Real-time prediction of projectile penetration to laminates by training machine learning models withfinite element solver as the trainer

Studies on ballistic penetration to laminates is complicated, but important for design effective protection of structures. Experimental means of study is expensive and can often be dangerous. Numerical simu-lation has been an excellent supplement, but the computation is time-consuming. Main aim of this thesis was to develop and test an effective tool for real-time prediction of projectile penetrations to laminates by training a neural network and a decision tree regression model. A large number of finite element models were developed;the residual velocities of projectiles fromfinite element simulations were used as the target data and processed to produce sufficient number of training samples. Study focused on steel 4340tpolyurea laminates with various configurations. Four different 3D shapes of the projectiles were modeled and used in the training. The trained neural network and decision tree model was tested using independently generated test samples using finite element models. The predicted projectile velocity values using the trained machine learning models are then compared with thefinite element simulation to verify the effectiveness of the models. Additionally, both models were trained using a published experimental data of projectile impacts to predict residual velocity of projectiles for the unseen samples. Performance of both the models was evaluated and compared. Models trained with Finite element simulation data samples were found capable to give more accurate predication, compared to the models trained with experimental data, becausefinite element modeling can generate much larger training set, and thus finite element solvers can serve as an excellent teacher. This study also showed that neural network model performs better with small experimental dataset compared to decision tree regression model.     

大力开展基于智能技术的数字化战例库建设

战例研究是进行军事问题研究的重要基础,也是汲取战争经验、深化军事斗争准备的现实需要。开展战例研究的前提是建立起知识体系完备、检索运用便捷的战例库。随着智能技术的发展,战例数据的标准化描述、规范化存储、智能化分析成为可能,极大地支撑了便捷、高效的数字化战例库系统开发工作。本文首先从战例研究的重要性入手,分析了当前战例运用和研究的基本现状,梳理了存在的典型问题;其次,从数字化技术对战例描述和战例库建设的影响角度剖析了数字化战例库构建的基本需求;最后,通过对智能技术的把握,分析了智能技术对数字化战例库构建的支撑作用,并对如何开展基于智能技术的数字化战例库建设提出了初步设想。     

【邀请论文】特朗普政府太空防卫战略调整的动因、特点与影响

面对太空领域变化的安全环境和自身实力的相对衰弱,特朗普政府对美国的太空防卫战略进行了重大调整。相比奥巴马政府的太空防卫战略,特朗普政府明确将太空作为新型作战域,加快天军建设,并以中俄为主要对手,联合盟友构建军民一体、内外联动的太空防卫体系。本文认为,特朗普政府对于太空防卫战略的调整凸显了美国欲加快太空武器化、谋求外空绝对军事力量优势的霸权企图。但这无疑会加剧目前愈演愈烈的太空“安全困境”,将更多国家拉入“太空军备竞赛”的恶性循环中,对国际太空安全和全球战略稳定带来消极影响。展望拜登政府的太空防卫政策,其军事色彩会略微下降,但也将更重视技术积累和太空的开发利用。     

现代军事情报处理方法中的语言、语音技术

军事情报的收集、处理和分析是情报部门的重要工作,当今时代,依靠人工搜集处理方法在效率上已经不能满足需要,采用先进的信息处理技术对情报进行自动处理技术正是解决这一问题的有效途径。大部分的情报载体是文字和语音．因此自然语言和语音处理技术在情报处理方面发挥着重要作用。针对军事情报处理方法中的语言、语音处理技术进行简单的介绍,包括机器翻译、信息检索,语音分析、语音识别等方面。     

基于模糊均值聚类算法的图像分割

将图像直方图统计特性引入到FCM聚类算法的目标函数中,用混合粒子群优化算法对目标函数进行全局最优求解,提高了图像分割的运算速度。     

装备表面现代维修保养技术研究

结合装备表面智能维修保养技术方面的研究成果,介绍了装甲装备故障智能检测技术、自适应、自修复功能材料,装甲装备器材全自动保养设备等先进技术,侧重装备维修保养阐述了如何提高信息化程度,推进军队武器装备维修保养技术的现代化建设。     

坦克稳定器的神经滑模控制方法

针对坦克稳定器这一类非线性和不确定性的复杂控制对象,提出一种神经滑模控制方法。该方法将滑模控制与神经网络相结合,解决了控制系统跟踪性能和鲁棒性能之间的矛盾。系统中的滑模控制器保证了系统的快速跟踪性能;而神经网络具有很强的自学习功能,通过学习能够保证系统的稳定性,同时可对扰动和参数变化进行有效的抑制补偿,从而在不牺牲系统鲁棒性的同时达到削弱抖振的目的。从理论上证明了滑动平面的稳定性,并且通过仿真验证了该结果。仿真结果表明该设计方法优于经典设计,为实际设计提供了一种可行的新方法。     

带空气室脉冲水射流系统通用分析法

针对所提出的用空气室引发水力共振以增强脉冲水射流的设想,应用水力瞬变特征线解法,建立系统的数学模型,差分网格只取脉冲源、空气室和喷嘴3个边界点,采用变时步法解算。这种方法具有灵活性大、受限制小、便于使用的突出优点。     

机动作战地空导弹载波相位差分定位模型研究

地空导弹部队在防空作战中,导弹火力单元要按上级的命令适时机动,需要对所在位置进行精确定位并及时上报上级单位,以便尽快组成新的雷达网继续参加战斗。根据GPS测距和差分GPS定位原理,利用载波相位差分设备把采集的载波相位发送给用户站进行求差解算坐标,得到机动作战导弹火力单元的位置坐标。根据载波相位差分定位GPS载波相位差分接收机技术成熟,成本不高,适合机动作战导弹部队应用。通过编制相应的模型软件,以及加入通信接口,便可用于导弹火力单元雷达站址的快速定位。     

弹道导弹打击航空母舰末制导有效区的确定与评估

在地地弹道式导弹与航空母舰攻防对抗中,需要研究航母是否在导弹进攻的有效区内。针对具有末制导的弹道式导弹具有再入机动变轨特性,建立了导弹再入机动飞行模型,提出了导弹在不同的再入条件下,对其飞行弹道及机动能力进行仿真计算的方法,通过仿真确定出了导弹打击航空母舰的有效区域。在此基础上,探讨了导弹在以不同的再入姿态、不同的再入飞行高度实施末制导时,导弹落点的有效区域、边界外形及有效区的变化范围。从所得结果来看,所建模型及仿真方法正确可行,在一定程度上解决了弹道导弹打击航空母舰战斗群作战保障急需解决的一些问题。