XiaoMi-AI文件搜索系统
World File Search System机动性
NSIAD-92-94 沙漠风暴行动 - GAO
根据指挥官、机组人员、维护人员和陆军战后报告的观察，布雷德利战车在战争期间表现良好。它表现出良好的可靠性、杀伤力、机动性和射程，机组人员认为 A2 型号具有良好的生存能力。陆军报告称，布雷德利在地面战争中的准备率通常为 90% 或更高 - 表明其在战斗中移动、射击和通信的可用性很高。布雷德利被证明是致命的，因为机组人员报告说，它的 25 毫米自动炮可以有效打击各种目标，并且它的管射、光学跟踪、线导 (TOW) 导弹系统能够摧毁坦克。机组人员还表示，布雷德利速度快，在沙漠地形中机动性好，并且射程远。A2 高生存能力型布雷德利因其增加的发动机功率和机动性而受到称赞，并且其增加的装甲防护也让机组人员感到更安全。
NSIAD-92-94 沙漠风暴行动 - GAO
根据指挥官、机组人员、维修人员的观察以及陆军的战后报告，布雷德利战车在战争期间表现良好。它表现出良好的可靠性、杀伤力、机动性和射程，机组人员认为 A2 型具有良好的生存能力。陆军报告称，布雷德利在地面战争中的准备率通常为 90% 或更高，表明其在战斗中移动、射击和通信的可用性很高。布雷德利被证明是致命的，机组人员报告称，它的 25 毫米自动炮对各种目标都有效，其管射、光学跟踪、有线制导 (TOW) 导弹系统能够摧毁坦克。机组人员还表示，布雷德利速度快，在沙漠地形中机动性好，射程也很好。高生存能力的 A2 型布雷德利因其增加的发动机功率和机动性而受到称赞，机组人员因其增加的装甲保护而感到更安全。
复制 OCS GVHM 1931 年 5 月 1 日一般原则......
5. 很少有装备类别是专门属于某一兵种的。步枪虽然是步兵的基本武器，但也是其他兵种的重要装备。当坦克的速度仅与步兵相当时，其用途一般仅限于近距离支援步兵进攻。当坦克需要战略机动性时，必须将其装载在卡车上。如今，具有强大战略机动性的坦克正在开发中，因此，某些类型的坦克可能会出现在执行远超步兵正常任务的组织中。
1941-1942 年东线坦克战
他以客观的方式描述了德国和俄罗斯坦克的质量方面，这是非常宝贵的，因为许多历史学家和作家对此并不十分了解。他对两个对手坦克在机动性、火力和防护方面的比较特别具有启发性，打破了许多人认为德国坦克更优越的一些流行神话。特别是对机动性和可靠性的讨论，结合作者对天气和地形的分析，让读者客观地了解这些武器系统在东线严酷作战环境中的相关品质。
论文 昆虫飞行中的腹部运动重塑非气动结构对飞行机动性的作用 I：花朵追踪的模型预测控制
昆虫飞行控制研究主要集中在翅膀的作用上。然而，飞行过程中腹部的偏转可能会影响飞行动力学。本文评估了机身变形在飞行中的作用，并询问腹部对飞行机动性的贡献程度。为了解决这个问题，我们结合使用了模型预测控制 (MPC) 启发的计算惯性动力学模型和天蛾 Manduca sexta 的自由飞行实验。我们探索了欠驱动（即输出数量大于输入数量）和完全驱动（输出和输入数量相等）系统。使用无量纲跟踪误差和传输成本等指标来评估惯性动力学模型的飞行性能，我们表明完全驱动模拟可以最大限度地减少跟踪误差和传输成本。此外，我们通过在胸腹关节上固定碳纤维棒来测试限制腹部运动对活天蛾自由飞行的影响。腹部受限的飞蛾表现比假治疗飞蛾差。这项研究发现腹部运动有助于飞行控制和机动性。这种非气动结构运动存在于所有飞行类群中，可以为多驱动微型飞行器的开发提供参考。
态势感知深度强化学习在网络物理巡飞弹药系统中实现自主非线性机动控制
