高温空气下C/SiC复合材料力学性能测试

测试了C/SiC复合材料在高温空气下的压缩、弯曲和拉伸性能,利用扫描电子显微镜分析复合材料在室温与高温条件下的断口微观形貌。结果表明:从室温升温到1 000 ℃测试温度时,C/SiC复合材料的压缩强度由247 MPa降低至78 MPa,性能降低68%;弯曲强度由480 MPa降低至277 MPa,性能降低42%;拉伸强度由247 MPa降低至152 MPa,性能降低38%。高温氧化导致界面退化,损伤材料基体与碳纤维结构,加剧了纤维断裂程度,改变了纤维与基体的结合状态,纤维增韧机制逐渐消失,导致复合材料性能下降。     

【专题】复杂陆战场环境下的智能感知理论现状与发展

近年来,由于基于深度学习方法的智能检测算法不断演进,其网络结构不断进化,实用化程度不断提高,因此,将其应用于复杂战场环境下,形成实用化智能感知能力的可行性不断提高。然而算法的可靠性、可解释性问题目前仍未完全解决。本文认为,在未来的地面无人平台系统框架内,使用基于深度学习的目标检测识别方法,融合多种传感器感知信号,探索如何可靠地收集无人平台附近敌我车辆、人员、相关物体状况以及视距内的地理与气象环境信息,能够实现多元智能感知过程,构建智能复杂体系,为无人平台实现复杂战场环境感知理解,自主环境判定、自主行走、自主危险判定甚至威胁自动处置提供技术储备。同时,这也将是军队下一步智能感知理论方向的主要任务。     

【专题】“无人系统自主性与智能化”专题编者按

地空协同无人系统作为新质跨域智能作战力量已成为世界强国开展军事技术竞争的前沿方向。本文首先总结了地空协同无人系统的概念、功能及发展目标,分析了世界主要国家制定的专项规划,从形成智能作战体系、改变战场攻防平衡及全面提高作战效能三个方面阐述了地空协同无人系统对未来战争的重大意义;其次,针对其面临的环境复杂、资源受限和平台异构等约束条件,从分布式态势认知、适应性智能导航及异构系统协同控制等方面总结了地空协同无人系统需要突破的关键技术;最后,为应对智能化战争挑战,从技术瓶颈、平台建设及政策支持等方面提出发展建议。该研究可为地空协同无人系统在国防科技领域的研究、应用和发展提供参考。     

自控式空气放电重复性实验研究

静电放电模拟器空气放电方式涉及到外部火花通道的形成过程,模拟器放电电极接近被测物体的速度、环境温湿度等因素都导致其放电电流重复性差。为此,研制了能够自动控制ESD模拟器放电电极渐进速度的空气放电装置,并且应用向量夹角余弦相似系数方法,将自控式模拟器空气放电与手动式放电电流波形的重复性进行了定量分析和比较研究,得出了机控的ESD电流波形重复性好的结论。     

Al2O3催化氧化脱除GB染毒空气的研究

以浸渍法制备的10%V／Al2O3为催化剂,研究对GB染毒空气的脱除效果,考察接触时间、温度、温度和浓度等因素对GB染毒空气脱除效果的影响,用GC-MS和LC-MS对尾气组分进行了检测分析．     

用于评估地空导弹系统效能的模糊综合模型

建立了地空导弹武器系统效能综合评价的指标体系,利用模糊数学方法,确立了该系统的综合评价模型,从而为地空导弹武器系统效能的综合评价提供了一种方法,具有一定的参考价值。     

防空体系反制网电攻击的UML与Petri网模型

网电攻击装备的出现,给传统防空体系带来全面严峻的新威胁。通过分析"舒特"系统,得到网电攻击3种典型作战样式:物理摧毁、电子攻击和网络攻击,分别从物理层次、能量层次和网络层次探索了防空体系反制网电攻击策略。为描述防空体系反制网电攻击的对策、作战结构、作战步骤等问题,分别建立了统一建模语言(UML)和Petri网模型,从理论上初步探索了防空体系反制网电攻击的对策,具有一定的理论与现实意义。     

基于FLAMES和HLA的导弹分队作战仿真系统

研究了基于FLAMES和HLA导弹分队作战仿真。首先介绍了系统架构及工作流程,然后剖析了基于FLAMES和HLA进行导弹分队作战中的仿真实体之间的信息交互机制,最后探讨了基于FLAMES和HLA的开发过程,验证了基于FLAMES和HLA开发的导弹分队作战仿真的实用性,为以后分队作战智能化仿真研究提供借鉴。     

系统动力学炮兵侦察感知系统能力生成建模与仿真

信息化作战,侦察感知能力是炮兵获取决策优势与行动优势的基础。依据炮兵侦察感知系统的功能与构成,分析炮兵侦察感知信息流程,运用系统动力学分析侦察感知系统的各要素及影响关系,进而建立炮兵侦察感知系统作战能力生成的系统动力学模型。依据设定作战背景,仿真分析了传感器性能、网络性能等对炮兵侦察感知系统能力生成影响问题,得出了较为可靠的结论,为炮兵基于信息系统体系作战能力要素建设提供决策依据。     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。