一种基于当前统计模型的模糊交互多模型算法

研究了模糊交互多模型算法(FIMM)和基于当前统计模型(CS)的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法(CSFIMM)。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型(IMM)算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

动态飞行仿真中人体六自由度模型研究

应用多体系动力学方法,结合飞行力学,给出了动态飞行仿真中飞行员的六自由度数学模型,并将其应用在动态飞行仿真建模中,分析结果表明这种数学模型是可行的。     

多传感器组合导航系统评述

介绍了组合导航系统的重要性、发展现状和发展趋势。根据导航与目标跟踪的区别与联系,从多传感器组合导航系统研究的角度出发,在概念理解、模型建立和系统结构等方面做了详细的评述,提出了多传感器导航信息融合系统的功能模型,分析了位置融合级的结构模型。     

电磁脉冲炸弹威胁下的舰艇生命力模型

电磁脉冲炸弹对舰艇产生严重威胁。通过分析电磁脉冲炸弹特殊的杀伤效应,根据电磁脉冲炸弹的杀伤特点和载体的落点分布建立了电磁脉冲炸弹对舰艇打击的易感性模型,根据舰艇对电磁防护的特点确定了易损性模型,从而推导出舰艇在电磁脉冲炸弹打击下的生命力评估模型。通过模型可以看出,舰艇在电磁脉冲炸弹打击下的生命力与电磁脉冲炸弹自身的性能、载体的打击精度、到达目标的功率密度、脉冲对目标的覆盖面积及舰艇自身的防护措施有关。     

反舰导弹纯方位发射捕捉概率计算方法

反舰导弹的纯方位发射对目标信息要求不高,在目标信息的探测越来越艰难的今天,是反舰导弹较为重要的一种发射方式,也将会成为未来海战场上常用的作战方式.介绍了反舰导弹捕捉概率的计算方法和传统纯方位发射的捕捉概率的计算方法,并从分析反舰导弹捕捉概率的计算模型和影响因素出发,指出传统的反舰导弹纯方位发射的捕捉概率计算模型存在不足,并给出了修正后的计算模型.     

一种无人战斗机系统使用保障费用分析方法

基于无人战斗机系统在使用保障上的特点,通过对有人战斗机使用保障费用模型进行合理改造,使其能适用于无人战斗机的使用保障费用分析。经过改造的模型具有结构清晰、概念明确的特点。适合在飞机总体设计阶段用于全寿命周期的费用估算以及飞机的费效分析和综合优化设计。通过与有人战斗机的使用保障费用进行对比计算表明,无人战斗机系统的使用保障费用具有明显的经济优势。     

过程控制中的对象链接与嵌入技术及数据访问客户端的开发

过程控制中的对象链接与嵌入技术 ,是最近几年国际上自动控制领域研究的热点之一。该技术解决了办公室与生产现场的信息通信问题 ,并成为工业控制和生产自动化领域中使用的硬件和软件接口的国际标准。本文介绍了OPC技术的基本原理及OPCDA客户程方开发的详细过程。     

武警部队营房建设和营区管理评价指标体系的应用

武警部队营房工作具有综合性、军事性、计划性的特点。文章科学的从技术性、经济效益、环境社会效益三个方面研究武警部队营房建设和管理的相关因素 ,建立了武警营区建设评价指标模型。通过分析综合评价方法的应用特点 ,论证了使用层次分析法进行评价的可能性 ,并通过营区建设选址具体说明该体系的使用和计算方法 ,可供优选营房建设方案使用。     

基于红外传感器的多无人机对高速飞行器协同定位跟踪方法综述

为了实现高精度远距离稳定定位与跟踪,多无人机搭载红外传感器对高速飞行器的定位跟踪方法成为研究热点。就此背景进行了综合评述,以相关技术难点及关键技术为切入点,分析了瞬时定位和动态跟踪问题的研究现状和发展方向。在瞬时协同定位方面,首先对目标瞬时定位的算法进行了分析对比,然后对造成定位误差的影响因素进行分析并探讨了误差补偿方法,最后针对传感器资源优化,讨论了能够使计算结果最优的传感器分布阵型。在动态跟踪方面,首先探讨了时间不同步问题对目标跟踪的影响及补偿方法,然后对目标运动学建模的问题进行了分析,最后对最优估计问题中各种滤波算法的应用进行对比。综述表明,无人机搭载红外传感器对高速飞行器进行定位和跟踪,存在误差来源多、相对运动速度快的技术难点,需要特别关注定位算法、误差来源及最优估计算法的影响,以尽可能实现稳定跟踪。     

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。