预测值与数值计算的平均残差保持在8.39%以内,残差范围保持在±15 m/s以内,对跨介质飞行器水面弹跳运动研究具有参考价值。     

改进蛙跳算法求解武器目标分配问题

针对武器目标分配问题,提出一种改进蛙跳算法来求解空间受限的武器目标分配。首先,基于武器目标分配原则建立多约束条件下武器目标分配模型,并将多目标优化问题转化为单目标优化问题;其次,采用基于非支配等级和拥挤度因子的精英选择策略改进初始种群的多样性和均匀度,提升算法最优解的质量;最后,通过合理的想定背景进行仿真计算,结果表明：该方法可有效平衡搜索时间和全局最优解质量,可作为编队防空作战时武器目标分配的一个不错选择,通过与SFLA算法和遗传算法进行比对分析,表明该算法相对SFLA算法求解的最优解质量高,相对遗传算法搜索效率高。     

基于分类算法的装备健康度评估方法

装备健康度的准确评估是装备作战训练工作开展和维修保障对策实施的基础,针对传统装备健康状况难以科学评估的问题,提出了综合考虑装备寿命、使用维修情况、装备及其子系统健康状况的装备健康度评价模型,结合装备健康度分类多和样本数据不平衡的特点,采用7种分类算法和10种样本均衡方法对装备健康度进行评估。实验表明,综合运用Near-Miss、SMOTEENN、SMOTE Tomek采样方法和DT、GBDT、RF分类算法,可以有效提高装备健康度分类和指标水平,为装备健康状况的合理评估提供了有效方法。     

基于IHHO-MCNN的反坦克雷场效能评估研究

针对反坦克雷场作战效能评估问题,提出了基于哈里斯鹰算法(HHO)优化蒙特卡洛神经网络(MCNN)的反坦克雷场作战效能评估方法。首先,介绍了IHHO算法和蒙特卡洛神经网络的基本原理和算法流程;然后,对反坦克雷场效能评估的主要影响因素进行分析,归纳总结了反坦克雷场的作战效能评估的指标体系;最后,构建了IHHO-MCNN神经网络评估模型。仿真实验结果表明,该模型可以有效对反坦克雷场进行效能评估。