弹射止动器壳体成形工艺优化

对30CrNi2MoVA钢弹射止动器壳体成形过程进行生产试制研究,最终确定该锻件的成形方案为一火次胎模锻制坯加一火次模锻成形。利用胎模制坯时,将原棒料在胎模中锻至为规则的"牛角型"坯料,采用胎模锻制坯显著地提高坯料成型的稳定性,进而去除坯料的夹伤。与原先的自由锻手工制坯相比,改进后,解决了坯料及模锻件特殊部位夹伤,制坯及模锻火次多,打磨量大等难题。实际生产表明,采用优化后的工艺成形的弹射止动器壳体性能良好,符合产品的使用要求。     

基于Attention的AIS数据段相似性搜索模型

自动识别系统(Automatic Identification System,AIS)数据中蕴含着与船舶交通相关的时间序列信息.基于AIS数据段的相似性搜索也成为智能船运领域的研究热点.AIS数据属于多维时间序列数据,传统的多维数据序列相似性搜索方法通过将原始数据进行降维,并在降维后的数据空间进行时序数据的相似性搜索....     

一种基于重要性权重的证据合成方法及其应用

针对Dempster方法在合成高度冲突证据时结果与直观结论相悖的问题,提出了一种改进的基于重要性权重的证据合成方法,并将其应用到海上目标的识别。首先,根据证据之间的相似性程度判断证据间是否存在冲突,对于有冲突的情形,由基于P距离的权重分配模型得到各证据的重要性权值;然后,对BPA函数进行修正,采用Dempster规则修正后的BPA函数进行合成;最后,利用雷达和舰船的对应关系,将侦察雷达探测到的目标雷达信号载频、脉宽、重频转化为雷达参数的概率分配,并运用改进的证据合成方法进行了目标识别。仿真计算结果证明:该方法能有效处理冲突证据组合,克服了一票否决问题,减小了识别结果的不确定性,并保留了Dempster方法处理非冲突证据组合的良好特性。     

无线传感器网络LEACH协议的分析与改进

无线传感器网络中节点能量资源是非常有限的,能耗的降低对网络寿命的延长产生着至关重要的影响.在介绍无线传感器网络基本概念的基础之上,对LEACH路由协议的原理进行了简要说明,并分析了其缺点.探讨了一些以LEACH为基础的改进协议.在群首选择机制方面对LEACH协议进行了改进.在NS2平台上以生命周期为指标对LEACH协议及改进后的协议进行了模拟,结果表明当使用改进协议时,网络有着更长的寿命.     

基于ePCANS模型的C2组织本体建模方法

指挥控制(C2)是战场的核心,现代C2组织既要能支持网络中心行动,还要能支持"计算战",因此建立C2组织的高层概念框架和一致的知识表达框架是C2组织研究的核心问题。对PCANS模型进行扩展,建立了C2组织高层概念模型——扩展PCANS(ePCANS),以ePCANS模型为基础,提出了C2组织本体的概念体系,并研究了C2组织本体建模方法。研究成果对C2组织的概念与应用研究具有重要的参考价值。     

网络化防空作战C~2结构模型抗毁性

从网络动力学特征的角度,研究网络化防空作战C2结构模型抗毁性问题,针对以往的抗毁性测度指数不适用于C2网络抗毁性研究的现状,考虑C2网络信息融合的时延及战场感知覆盖率等因素,提出的抗毁性测度指标:最大连通片尺寸与网络规模比,最大连通片平均最短路径长度L,网络化效能系数。在指标的基础上对C2网络模型的抗毁性进行研究,并分析不同的空袭策略对防空作战C2网络抗毁性的影响。     

网络化作战C2组织结构的一种分析设计方法

网络化作战条件下,传统的层次型C2组织限制了组织成员之间的信息交互,难以适应复杂多变的作战环境,影响了系统整体作战效能的发挥。通过分解单个组织节点智能体(Agent)的行为过程,结合网络化作战的概念,在引入信息流、指控流因素情况下,研究在网络化作战中C2组织结构网络,并在分析组织网络探测信息/指控命令的传输和处理的基础上,提出了一种C2组织结构设计方法。该方法充分考虑了网络化作战探测信息共享以及指控命令协同,并将网络化作战C2组织的最优设计问题转化为C2组织网络中探测信息和指控命令的最小费用最大流问题。     

信息时代指挥控制方式综述

历代战争中,指挥控制(C2)都是重要的赋能手段。信息化战争时代,未来战场对C2方式提出了新的挑战。通过分析信息时代网络赋能指挥控制的特点,对C2功能和方式空间进行了研究,定义了信息时代5种C2方式原型,并对各方式原型目标和要求进行了详细辨析,分析了其成熟度水平和成熟度迁移模型,最后讨论了未来战场对C2的挑战。对于帮助作战人员分析当前C2领域存在的问题,明确当前和未来需要的指挥控制能力,提升各级指挥员指挥控制、近实时管理复杂动态不确定作战使命的能力,具有一定参考价值。     

P3C-MADDPG算法的多无人机协同追捕对抗策略研究

针对策略未知逃逸无人机环境中多无人机协同追捕对抗任务,提出P3C-MADDPG算法的多无人机协同追捕对抗策略。首先,为解决多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient, MADDPG)算法训练速度慢和Q值高估问题,在MADDPG算法中分别采用基于树形结构储存的优先经验回放机制(Prioritized Experience Replay, PER)和设计的3线程并行Critic网络模型,提出P3C-MADDPG算法。然后基于构建的无人机运动学模型,设计追逃无人机的状态空间、稀疏奖励与引导式奖励相结合的奖励函数、加速度不同的追逃动作空间等训练要素。最后基于上述训练要素,通过P3C-MADDPG算法生成策略未知逃逸无人机环境中多无人机协同追捕对抗策略。仿真实验表明,P3C-MADDPG算法在训练速度上平均提升了11.7%,Q值平均降低6.06%,生成的多无人机协同追捕对抗策略能有效避开障碍物,能实现对策略未知逃逸无人机的智能追捕。     

美国陆军为何“重锤”换“快刀”

美军的M1A2坦克,以其极为优越的性能,被奉为第三代坦克的杰出代表,一直位列于“世界十佳主战坦克”前三的位置,而且是唯一在实战中得到证实的“陆战之王”。可这样的武器装备,竟然即将被美国人自己抛弃!去年刚上任的美