摘要：通过了解当前国内外强光爆震弹的发展现状,介绍几种国内外比较典型且具有代表性的强光爆震弹。通过对比、分析其相关参数和设计特点,结合部队基层单位使用实际,对当前爆震弹存在的短板进行归纳总结,并提出针对国内现役强光爆震弹的优化设计思路,为下一步优化、研制新型强光爆震弹提供一定参考依据,进一步提高部队稳妥高效处置各类事件的能力。

摘要：当前,无人机作战应用越来越广泛并带有多样性,特别是在无人机平台、通信、载荷探测以及精确制导武器系统等技术的进步与推动下,无人机载武器系统备受关注,正在向微型精确制导和精确打击等方向发展。无人机载武器系统作战效能评估问题也随之成为重要研究课题之一。为了更好地反映无人机载武器精确打击系统在实际作战中所能达到的能力水平,该文将层次分析法、模糊综合评判与经典的ADC模型相结合,根据系统工作原理和作战运用方式,对所承担的作战任务和所需作战能力进行深入分析,构建科学全面的评估指标体系,对其进行作战效能评估,并引入算例验证模型可行性。结果表明,该方法可行,为无人机载武器精确打击系统的设计定型和作战运用提供数据支撑。

摘要：传统人才培养模式的学生岗位胜任力在泛信息时代浪潮中劣势日趋凸显。针对该问题,本文以全面贯彻新时代教育方针为根本遵循,以泛信息时代学生呈现的新特征及对人才培养模式的影响为对象,以塑造学生专业化、体系化、向心力为目标,基于文献查阅法、调查法、归纳法等方法,提出“一干一基四支”复合型培养模式优化模型,构建职业化、时代化、实践化培养优化机制,设计反馈式五级结构胜任力培优模型,创建泛信息时代价值塑造纠偏模型,研究以机制促创新的三位一体螺旋上升机制,以期提升学生岗位任职能力。

摘要：当前目标检测算法对小目标检测存在特征信息易丢失的问题,利用网络处理高分辨率特征图数据可以缓解,但存在语义信息不足和计算负担大的缺点。为弥补这些缺点,提出一种有效处理高分辨率特征图、多深度子网并行连接的特征提取网络。构建输入图像金字塔,搭建多深度分支子网并行连接的结构,使用浅层网络处理图像金字塔中高分辨率特征图,深层网络处理低分辨率特征图,多分支同时运行并在中间位置进行两次特征融合,充分结合高分辨率特征信息和低分辨率语义信息;使用融合因子构建对小目标针对性强的多尺度特征融合结构,增强对小目标检测能力;使用注意力机制进一步提高特征提取能力。在公开数据集AI-TOD上进行实验表明,所设计的特征提取网络相较于其他常用特征提取网络对小目标的检测能力更强,在two-stage经典模型Faster-RCNN、one-stage经典模型SSD、YOLOv3以及anchor-free经典模型CenterNet上替换上原主干网络,检测平均精度mAP与原来相比分别提升了2.7、3.4、3.3、1.7个百分点,证明了所提网络结构的适用性和有效性。

摘要：针对现有基于深度学习的红外目标检测算法参数量大、复杂度较高、对多尺度目标检测性能较差等问题,提出了一种针对多尺度目标的轻量级红外目标检测算法。算法以YOLOv3为基础,采用MobileNet V2轻量级骨干网络、设计改进的简化空间金字塔结构(simSPP)、Anchor Free机制、解耦头和简化正负样本分配策略(Sim OTA)分别对Backbone、Neck和Head进行优化,最终得到模型大小为6.25 M,浮点运算量2.14 GFLOPs的LMD-YOLOv3轻量级检测算法。在构建的MTS-UAV数据集上m AP达到90.5%,在RTX2080Ti显卡上FPS达到99,与YOLOv3相比m AP提升了2.60%,模型大小为YOLOv3的1/10。

摘要：针对红外多尺度目标检测,提出了一种轻量级的基于单级感受野增强的检测网络。检测网络采用简化的MobileNet V2作为骨干网络,结合空洞卷积和空间注意力机制,设计了单级感受野增强模块,使单级特征图感受野范围得到扩大,相邻像素点间的相关性得到增强。为提高模型反向传播效率、均衡正负样本,采用自适应训练样本选择方法,最终得到模型大小仅1.6×32 Mibit,浮点运算量仅5.63GFLOPS的轻量级检测算法。在构建的MTS-UAV数据集上mAP达到89.6%,在RTX2080Ti显卡上FPS达到105帧/s。

摘要：视觉目标跟踪任务中的遮挡问题是最具挑战的场景属性之一,研究有效的抗遮挡模型学习方案,对构建适应复杂场景的长期鲁棒跟踪模型具有重要意义。剖析了遮挡影响跟踪性能的本质原因,以抗遮挡性能较好的先进跟踪算法为研究对象,系统分析了模型学习中有效抗遮挡机制,并对其改善长短期遮挡问题的有效性进行比较分析,包括以硬负样本挖掘、有效样本管理、类遮挡硬正样本生成的训练样本提质策略,提供模型充足判别信息;以时间一致性学习、自适应外观学习的被动稳定学习方式和基于多域属性、目标感知、干扰感知、特征融合等适用跟踪任务的主动学习策略,构建可抵抗场景干扰、目标形变等因素可适用跟踪的鲁棒模型;以手工置信度评估、自适应决策、时序记忆库、自适应估计模板的更新策略,平衡模型在线跟踪状态变化目标的适应性与稳定性。通过对代表跟踪算法在遮挡及背景杂乱、出视野、平面内外旋转、形变场景下的性能比较,详尽分析了各策略抗遮挡有效性,指出相比更新策略,数据处理、学习策略设计更有利于提高抗遮挡性能;同时分析了各策略对长期遮挡、背景杂乱、出视野等属性的适用性及适用多类复杂场景的策略。总结了有效抗遮挡策略,提出骨干网替换及迁移场景理解、运动规律等先验信息至跟踪任务的研究方向。

摘要：传统军事物联网模式在安全性等方面存在不足。结合RFID和联盟区块链技术,设计一种安全的五层装备管控框架。可实现装备生产、周转流动、故障和库存情况的有效管控,在防范双花攻击、重放攻击、DDoS攻击和内部违规同时,实现数据容灾备份,确保数据安全。

摘要：为提高装备质量信息管理的可信、可用、可靠性,应用区块链技术进行管理。分析现行装备质量信息管理核心痛点,结合区块链去中心化、防篡改可追溯、安全可靠等技术特点,挖掘其在装备信息管理中的应用价值,设计基于区块链的装备质量信息管理系统技术架构,构想基于区块链的装备质量信息管理应用场景。结果表明,该研究对提升装备质量信息管理水平有一定的参考价值。

摘要：深度学习在故障诊断领域的应用已比较成熟,其中卷积神经网络(CNN, convolution neural networks)和长短时记忆网络(LSTM, long short-term memory networks)就是典型模型之一。CNN作为一种常用的多传感器信号故障诊断方法,能够获得较好的诊断效果,却无法实现未知复合故障的诊断,为解决这个问题,提出CNN-LSTM-FCM(fuzzy C-means)模型。LSTM对具有前后联系的时间信号更敏感,利用这个特点将LSTM与CNN相结合,实现未知信号的诊断,并通过概率分类输出实现了复合故障的解耦,CNN-LSTM-FCM模型本身优化参数设计,进一步提高了诊断精度。使用化学过程故障测量数据进行实验,结果表明CNN-LSTM-FCM模型诊断准确率可达到97.15%,优于CNN模型和LSTM模型,具有较高的应用价值。