【摘 要】
：
在真实环境下,较难实现舰炮系统对空中高速机动目标的命中评估.通过构建一种半实物仿真测试系统,仿真生成模拟战场环境和威胁目标航路,驱动舰炮系统模拟射击,实时采集弹道数据解算弹丸飞行轨迹,通过与理论目标数据融合进行命中判别.因此,分析了舰炮系统在不同典型目标环境、不同射击区段、不同命中目标部位的打击效果,可提供一种有效的途径用于舰炮系统作战能力评估和改进设计.
【机 构】
：
中国电子科技集团公司第二十七研究所,河南 郑州 450047
论文部分内容阅读
在真实环境下,较难实现舰炮系统对空中高速机动目标的命中评估.通过构建一种半实物仿真测试系统,仿真生成模拟战场环境和威胁目标航路,驱动舰炮系统模拟射击,实时采集弹道数据解算弹丸飞行轨迹,通过与理论目标数据融合进行命中判别.因此,分析了舰炮系统在不同典型目标环境、不同射击区段、不同命中目标部位的打击效果,可提供一种有效的途径用于舰炮系统作战能力评估和改进设计.
其他文献
针对雷达航迹数据特征提取不充分使得对空中目标分类识别准确率低的问题,提出了一种航迹数据高维特征矩阵提取方法.首先从机动性、巡航性、飞行区域以及高阶特征进行航迹数据分析,进而在不同维度统计数据特征、提取多维航迹数据特征参数,最终形成航迹数据高维特征矩阵.通过实测航迹数据实验表明对特征提取充分,多类机器学习方法验证识别率统计均值为92.4％,证明了本文算法的可行性与稳定性,该方法可作为提升航迹目标识别准确率的有效手段.
针对有雾情况下目标检测等视觉任务精度明显下降,提出了一种端到端图像去雾网络,能够直接生成清晰图像且不需要成对的无雾图像和真实图像进行训练.将注意力模块融入生成器网络中,充分考虑不同通道和不同区域在有雾图像中的影响,并将通道注意力和像素注意力相结合,提出了一种新的特征关注模块,赋予重要特征通道和像素区域更多的权重.考虑到高低频信息在雾图中的不同影响,将频率信息融合到鉴别器中.最后,对损失函数进行了优化,添加结构损失保证循环一致性,分解鉴别器高低频损失,减少了颜色失真和伪影.实验表明,本方法在公共合成数据集和
为研究数值模拟中网格类型及网格尺度变化对离散误差产生的影响,对NACA2412三维翼型在0°、4°、8°、12°攻角下进行了计算流体力学(CFD)仿真,得到了对应条件下的升力系数及阻力系数,利用Richardson外推法研究多套连续变化的结构网格及非结构网格数值解的空间离散误差,并结合网格收敛指标(GCI)法对误差进行分析,最后,通过网格收敛性分析得到对应网格研究组修正后的精确解.结果表明:各个攻角条件下结构网格模型的离散误差均明显小于非结构网格,网格类型的改变对升力系数的影响更大,且细网格模型具有更好的
评估是联合作战方案仿真实验的重要环节,评估框架是对仿真实验评估活动的一种认识和指导.通过对联合作战方案仿真实验评估框架的研究,进一步规范联合作战方案评估分析活动,从评估分析的视角深化对联合作战方案仿真实验活动的认识,为更加科学有效地组织实施仿真实验活动和构建开发仿真实验系统提供理论和方法.
在海上模拟训练领域,战场仿真中兵力行为的逼真性、对抗性直接影响训练效果,兵力行为建模技术是海战仿真中的核心,随着深度强化学习在军用领域研究的逐步深入,采用规则推理与强化学习相结合的思路实现海上兵力行为建模是一条较为可行的技术途径,为构建模拟训练中智能对手提供了技术支撑.
在分析三代舰艇信息系统基础设施发展过程的基础上,总结了其演进规律,从需求牵引、技术推动等角度分析展望了舰艇信息系统基础设施发展趋势,指出标准化仍是信息系统基础设施发展的内在动力,平台化将成为重点,进一步分析了现有设备可能存在的问题,给出了解决思路.
作战仿真可以为作战任务、作战过程、作战活动、装备效能、体系能力等复杂作战问题的研究提供有效的手段与方法.然而,作战仿真知识涉及多领域、多专业、多层次、多军兵种,存在表达形式异构、共性理解困难、重用复用不足等诸多问题,制约着作战仿真应用的建设、活动的实施、效能的发挥.提供可共享、可理解、可计算的作战仿真知识模型能够提高作战仿真的实施效率和应用效益.因此,结合本体工程和作战仿真知识特点,梳理分析了作战仿真本体的必要性,提出构建原则和构建流程,对形成具体的作战仿真知识模型具有指导意义.
针对空战中飞机如何根据实时态势进行快速智能决策问题,提出基于改进DDPG算法的空战行为决策框架(Air Combat Behavior Decision-making Framework on Improve DDPG,ACBDF_DDPG).框架中的主要改进如下:1.设计一种针对动态目标的嵌入式人工经验奖励机制,缓解深度强化学习算法在训练过程中,由于状态空间巨大且奖励稀疏导致的收敛困难问题;2.对框架中的Actor网络更新机制进行改进,解决Critic网络评估效果差时,更新Actor网络导致的模型训练不
潜艇和水面舰艇编队间的攻防对抗是潜艇作战研究的重点内容,如何确保潜艇在舰艇编队、反潜直升机等兵力的联合封锁下存活和突围,是对潜艇指挥决策的考验.为此,针对潜舰机博弈对抗场景,从深度强化学习和规则推理两个方面构建潜艇智能体,提出两种近端策略优化(Proximal Policy Optimization,PPO)算法改进机制,开展互博弈对抗和分布式训练,最终实现潜艇在对抗过程中的智能决策,相关技术路线和算法在兵棋对战平台上得到实施和验证,算法改进后的收敛速度和稳定性有了较大提升,可为潜艇智能指挥决策的研究提供
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.然而,此种方法计算复杂度较高,会极大程度地降低相似性搜索的效率.深度学习模型产生的二进制编码改善了时间序列数据搜索性能.基于注意力(Attention)机制的AIS数据段相似性搜索模型对时间