基于作战指挥Agent协作模型研究

多Agent协作求解是分布式人工智能要研究的基本问题.提出一个基于作战指挥Agent的协作模型,该模型利用指挥Agent对多Agent系统进行全局协作分配,协作申请分级处理.通过作战任务与知识库中的作战Agent相匹配,选择最合适的Agent进行协作完成任务,解决了传统模型只适用于静态环境的问题.     

基于高斯分段烟羽模型的海上核素弥散模型

根据海上核事故核素弥散特点,选择高斯模型进行模拟,基于高斯分段烟羽模型对事故发生后较短时间内的核素弥散情况进行了模拟分析,通过Matlab编程模拟烟羽扩散形式,得出了短时间内事故舰船周围的核素分布情况,从而对受时间和风场影响的核素弥散过程实现了实时烟羽动态模拟。整个核素弥散过程可预报一定时间内核素弥散路径和影响范围,为核救援方案提供参考。     

基于人工智能的飞行模拟器大脑模型构建

为解决当前飞行模拟器建设发展存在的问题,构建一种飞行模拟器大脑模型.在对当前人工智能技术进行深入研究的基础上,对该模型各子系统集成功能和关键技术进行详细分析.结果表明:该模型可为飞行模拟器的智能化、体系化发展提供一种系统化解决方案,进一步提升和拓展飞行模拟器的能力,使其在飞行训练中发挥更大作用.     

深度学习的可解释性

深度学习已经成功运用在自然语言、多媒体、计算机视觉、语音和跨媒体等相关的特定领域。然而,这一架构在"端到端"模式下、通过标注大量数据来进行误差后向传播而优化参数的学习方法被比喻为一个"黑盒子",解释性较弱。可解释性指算法要对特定任务给出清晰概括,并与人类世界中已定义的原则或原理联结。在诸如自动驾驶、医疗和金融决策等"高风险"领域,利用深度学习进行重大决策时,往往需要知晓算法所给出结果的依据。因此,透明化深度学习的"黑盒子",使其具有可解释性,具有重要意义。围绕深度学习可解释性这一问题,本文从卷积神经网络可视化、卷积神经网络的特征分析、卷积神经网络的缺陷及优化、利用传统机器学习模型来解释神经网络和基于可解释模块的深度网络学习这五个方面介绍现有研究工作。对近年来人工智能顶级会议上关于深度学习可解释性的论文发表数量进行统计分析,发现深度学习的可解释性是目前人工智能研究的一个热点。最后,本文认为深度学习的可解释性研究可从因果模型、推理、认知理论和模型、智能人机交互等方面着手,以构建出可解释、更通用和适应性强的人工智能理论、模型和方法。     

俄乌冲突中人工智能技术应用典型场景研究

针对俄乌冲突人工智能技术武器化应用,以火力战与信息战为主线,基于典型应用场景,分析了人工智能技术在俄乌战场无人系统精确火力打击、辅助决策、基于战场情报分析预测未来战争、人脸识别、网络信息深度造假与传播、未加密通信监听与自动翻译等各方面的应用。研究了人工智能技术对俄乌战场软硬杀伤手段的创新及对传统武器作战效能的提升,并展望了人工智能技术对未来混合战争在作战样式、杀伤手段、制胜机理等维度的变革性冲击与影响。     

基于ARMA模型的光纤陀螺漂移数据建模方法研究

研究了应用长自回归估计法进行光纤陀螺零漂数据模型的参数估计。利用卡尔曼滤波算法进行参数的精估计，建立了光纤陀螺零漂数据的ARMA模型。研究结果表明，所建的光纤陀螺ARMA模型较传统的AR模型具有更高的精度，光纤陀螺随机漂移ARMA模型可分解为两个独立的时间相关的一阶马尔可夫过程。     

火箭炮发射方案决策支持系统的研究

针对多管火箭炮箱式发射系统的研制,建立了一个基于多属性效用理论和人工智能技术的决策支持系统,该系统以效用理论、人工智能和决策支持系统理论为依据,提出了目标效用的概念和归纳方法,并建立了融决策方法和人工智能为一体的通用决策支持模型。     

履带车辆动力学仿真技术的发展与展望

履带车辆在军事领域中发挥重要作用。由于履带车辆自身及使用环境的复杂性，传统的研究模式导致研制费用高、周期长。运用建模仿真技术研究履带车辆已成为趋势，对其发展起了巨大的推动作用。本文对仿真技术在履带车辆动力学仿真研究中的阶段性成果，按照平稳性模型、压力分布与通过性模型、转向性模型进行了回顾和总结，对履带车辆动力学仿真中常用的大型软件做了介绍，并展望了履带车辆动力学仿真技术今后的发展方向。     

作战仿真系统中的模型管理方法

针对传统模型管理方法的不足,对作战仿真系统的模型管理方法进行研究。把仿真系统中的模型分解为逻辑模型和实体模型两大类型,利用关系数据库和XML相结合的方法存储模型,探讨了仿真系统中模型的分类方法、模型的注册与存储、模型编码、模型的一致性检查,以及基于面向对象方法的模型的建立等关键技术,构建了一个管理平台并进行了实际应用,证明了该方法的有效性。     

