基于多岛遗传算法与响应面法的横向磁通感应加热装置参数优化设计

对金属带材进行横向磁通感应加热(TFIH)时,通常会存在加热温度分布不均匀以及加热温度偏离目标值两个问题。该文研究了加热器结构参数与电源参数对45号钢带材回火热处理温度的影响,并对两种参数分别进行优化,使带材在加热器出口处的平均温度达到目标值600℃,同时获得均匀的温度分布。采用Morris法对加热器结构参数进行全局灵敏度分析,选取显著影响相对不均匀度的参数并建立径向基函数(RBF)神经网络预测模型。使用多岛遗传算法(MIGA)对筛选的结构参数进行优化,初步获得均匀的温度分布。最后以降低温度分布的相对不均匀度和达到理想平均温度为目标,在优化后的加热器结构基础上使用响应面法(RSM)优化电源参数,实现多目标优化设计。仿真验证结果表明,45号钢带材在加热器出口处的平均温度为600.06℃、相对不均匀度为2.36%,满足45号钢回火热处理的要求。

基于改进Deeplabv3+的烟雾区域分割识别算法

烟雾遮挡使基于图像的寻的制导系统目标识别困难,如何提高该类区域分割识别准确性、降低虚警率是一个亟待解决的课题。现有Deeplabv3+算法对烟雾分割时存在漏分割、错分割等问题,细节损失严重,整体分割精度低。本文提出基于改进Deeplabv3+模型的烟雾区域分割算法,创新异感受野融合的基于空洞卷积的金字塔构型(atrous spatial pyramid pooling,ASPP)结构,进一步扩大空洞卷积感受野,降低信息损失带来的不良影响;优化骨干网络,加入多尺度融合模块,降低网络参数量和计算量;引入通道注意力模块,强化对重点通道的特征学习能力,提高模型训练速度和分割精度。实验结果表明,改进Deeplabv3+模型在测试集中平均交并比为91.03%,分割效率为12.64帧/秒,分割效果远远优于传统模式识别算法;与Deeplabv3+基础模型相比,以较小的检测效率损失为代价取得了更高的分割精度,全场景理解和细节处理能力均有明显提升。

基于侧抑制网络的改进Canny边缘检测算法

边缘检测是红外图像目标自动识别的关键步骤。针对红外图像对比度低、边缘模糊等问题,提出了一种改进的Canny边缘检测算法。该算法基于人类视觉系统的侧抑制竞争原理,利用侧抑制网络增强中心、抑制周围的特点,对原图像处理达到增强对比度、抑制噪声边缘的目的;采用OTSU实值法,自适应选取双阈值进行边缘检测。实验证明,该算法能够有效排除干扰边缘,对提高目标的边缘检测准确度有较大的实际意义。

Cascade R-CNN和YOLOv3在导弹目标识别中的应用

人工智能技术和计算机视觉技术的发展,为舰载导弹准确攻击各类海上、陆上目标识别提供了新的技术支持,基于深度学习的自动目标识别技术对提高导弹寻的制导精度提供了新的技术保证。介绍了多种基于卷积神经网络的目标识别算法,应用YOLOv3和Cascade R-CNN算法进行了导弹目标识别检测实验。实验结果表明,二种算法各有千秋,YOLOv3算法的准确率和召回率低于Cascade R-CNN,但其检测效率高于Cascade R-CNN,因此在目标识别过程中,采用深度学习算法是导弹提高攻击目标准确性的一种有效途径。

末制导雷达搜索扇面区域目标搜捕概率研究

为提高反舰导弹末制导雷达对海上目标打击时的选择和决策效率,对末制导雷达搜索扇面区域内各个目标点进行了搜捕概率计算,分析了末制导雷达搜索扇面内目标搜捕概率与探测距离和角度关系,通过模拟仿真,得到了雷达搜索扇面各个点及指定区域内目标捕捉概率示意图,实现了对末制导雷达搜索扇面区域搜捕概率的可视化,对反舰导弹的作战使用有着借鉴意义。

海洋潮汐对对陆导弹登陆区的影响及优化方法

受海洋潮汐的影响,舰载对陆导弹攻击时,登陆区海岸地形瞬时高度会随海平面的涨落而产生相应变化,进而会影响导弹在预定参考航迹确定的情况下登陆飞行时的安全性。根据海洋潮汐计算模型,分析潮汐引起的海平面变化对登陆区海岸相对高度的影响,进而研究实际作战中海岸高度变化对导弹登陆飞行安全性的影响,提出了基于爬升点前移的航迹优化方法。仿真实验表明,给定参考航迹后对登陆区爬升航迹进行优化,能够在一定程度上提高舰载对陆导弹登陆飞行时的安全性,对登陆区的选取和航迹优化具有较好的现实意义。

基于方向加权多级门限DP-TBD的目标轨迹检测算法

在分析了双门限DP-TBD算法及多级门限DP-TBD算法的优缺点后,对多级门限DP-TBD算法进行了改进,提出了方向加权多级门限DP-TBD算法。这种算法在牺牲计算量的前提下,减少了伪轨迹的数量,提高了对目标轨迹检测和跟踪的准确率,对反舰导弹末制导雷达对岛岸附近弱小目标的检测和跟踪具有重要的借鉴意义。

