Neural network modeling to evaluate the dynamic flow stress of high strength armor steels under high strain rate compression

An artificial neural network (ANN) constitutive model is developed for high strength armor steel tempered at 500 °C, 600 °C and 650 °C based on high strain rate data generated from split Hopkinson pressure bar (SHPB) experiments. A new neural network configuration consisting of both training and validation is effectively employed to predict flow stress. Tempering temperature, strain rate and strain are considered as inputs, whereas flow stress is taken as output of the neural network. A comparative study on Johnson–Cook (J–C) model and neural network model is performed. It was observed that the developed neural network model could predict flow stress under various strain rates and tempering temperatures. The experimental stress–strain data obtained from high strain rate compression tests using SHPB, over a range of tempering temperatures (500–650 °C), strains (0.05–0.2) and strain rates (1000–5500/s) are employed to formulate J–C model to predict the high strain rate deformation behavior of high strength armor steels. The J-C model and the back-propagation ANN model were developed to predict the high strain rate deformation behavior of high strength armor steel and their predictability is evaluated in terms of correlation coefficient (R) and average absolute relative error (AARE). R and AARE for the J–C model are found to be 0.7461 and 27.624%, respectively, while R and AARE for the ANN model are 0.9995 and 2.58%, respectively. It was observed that the predictions by ANN model are in consistence with the experimental data for all tempering temperatures.     

末端防御作战中火控雷达组网系统应用研究

火控雷达组网是应对未来末端防御作战挑战的有效途径。提出了基于指挥信息系统的火控雷达组网方式,并分析了该方式的优势。继而基于末端防御战斗部署一般要求和火控雷达组网系统对空侦察配系的特殊要求,经仿真计算得出和分析了火控雷达组网系统的典型对空侦察配系。最后详细论述了火控雷达组网系统的指挥控制要点。研究结果对于促进末端防御部队形成以信息系统为核心的体系作战能力具有重要意义。     

动态拓扑图的卫星网络可视化方法

针对高度动态变化的卫星网络,提出一种基于动态拓扑图的可视化方法。动态拓扑图可视化的难点在于如何保持动态可视化过程中的稳定性,从而使用户容易地感知到网络中所发生的拓扑变化。根据卫星网络的动态变化特点,构建连续的动态拓扑图模型;设计一种保持布局稳定性的策略,并基于力引导思想提出一种动态拓扑图布局算法;以Iridium系统为典型实例,验证本文的可视化方法的合理性和可行性。实验表明,该方法能够以清晰的可视化图像支持用户对卫星网络动态拓扑的感知和理解。     

基于灰色神经网络的装甲部队油料消耗预测

油料消耗量的精确预测直接影响装甲部队后勤保障能力的提升,而传统预测模型精度不高,应用范围也有一定的局限,难以满足信息化战争精确保障的需要。提出一种装甲部队油料消耗预测的组合模型,对历史油料消耗数据和油耗影响因素进行统计分析,求出各影响因素与油耗量的关联度作为权重系数;通过改进GM(1,1)模型预测某部队下一次军事行动的油耗量;用GM(1,1)模型的预测值、加权后的各影响因素值和油耗实际值训练网络,对下一次想定的军事行动油耗量进行预测。通过平均相对误差计算表明,组合预测模型比单一的GM(1,1)模型预测精度高,能够较好地指导部队进行下一步的油料供管工作。     

复杂网络在作战建模中的应用研究

针对作战网络研究中的热点,以复杂网络在作战建模中的应用为主线对取得的研究成果进行了梳理,重点讨论了作战网络的基本拓扑模型、作战网络的抗毁性模型和作战过程的动态网络模型等,指出了作战网络研究中存在的问题以及未来值得进一步探讨的研究方向。     

基于流量均衡和跨层技术的星群路由算法

针对分布式星群网络业务通信QoS不高的问题,提出了一种基于流量均衡和跨层技术的分布式星群网络路由算法(TACA)。该算法首先通过跨层技术将物理层、MAC层的相关信息搜集起来,作为判断链路负载状况的依据;然后对不同类型的业务进行分类,根据链路负载状况和业务QoS级别选择不同的路由层次,从而均衡流量以提高QoS。仿真表明,该路由算法在一定程度上降低了星群的呼叫阻塞率和切换阻塞率,平衡了网络的负载,提高了网络吞吐量。     

数字化部队作战能力综合实验设计

综合实验设计是运用综合实验分析评估数字化部队作战能力的前提和基础。探讨了综合实验设计的内涵,在此基础上,根据知识成熟性规律,对综合实验所需采用的方法进行了分析,确定了综合实验由专家研讨实验、构造仿真实验、虚拟仿真实验(或实兵演习实验)以及联合实验所组成,并重点研究了综合实验的实施程序,解决了各实验方法在综合实验中的运用时机问题,旨在为我军未来运用综合实验对数字化部队作战能力进行分析评估提供参考。     

基于改进LMS算法的复合材料超声检测缺陷识别

在径向基函数（RBF）神经网络实现无人机复合材料超声检测脱粘缺陷识别时,针对最小均方（LMS）算法在确定网络输出权值时存在稳态失调误差和收敛速度相矛盾的问题,提出一种改进的自适应的变步长LMS算法．该算法根据反馈误差自适应确定步长,通过引进动量项加快收敛速度．将改进LMS算法应用到RBF网络缺陷识别中,结果表明该方法在稳态失调误差较小的情况下,能快速确定RBF网络的权值．改进的RBF网络能够较好地识别超声检测脱粘缺陷．     

基于复杂网络的作战体系网络模型分析

运用复杂网络方法,构建了作战体系网络模型,分析了作战体系网络的基本特征,揭示了作战网络主要参数与作战体系真实特性之间的关系,得到了基于信息系统体系作战战法运用的一些启示。     

战术数据链网络同步技术的一种改进算法

现有的Link16网络同步算法,假定了询问与应答报文的传播时间相同,导致E值误差较大。提出一种改进算法,待同步JU相继向网内不同NTR发送询问报文,NTR分别发回应答报文。同时NTR间也发送往返计时报文,通过联立计算,提高时间误差的精度。改进算法的仿真分析结果,验证了新同步算法的可行性和有效性。