导弹打击地面弱红外目标的数字孪生导引律

当红外制导导弹攻击地面目标时,自然或人为因素会导致目标红外特征减弱或消失,致使导引头无法探测或间断探测目标,极大影响制导精度。为解决这一问题,提出一种导弹攻击地面弱红外目标的数字孪生导引律。根据红外导引头在物理世界的导引过程,在数字世界构建目标及导引律的孪生数字模型,通过仿真得到并保存制导全过程中各时间点上导弹运动及控制的状态参数,作为制导过程的数字孪生。实际引导中,当导引头无法得到测量信号时,它的数字孪生数据立即被激活接管导引头的工作,以导引头的孪生数据为控制系统提供加速度指令。仿真算例表明,导引头的数字孪生可在导引头无法捕获信号时,为控制系统提供机动指令对导弹实施精确引导。数字孪生导引律对红外伪装、红外干扰及恶劣气候具有鲁棒性,有广阔的应用前景。

基于机器学习的小麦产量预估模型设计与实现

2021年政府工作报告中提到“十四五”时期,继续保持粮食综合生产能力在13万亿斤以上,严守18亿亩耕地红线,实施高标准农田建设工程,确保种源安全。基于物联网大数据的小麦产量预估模型设计与实现,对小麦产量预测背景及意义进行了研究,并对小麦产量预估模型进行技术、经济及操作方面的可行性分析,运用数据可视化技术,对近五年小麦在不同环境下的产量进行直观展现,并据此分析出影响小麦产量的主要因素。同时采用LightGBM(简称:LGB)模型和XGBoost(简称:XGB)模型作为关键技术,构建小麦产量预估模型,将预估的小麦产量与实际产量进行比对,误差控制在5 kg之内,具有良好的预测效果。