摘要 —随着无人机技术的快速发展，无人机被广泛应用于包括军事领域在内的许多应用领域。本文提出了一种新型的基于态势感知 DRL 的自主非线性无人机机动性控制算法，应用于网络物理巡飞弹药。在战场上，基于 DRL 的自主控制算法的设计并不简单，因为通常无法收集现实世界的数据。因此，本文的方法是利用 Unity 环境构建网络物理虚拟环境。基于虚拟网络物理战场场景，可以设计、评估和可视化基于 DRL 的自动非线性无人机机动性控制算法。此外，在现实战场场景中存在许多不利于线性轨迹控制的障碍物。因此，我们提出的自主非线性无人机机动性控制算法利用了态势感知组件，这些组件是在 Unity 虚拟场景中使用 Raycast 函数实现的。根据收集到的态势感知信息，无人机可以在飞行过程中自主且非线性地调整其轨迹。因此，这种方法显然有利于在布满障碍物的战场上避开障碍物。我们基于可视化的性能评估表明，所提出的算法优于其他线性机动控制算法。
态势感知深度强化学习在网络物理巡飞弹药系统中实现自主非线性机动控制
摘要 —随着无人机技术的快速发展，无人机被广泛应用于包括军事领域在内的许多应用领域。本文提出了一种新型的基于态势感知 DRL 的自主非线性无人机机动性控制算法，应用于网络物理巡飞弹药。在战场上，基于 DRL 的自主控制算法的设计并不简单，因为通常无法收集现实世界的数据。因此，本文的方法是利用 Unity 环境构建网络物理虚拟环境。基于虚拟网络物理战场场景，可以设计、评估和可视化基于 DRL 的自动非线性无人机机动性控制算法。此外，在现实战场场景中存在许多不利于线性轨迹控制的障碍物。因此，我们提出的自主非线性无人机机动性控制算法利用了态势感知组件，这些组件是在 Unity 虚拟场景中使用 Raycast 函数实现的。基于收集到的态势感知信息，无人机可以在飞行过程中自主且非线性地调整其轨迹。因此，这种方法显然有利于在布满障碍物的战场上避开障碍物。我们基于可视化的性能评估表明，所提出的算法优于其他线性机动控制算法。
态势感知深度强化学习在网络物理巡飞弹药系统中实现自主非线性机动控制
摘要 —随着无人机技术的快速发展，无人机被广泛应用于包括军事领域在内的许多应用领域。本文提出了一种新型的基于态势感知 DRL 的自主非线性无人机机动性控制算法，应用于网络物理巡飞弹药。在战场上，基于 DRL 的自主控制算法的设计并不简单，因为通常无法收集现实世界的数据。因此，本文的方法是利用 Unity 环境构建网络物理虚拟环境。基于虚拟网络物理战场场景，可以设计、评估和可视化基于 DRL 的自动非线性无人机机动性控制算法。此外，在现实战场场景中存在许多不利于线性轨迹控制的障碍物。因此，我们提出的自主非线性无人机机动性控制算法利用了态势感知组件，这些组件是在 Unity 虚拟场景中使用 Raycast 函数实现的。基于收集到的态势感知信息，无人机可以在飞行过程中自主且非线性地调整其轨迹。因此，这种方法显然有利于在布满障碍物的战场上避开障碍物。我们基于可视化的性能评估表明，所提出的算法优于其他线性机动控制算法。
态势感知深度强化学习在网络物理巡飞弹药系统中实现自主非线性机动控制
摘要 —随着无人机技术的快速发展，无人机被广泛应用于包括军事领域在内的许多应用领域。本文提出了一种新型的基于态势感知 DRL 的自主非线性无人机机动性控制算法，应用于网络物理巡飞弹药。在战场上，基于 DRL 的自主控制算法的设计并不简单，因为通常无法收集现实世界的数据。因此，本文的方法是利用 Unity 环境构建网络物理虚拟环境。基于虚拟网络物理战场场景，可以设计、评估和可视化基于 DRL 的自动非线性无人机机动性控制算法。此外，在现实战场场景中存在许多不利于线性轨迹控制的障碍物。因此，我们提出的自主非线性无人机机动性控制算法利用了态势感知组件，这些组件是在 Unity 虚拟场景中使用 Raycast 函数实现的。基于收集到的态势感知信息，无人机可以在飞行过程中自主且非线性地调整其轨迹。因此，这种方法显然有利于在布满障碍物的战场上避开障碍物。我们基于可视化的性能评估表明，所提出的算法优于其他线性机动控制算法。