基于Vague集极值记分函数的装甲分队目标威胁评估

为了快速准确地对装甲分队作战单元面临的目标进行威胁度判断,提高信息化装甲分队作战辅助决策水平,建立了基于Vague集的极值记分函数评估模型,且构造了适合威胁评估的记分函数。实例分析表明,该模型可有效地完成目标威胁评估与排序,为分队火力优化控制提供重要数据支持。     

基于遗传BP神经网络的装甲装备器材需求预测

装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络较强自学习能力和自适应能力对器材需求规律进行学习,并借助遗传算法提高BP神经网络的收敛速度,设计了一种基于遗传算法改进的BP神经网络模型预测方法,对装甲装备器材进行需求预测。通过实例计算表明,该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。     

基于RGB图像的坦克损伤目标三维检测研究与应用

现代战争中,坦克在攻坚战中的地位越来越重要,检测坦克的损伤对于取得战场主动权乃至获取战争的胜利起着决定性作用,所以对实时性要求非常高。采用易获取的RGB图像,以坦克装甲车为研究目标,选用Complex-YOLO为基础三维目标检测模型,针对复杂战场环境中图像内容复杂、弹孔损伤目标小、没有三维CAD模型等问题,对Complex-YOLO模型进行改进,通过使用识别精度高且速度快的YOLOV3网络及九点法回归三维目标检测框的方法,提高模型性能。在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的多目标检测具有更强的敏感性,较大程度上增强了模型的检测识别精度。     

为“霸王”探路的——记“钩拳”

对于二战中的诺曼底登陆战的诸多细节,很多军事爱好者都能如数家珍。但对于1942年在离诺曼底不远的地方发生的具有为后来的“霸王”行动,即诺曼底登陆战探路性质的迪埃普登陆战,了解的人就不多了。几十年过去了,回顾这个代号为“钩拳”的登陆战的前因后果、及过程就不难看出它对于后来的“霸王”行动所起到的重要作用。     

两栖装甲装备战场损伤仿真模型

现代战争,随着各种高技术武器装备,特别是精确制导武器的广泛应用,战场上装备的损伤概率会越来越大;损伤的后果将越来越严重,使战时的保障问题变得更加突出,且难以把握.从分析两栖装甲装备在未来作战中的损伤机理入手,在缺乏大量实际战损数据的情况下,通过建立装备战场损伤仿真模型,为战时装备保障方案的制定,提供科学有效的辅助决策依据.     

两栖装甲装备车内环境的测试与分析

综合运用噪声传感器、温度传感器、压电加速度传感器以及PXI采集器等设备,对影响两栖装备乘员持续战斗能力的环境适应性数据进行了采集与分析,得出了评估结果,找出了影响装备战斗力发挥的环境适应性因素,提出了相应的解决方案.     

军迷设计的2011型“湄公河”级多用途装甲执法船

基本性能排水量:280吨。船长40米,宽5.5米,吃水深度1.6米。动力:双桨双舵,船首配置泵喷推进器1部,可实现0半径转弯或自主靠帮。武器配备76甲双管37毫米全自动炮2座(前后甲板),12.7毫米遥控武器站2     

超轻薄透明装甲材料

1、关键技术参数或产品性能 透明装甲材料是目前世界上最轻薄的。如F79级的防弹玻璃厚度是12．7mm,F56级防弹玻璃的防弹玻璃厚度是20．86mm。防100米53弹的玻璃厚度是34mm,防15米53弹或B6级,或NIJ3级防弹玻璃的厚度是36mm。     

基于灰色关联分析的装甲装备人因故障影响因素研究

根据装甲装备在试验和使用中人因故障发生的原因,将人因故障影响因素分为设计因素、维修因素、使用因素、人体机能因素、人机界面因素和环境因素6类,采用灰色关联分析法对其进行辨识分析,发现造成装甲装备人因故障率从高到低的因素依次为：维修因素、使用因素、人机界面因素、设计因素、环境因素和人体机能因素,该研究结果可为装甲装备综合管理和设计提供理论依据。     

改进的YOLOV3算法在小目标检测中的研究与应用

战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用.以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,提高模型性能.在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度.