地下硬目标毁伤分析

分类研究了深层目标，讨论分析了目标易损面积及纯易损面积、结构毁伤、功能毁伤的概念，指出了目标易损面积与命中条件下的毁伤概率的相关性；构造了可以描述目标易损性的数学函数，理论上可通过对f（μ）的分析，了解目标易损性变化规律，方便描述目标的毁伤过程，预测目标的毁伤状况。     

破片对空间轨道目标的易损性分析及毁伤模型研究

研究了目前的空间轨道目标,与飞机相比,对空间轨道目标在工作环境、典型结构、飞行原理、毁伤机理,目标的防护特性、隐蔽性机动性上进行了易损特性分析,提出了单枚破片对双层靶板的破坏类型,包括局部穿孔破坏和撕裂破坏类型,提出了其对应的毁伤模型,进一步得到了单枚破片碰撞双层板结构的毁伤概率.该文的研究对加强我国的空间防御能力,具有一定的参考价值和重要的现实意义.     

主战坦克目标易损性分析与毁伤评估仿真

针对目标易损性分析仿真评估的关键问题,以"性能降低程度"为依据,构建了主战坦克各功能子系统的功能毁伤树图;在弹药对目标毁伤作用原理分析的基础上,建立了典型反坦克弹药对目标毁伤的数学模型,利用VC++平台开发了主战坦克目标易损性分析与毁伤评估仿真系统.以穿甲弹为例进行了主战坦克毁伤评估,得到了主战坦克整体毁伤概率随打击速度、打击方位角等参数的变化规律.研究结果对主战坦克防护结构设计、反坦克弹药设计与威力提高等研究具有一定的指导意义.     

易损性分析中计算机目标描述系统

阐述了计算机目标描述系统的功能及其基本原理，以步兵战车为例讨论了该系统所采用的模型和方法，并说明了在易损性方面的应用。     

装甲车辆易损性分析模型综述

概括介绍了易损性分析空间的理论；着重对装甲车辆的累计参数模型，期望值点爆炸模型和随机点爆炸模型进行了分析研究和介绍，并对这三类模型进行了比较，提出了进一步完善模型的途径。     

基于FT模型和AHP方法的深层硬目标易损性评估

给出了深层硬目标的毁伤等级和相应的毁伤准则,在明确内部结构的基础上,建立了其FT模型,并应用AHP方法和子系统毁伤的工程算法对深层硬目标进行了易损性评估。     

空中目标易损性建模及应用

介绍了空中目标易损性建模的程序、内容、方法，指出空中目标易损性模型可应用于空空导弹武器系统对各种典型空中的目标的杀伤效果评估，作战效能仿真及引战总体指标的优化设计，并阐述其研究特点。     

战术导弹目标毁伤概率的仿真研究

建立了对战术导弹目标毁伤概率进行仿真的数学模型,分析了各功能模块的功能和参数构成要求.该模型已应用于某型空空导弹的目标毁伤评估中,取得了良好的效果.该模型对战术导弹系统尤其是战斗部的研制设计起到了指导和参考作用.     

机场跑道目标易损性分析方法研究

机场跑道目标易损性分析是反跑道武器攻击机场跑道进行定性分析和定量计算的基础。文中通过对机场跑道目标的跟踪分析,完成机场跑道的目标特性分析。在此基础上,基于计算机仿真技术和蒙特卡罗方法,建立机场跑道目标易损性分析方法,包括跑道的数学模型、飞机的起降模式、子母弹散布的数学模型和遍历算法。基于分析方法完成易损性分析软件的编码,并给出了软件的应用示例。机场跑道易损性分析方法的建立为反机场跑道武器的设计与评估提供帮助。     

AHEAD弹对导弹目标的毁伤研究

本文建立了AHEAD弹对导弹目标毁伤效能的计算和分析模型。首先分析了AHEAD弹的工作原理和开舱后子弹空间分布规律及速度特征,然后利用数学方法将离散的子弹云团进行连续化处理,并研究了云团的运动和变化规律以及目标和云团的交汇过程,推出了拦截条件,最后根据目标和子弹云团的具体交汇情况,结合目标舱段毁伤准则,得到单发AHEAD弹对导弹目标的毁伤能力。     

低频电磁实现探测埋地目标电磁泄露研究初探

针对埋地目标的电磁泄漏,利用电磁场数值分析的手段,在相同地质背景情况下,研究了不同工作频点电磁泄漏的特性、电磁泄漏在不同高度的场分布特性,并比较了电磁泄漏在不同埋深情况下不同高度的场分布,在此基础上得出几点启示。     

舰空导弹典型目标易损性模型

从舰空导弹典型目标的特征出发 ,利用杀伤树理论 ,结合目标功能系统的性质和构成 ,提出了以概率论和可靠性理论为基础的目标易损性分析模型 .通过仿真计算 ,验证了模型的有效性     

穿甲弹对均质装甲板毁伤效能的数学研究

为了讨论用数学方法研究穿甲体毁伤效能、靶板结构易损性和毁伤程度之间关系的可行性。以特定的弹目系统为例,结合穿甲体毁伤效能、靶板结构易损性和毁伤程度的数学定义,对不同着速时穿甲体毁伤效能、靶板结构易损性和毁伤程度进行了计算和数值拟合。结果表明穿甲体毁伤效能、靶板结构易损性和毁伤程度之间有明显的函数关系,可以用数学的方法进行研究。     

基于深度强化学习的机械臂动态目标抓取方法

针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一 种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建模,设计状态空间、动作空间以及奖励函数,实现机械臂对动态目标的六自由度抓取。基 于Pybullet 构建机械臂动态目标抓取仿真试验环境,对该方法进行训练,将训练得到的策略在新颖场景进行测试, 并与经典规划控制的动态目标抓取方法进行对比。仿真结果表明：该方法能实现机械臂对动态目标的六自由度抓取, 在抓取成功率和速度上具有优势。