摘要：针对军事应用背景下无人作战系统的自主性,提出无人作战系统自主性等级划分,建立其概念模型,分析了无人作战系统的自主性,建立相关等级模型及评估方法。提出面向任务的无人作战系统自主性等级优化分配模型。首先,建立了无人作战系统作战任务规划模型,将任务消耗资源、任务完成总时间最小化作为目标,还建立了无人作战系统自主性等级调整模型,使无人作战系统执行作战活动的任务完成率极大化,同时资源消耗最小,执行任务风险最低。最后,设计一个登陆作战案例,验证所提出的等级优化分配模型的正确性和有效性。

摘要：近年来,全球无人作战装备市场持续增长,无人作战领域成为各国加强军事战略博奔的焦点。美国《21世纪战略技术》报告提出:“20世纪的核心武器是坦克,21世纪的核心武器是无人系统。”在近几十年的局部冲突中,无人作战系统从小试牛刀到锋芒毕露,每一次登场都表现惊艳。作为世界无人作战领域的领航者,美军着眼全球军事战略,从战略规划、概念设计、体系建设、技术突破、实战运用等方面深研细耕、协同发力,保持了无人作战系统赋能军事实力的增长及地位,并不断地为抢夺未来无人战场主动权创造优势。

摘要：水下无人作战系统将是未来海战中的重要力量,其武器控制关系到察打一体功能实现,但武器控制的安全性问题异常重要。本文首先对影响水下无人作战系统武器控制安全的因素进行分析,然后从设计、使用和维护方面提出水下无人作战系统武器安全控制设计构想。通过采用软硬件冗余、容错设计,提升系统健壮性;通过建立无人健康管理机制,提升系统稳定、持久性;通过采用可变自主决策机制,保证控制决策正确性、时效性;同时根据水下、无人的特点,研究适用武器控制安全策略。通过以上设计,能够有效提高水下无人武器控制的安全性,对水下无人作战系统武器控制工程实现具有一定借鉴意义。

摘要：针对轻型无人作战系统中的机械系统和电气系统分别单独设计而造成的两分系统之间匹配性分析较少的问题。以某轻型无人作战系统为研究对象,通过ADAMS和Simulink联合仿真研究枪械后坐力对电机的影响和结构参数对控制系统的影响。仿真结果表明:枪械后坐力对高低电机冲击负载影响较大,对方向电机的影响可以忽略不计;在仅改变机械结构某零件参数的情况下,会对控制系统产生影响。

摘要：从物理域、信息域、认知域的角度分析了无人作战系统的构成,提出了"+智能""智能+"的概念并进行了对比分析;从本质(融合)、核心(创新驱动)、增长要素(数据化)、组织模式(终端集成) 4个方面对"智能+"概念进行了解析,并归纳出其主要特征,对其实现阶段进行了划分;分析了"智能+"带来的军事作战转型,从体系架构构建、能力架构构建、装备系统升级3个方面,对"智能+"在无人作战系统论证中的应用进行了说明。研究结果表明:"智能+"概念对推动装备发展和无人作战系统顶层设计具有重要意义。

摘要：深海环境具有黑暗、低温、高压、缺氧、高盐等特点,地形复杂、洋流多变,是最不适宜人类活动的场景之一,这却为无人平台的应用创造了条件。在军事领域,无人作战系统的运用范围也正由传统的地面、空中、水下向高空、深海发展,改变着现代战争的形态。尤其在两栖作战环境中,无人潜航器被广泛用于执行侦测、破障、救生、突击、防御等任务,正深刻改变着各国军队的战法设计和作战样式。

摘要：水下机器人是实现海洋探索与开发、水下作业和无人作战的重要装备,而研究海洋高端装备,突破装备关键核心技术,是海洋强国战略的重要体现与支撑,因此关于水下机器人的研究也是当前国内外研究的热点。近几年,以机器鱼为主的无人作战系统已成为世界各国争相研制的“热点”装备,目前在研或已研发的一系列水下机器人,涵盖情报收集、水下及水上侦察监视、作战打击、后勤支援等诸多领域,是促进多领域作战的关键力量倍增器,将广泛应用于水下战领域,已成为世界各国海军装备的一个重要的研究方向。

摘要：美国国防部取消了"联合无人作战系统"(J-UCAS)项目以后,波音公司集中精力投入海军的"无人作战系统-验证机"(UCAS-D)项目的竞争,在空军无人作战飞机 X-45A/C 的基础上推出了远程无人作战舰载飞机 X-45N,并改装了一架F/A-18F,在航空母舰上进行了一系列模拟无人驾驶的着舰飞行试验。尽管美国海军最近正式宣布已经选中诺斯罗普·格鲁门公司的 X-47B,但是 X-45N 的舰载设计特点还是有很好的参考价值。

摘要：通用操作系统(COS)是无人作战系统实现作战能力的关键,其技术概念远远超出了传统无人机和机载系统的设计范围。对美国无人机通用操作系统的研制背景、系统构成、功能划分和研究计划等方面进行了分析,为制空型无人机系统研究提供借鉴。

摘要：为有效识别视觉系统采集的可见光图像中的舰船目标,提出了基于YOLO(You Only Look Once)网络模型改进的10层的卷积神经网络(Convolutional Neural Network,CNN)用于水面舰船目标的智能识别,通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征。按照传统目标识别方法提取了舰船目标的四类典型人工设计特征,将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较。实验结果表明,与YOLO网络模型相比,综合精确率、召回率和效率3个舰船目标识别的性能指标,改进后的CNN性能更好,从而验证了所提方法的有效性。不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势,有利于推动综合性视觉感知框架的构建。