摘要：针对复杂装备测试性设计过程中测试设计优化问题,在分析现有优化方法的基础上,提出了一种基于技术成熟度评价(TRA)方法和二进制粒子群优化(BPSO)算法的测试设计优化方法。该方法根据装备测试设计的技术成熟度分析结果建立目标优化模型,然后应用二进制粒子群算法对模型进行求解,得到的结果直接用于装备的测试性设计工作。由于考虑装备测试设计的影响因素较一般方法多,因此得到的结果更加优化。该方法已经在某型装备测试设计辅助系统中得到应用。

摘要：为了处理好复杂产品各子系统之间的耦合关系以及各子系统的异构性问题,以协同优化(CO)算法为基础,结合系统不确定分析(SUA)方法和近似不确定传播(IUP)方法,构建了多学科鲁棒协同设计优化算法框架。在设计变量的不确定性能够被概率分布函数描述的情况下,此算法框架能够解决复杂产品的设计优化问题。通过对梳齿式微加速度计的多学科鲁棒协同优化设计算例的计算,验证了此算法在输入参数存在微小扰动的情况下能够有效提高设计解的鲁棒性。

摘要：兵力部署与任务分配是无人集群防御作战的重要过程,有效利用集群中有限的兵力并发挥出最高的作战效能对提高无人集群的作战胜率至关重要,进行高效的作战任务分配能够协调集群一致性并更好完成作战任务。针对无人集群防御作战中的关键作战方案,研究无人集群防御作战的兵力部署及协同任务分配优化问题。构建基于智能体技术的无人集群防御作战模型,量化无人集群兵力部署所需的关键参数,对作战区域与兵力进行规划,设计目标函数。提出一种自适应遗传算法,解决无人集群的兵力部署问题。算法可根据实时运行情况动态调整目标函数、交叉率和变异率,保证适应度值较高个体的传承并避免算法出现局部最优。进行防御作战仿真,为验证无人集群兵力部署的效果,提出一种基于深度Q网络的深度强化学习改进算法,解决无人集群任务分配问题,对部署好的无人集群进行任务分配并作战。该算法能够自适应调整Q值,避免算法因过度估计造成无法收敛至最优解。防御作战实验结果表明,所提出的无人集群兵力部署及协同任务分配方法可有效提高防御作战的成功率,实现无人集群的自主协同及智能对抗。

摘要：针对基于可见光图像的装甲目标检测算法易受地面复杂环境干扰的问题,提出一种基于可见光与红外图像融合的装甲目标检测算法,通过卷积神经网络自适应融合可见光和红外图像特征,提高对地面复杂环境下装甲目标的检测精度。针对装甲目标检测任务,通过实拍方式构建一个在复杂地面环境下的可见光-红外装甲(Visible-Thermal Armored Vehicle,VTAV)目标图像数据集;基于经典的单阶无锚框检测模型,设计前端特征融合结构、中端特征融合结构和后端特征融合结构;在VTAV数据集上对比不同融合结构和不同融合方式间的检测性能差异。实验结果表明,后端特征融合结构性能最佳,与基于可见光图像的装甲目标检测算法相比,mAP@0.5∶0.95提升2.6%,表明基于可见光与红外图像融合的装甲目标检测算法能够有效提升地面复杂环境下装甲目标的检测精度。

摘要：提出了一种基于特征对齐与区域图像质量引导融合的可见光-红外装甲车辆(VTAV)检测方法。该方法将当前先进的单阶段无锚框检测方法 YOLOv8拓展为双流目标检测框架,在双流特征提取网络中嵌入特征对齐模块,解决图像对未对齐导致的位置偏移问题。为充分发挥可见光图像和红外图像的互补性,设计了一种图像质量引导融合策略。该策略对可见图像和红外图像的区域图像质量进行评估,并使用特征质量矩阵引导可见光特征和红外特征的融合。最后,在VTAV图像数据集上的实验结果表明,与仅使用可见光图像的检测方法相比,本文方法的mAP(平均精度)和mAP50(50%交并比下的平均精度)分别提升了1.9%和3.5%。与使用特征相加和特征拼接融合方式的检测方法相比,本文方法的mAP分别提升了1.1%和1%。本文方法能够有效克服复杂地面环境下的多种干扰,能够提升对装甲车辆的检测精度和成功率。

摘要：测试性设计已经成为装备研制中一个必不可少的环节。从国内外计算机测试性辅助设计的现状出发,通过分析装甲车辆火控系统的测试性工作内容,重点介绍了计算机测试性辅助设计软件系统的设计思路与性能特点。该系统能为不同的用户对象在测试性工作中使用,为测试性设计的实施提供辅助工具。

摘要：在详细分析军事训练系统数据传输需求的基础上,基于统一建模语言(UML)对其网络管理部分进行建模。为提高网络传输的可靠性,设计了服务器端的身份验证环节,并提出了一种能够承载数据传输的基于心跳机制的连接状态侦测方法。进一步详细设计了底层数据报结构,并对其标识进行编码,减少了数据冗余。测试结果表明,该网络体系在保证实时性的基础上具有较高的可靠性,可以为同类系统的网络体系设计提供有益参考。

摘要：实现对目标的自动检测与跟踪是坦克火控系统未来发展的重要方向。首先采用迁移学习的方法将基于深度学习模型的Faster R-卷积神经网络(faster R-convolution neural network,Faster R-CNN)算法应用解决复杂背景下的坦克装甲目标检测问题,与基于人工模型的传统算法相比达到了较高的检测精度。其次,针对坦克火控系统现有目标跟踪算法的不足,通过将Faster R-CNN算法与现有跟踪算法相结合,提出了复合式目标跟踪算法,实现了对坦克装甲目标的自动检测与稳定跟踪。最后,设计了一套目标自动检测与跟踪系统,采用动态扫描凝视成像技术实现了对大范围战场图像的快速、清晰获取,并对所提算法进行了实验测试。同时也指出了深度学习方法在应用于坦克火控系统时仍然存在的部分问题。

摘要：从全系统全寿命的观点来认识装备的维修性,呼吁有关单位在研制以计算机为核心的军用装备时,要同时考虑装备交付部队使用后的维修保障问题,防止出现装备买得起,用不了或用不起的局面。文章从维修保障的重要性、产品维修性设计和维修保障设计等几个方面提出一些看法,并提出一些参考作法。

摘要：为了实现对某型装备数字电路板的功能测试需要,给出了一种便携式自动测试与故障诊断系统的设计方案;该系统采用嵌入式主板作为系统的控制中心,内部总线采用串行数据总线——USB设计实现,为了减少接口测试适配器的数目,采用了固态继电器作为测试开关阵列,针对不同的被测对象通过施加不同的测试程序集(TPS)完成测试任务;本系统使用方便灵活,扩展性能良好,可靠性高。本系统可以对数字电路板的故障定位到元器件级别,不仅可以直接应用于现场维修工作,而且对电路板的生产检验工作同样适用。