基于改进二维CFAR参考滑窗技术的目标检测研究

为解决低信噪比条件下检测前跟踪TBD算法对多帧雷达回波数据累计处理量大的问题,通过融合多种传统滑窗的性能特点,提出基于改进二维CFAR参考滑窗的单帧雷达回波数据检测器,得到了网格形参考滑窗。仿真实验表明,与传统滑窗相比,网格形滑窗在窗口大小为15时具备更好的检测精度和更高的实时性,验证了网格形参考滑窗的稳定性,为TBD算法实现前的数据处理提供了更好的处理技术手段。

基于特征匹配的舰载对陆导弹目标识别模型

针对传统基于前视模板的匹配算法中难以直接识别与跟踪建筑等目标的问题,提出基于特征匹配的对陆导弹目标识别模型。该模型通过对末制导导引头图像预处理,利用改进YOLOv3深度学习目标检测算法和改进Deeplabv3+深度学习语义分割算法来识别目标区和烟雾区,采用并行法排除烟雾遮挡对目标识别的干扰,最终判别分析规则判断模型是否识别成功。仿真实验结果表明,该模型能够快速有效精确地完成对陆地目标的识别,兼具较好的抗烟雾干扰能力,有利于提高对陆导弹的目标识别水平与作战效果。

基于改进V-ACO算法的对陆巡航导弹航迹规划研究

针对采用传统蚁群算法的Voronoi图进行对陆巡航导弹航迹规划时易陷入局部最优解的问题,提出一种基于改进蚁群算法的对陆巡航导弹航迹规划方法。在基本蚁群算法的基础上,改进信息素更新方式,建立基于蚂蚁行进方向的矢量信息素更新模型,通过动态调整信息蒸发因子,引入局部信息素调节机制,提高航迹规划过程中算法的全局寻优性能。在Voronoi图规划空间上,以威胁代价、机动代价和航程代价的加权值为航迹代价函数,对比实验表明,航迹规划过程应用改进蚁群算法的全局寻优性能明显优于传统蚁群算法,对提高对陆巡航导弹航迹规划能力具有积极作用。

基于改进YOLOv3的对陆导弹目标识别算法

在导弹攻击目标过程中,实现对打击目标的快速自动识别是对陆巡航导弹完成作战任务的关键,如何快速而准确地完成目标识别始终是目标识别技术研究的问题。针对采用电视图像寻的制导的对陆导弹,提出一种基于改进YOLOv3网络的目标识别方法。通过精简特征提取网络和深度分离卷积提高模型的检测效率;改进了多尺度特征融合方法,将自适应空间特征融合代替传统通道拼接,并将3尺度预测增加至4尺度预测,提高了模型检测精度;改进K均值聚类算法,优化锚框尺寸,提高模型识别能力。试验分析表明,该方法目标识别准确率和召回率分别达到84.32%和96.91%,识别速度为13.02 FPS,与YOLOv3基础模型相比均有较大提升,对提高导弹目标识别准确性和识别效率具有重要意义。

基于轮廓像处理的岛岸附近目标检测

针对反舰导弹末制导雷达对岛岸附近船舶目标检测困难的问题,提出了基于轮廓像处理理论对岛岸附近目标的检测方法。首先,采用船舶目标轮廓像规则性检测的方法,建立了船舶目标轮廓像模型。同时,运用三种起伏值计算方法对船舶模型进行处理,得到了雷达二维信号图像下船舶目标轮廓像模型的起伏值取值范围。通过模型检测概率仿真,表明该方法能够有效区分船舶目标及岛屿目标,验证了该方法的有效性和可信度,可为提高反舰导弹末制导雷达识别目标能力提供技术参考。

圆形剖分再生长的扩展Voronoi图构建方法

针对传统Vonoroi图生成过程中存在的局限性,根据各种Voronoi图生成算法的原理和特点,该文融合Delaunay算法和模拟生长算法的思想,提出了一种基于圆形剖分再生长的扩展Voronoi图生成方法。根据任务要求自定义生长函数,实现初始圆的扩展生长,达到成熟条件时停止生长;计算相邻圆之间的交点并作交线,通过一定处理后得到对应生成元的Voronoi图边界,遍历所有生长圆即可得到全域Voronoi图。通过仿真验证了该方法的可行性,易于拓展到加权Voronoi图的构建,为Voronoi图的构建提供了一种技术手段,且该方法更简洁直观。

舰载对陆导弹登陆点规划选取研究

针对舰载对陆攻击导弹登陆任务点选取问题,提出最小登陆安全距离和登陆区爬升等位线的概念,构建了一种基于陆上飞行航迹与登陆区爬升等位线相结合的便捷规划选取方法。根据陆上战场威胁分布建立威胁Voronoi图,将连续可飞空域离散化为网格点,通过威胁代价函数计算各航迹段的代价值,利用基本蚁群算法在威胁Voronoi图模型上实现由目标点至登陆区的陆上段航迹规划,结合登陆区地形因素和导弹机动能力约束,建立登陆区爬升等位线,确立可行的备选登陆点集合,按整体最优选取出登陆点。通过仿真验证了方法的可行性和有效性。