核事故应急救援训练

为强化部队遂行核事故应急救援任务的能力,提高部队训练水平,从训练思想、训练内容、训练重点、训练方法4个方面提出了核事故应急救援训练的思路,为部队搞好核事故应急救援训练提供了参考。     

核反应堆非保护信号停堆自动检测报警装置设计

核反应堆非保护信号停堆自动检测报警装置作为反应堆保护装置的补充,用于及时有效地检测多种非保护信号引起的停堆,实现在核反应堆发生控制棒落棒故障的第一时间发出声光报警信号,提醒操纵员发现故障,并及时进行处置,从而提高核动力装置运行的安全性。本研究采用 STM32系列 ARM处理器,设计了某核反应堆非保护信号停堆自动检测报警装置,通过实验测试,结果表明设计方法可行。     

一种人工智能技术在语音新闻播报技术中的应用

针对目前人工智能技术在语音新闻播报应用中存在的问题,开展基于人工智能技术的自动语音播报技术实践分析。对人工智能语音播报过程进行剖析,进行前端接收、中间处理和成果输出3个层级探讨;对系统架构、逻辑结构进行设计;采用主函数、读卡函数和语音播报函数对该系统的运行过程进行模拟。结果表明：该系统具有较好的语言识别和准备播报能力,常规新闻播报准确率可达95%,对文字的解读效率较传统人工播报提升约56%,大幅降低了语音播报成本和错误率;该分析为智能语音播报技术的优化升级提供了一定参考。     

基于文本挖掘技术和信息熵-TOPSIS 法辨识重点工序

为辨识影响火药安全生产的重点工序,利用文本挖掘技术提取相关文献中具有分析价值的信息,归纳出 设备状态、事故损失、事故影响、参数监控、物料特性、事故可能性以及防护设计等7 个指标,对某发射药连续化 制球工艺中重点工序进行评估。引入信息熵法优化了TOPSIS 法中指标权重的计算,综合求得各工序的重要度排序, 由此辨识出重点工序。实例分析结果表明：挤出、切粒和塑化工序是该制球工艺中最重要的工序,对发射药的生产 安全有重大影响;所得结果与实际相符,能为相关风险评估工作的有效进行提供思路。     

硝胺炸药的超临界溶液快速膨胀包覆技术研究

本文提出了黑索今、奥克托今包覆改性的超临界溶液快速膨胀(RESS)技术。进行了包覆实验研究,研究表明：在RESS工艺中,当压力、温度一定的条件下,包覆剂的含量随通气时间成正比增加。与传统工艺相比,以硬脂酸为改性剂,用新工艺制备的混合药剂的撞击感度较低。此外,在新工艺中不用水和有机溶剂,因此有利于环境保护和提高生产安全性。     

基于面向对象的智能决策支持系统模型库自动选择

面向对象的智能决策支持系统(IDSS)模型库管理系统的模型自动选择方法有多种.基于人工神经网络方法,通过人机交互接口将问题分解出的文字特征分解为问题的目标和初始态要素,再用智能识别器推理并选择模型.基于遗传算法的模型自动选择通过决策树表示以实现.基于自然语言理解的模型自动选择方法,通过加入问题识别模块实现.基于灰色关联度方法,通过自然语言理解法对用户的问题进行分析再选择适合问题的模型.     

报废弹药处理本质安全化研究

报废弹药处理是一项非常危险的工作,传统的安全管理模式不能满足其安全工作的要求。为此,从系统的观点出发,将本质安全化理念引入到报废弹药处理安全管理,构建了报废弹药处理本质安全化模型,分别探讨和总结了报废弹药处理中系统要素的本质安全化,包括人的本质安全化、设施设备的本质安全化和工作环境的本质安全化,以及在现有经济和技术条件下通过科学的安全管理和安全文化建设实现报废弹药处理系统整体本质安全化的方法和途径。通过在弹药销毁机构的应用和实践表明,其能够有效遏制事故的发生。     

空间站任务应急发射流程技术安全管理的设计与实施

运载火箭发射场危险性大、危险作业多、发生事故率大,事故后果及影响大,是大型外场试验安全管理的重点.载人航天,人命关天,对发射场安全性提出了更高的要求.针对可能出现的人的不安全行为、物的不安全状态、环境缺陷和管理缺陷,以"人、机、环、管"四要素为重点,采取一系列针对性强的措施,补缺管控短板,符合应急发射流程特点,提高技术...     

基于AI的电磁频谱战OODA环路优化

人工智能是电磁频谱战系统的"赋能器",能够显著提升电磁频谱战系统感知、认知、决策能力,大幅压缩OODA环时间。针对电磁频谱战OODA环路优化问题,采用智能感知、智能认知、智能决策、智能对抗等技术,优化电磁频谱战OODA环路,提升OODA环运行速度及自适应能力。介绍了人工智能技术及应用现状,构建了电磁频谱战OODA环路,重点阐述了基于人工智能的OODA环路优化方案,分析了主要智能化模型,系统总结了人工智能技术赋能电磁频谱战的发展趋势,最后给出基于人工智能的电磁频谱战总结。