摘要:深度学习作为当前人工智能领域的研究热点之一，已经受到广泛关注。借助于强大的特征表示和学习能力，深度学习日益成为军事领域智能化发展的技术基础。首先结合深度学习的最新发展，指出深度学习的快速发展得益于理论的突破、计算机运算能力的显著提高和开源软件的广泛流行，着重梳理了目前主要的深度学习硬件平台和编程框架，并总结了各自的特点和研究进展；然后对深度学习在目标识别、态势感知、指挥决策等典型军事领域的应用和存在的不足进行了总结；最后，分析了深度学习军事应用面临的挑战，包括数据获取困难、处理不确定不完备信息和多域信息能力不足、精确度和实时性较低、可解释和可理解性不强等，并针对这些问题展望了未来可能的发展方向和趋势。

摘要:针对现有天线尺寸对材料属性的过度依赖、天线隐身与辐射性能的固有矛盾、以及天线波束可重构方式和性能受限等瓶颈问题，着重讨论了利用人工表面等离激元场增强、场束缚及慢波效应对天线进行赋能的技术，包括基于人工表面等离激元的天线小型化技术、雷达散射截面抑制技术、以及波束重构技术，为新型天线的研究提供新的思路和选择。

摘要:超材料是指在微观和宏观尺度之间引入中间尺度结构单元，通过这些结构单元及其空间序构实现特定功能的人工复合材料或结构。由于结构单元及其空间序构的精确可设计性，超材料可对电磁波的幅值、相位、频率、极化、模式等各种特性进行灵活调控，在隐身、电子对抗、通信、成像、能源等领域具有广阔的重要应用前景，被列入“六大颠覆性基础研究领域”之首位。本专题依托国家重点研发计划“变革性技术关键科学问题”、重点专项“微波毫米波数字编码和现场可编程超构材料的理论体系与关键技术”、基础加强计划重点基础研究项目“基于新型结构功能材料的某机制研究”、国家自然科学基金“基于圆二色性的多维度调制超表面及其应用研究”“基于相位梯度超表面的电磁信号调制技术研究”“基于多模式复合色散调控的消色差超材料功能器件设计及应用研究”等军内外基础研究项目设立，聚焦国内超材料研究的最新发展动态，汇集国内优秀团队的最新研究成果，以期增进国内超材料领域的学术交流和应用技术探讨，[JP2]促进超材料基础研究和技术创新应用的发展。本期专题采用在线支撑材料等增强出版形式，以加深对论文内容、思路与方法的理解。

摘要:超表面在调控电磁波的极化、幅值和相位等方面具有极大的优势。针对天线带外低散射的现实需求，通过复合极化旋转超表面和频率选择表面，调节极化旋转单元的响应厚度，实现了兼具高效极化旋转反射和同极化透波窗口的超表面设计。利用几何相位仅对交叉极化波有响应的特性，进一步通过棋盘阵列排布，在透波窗口的两侧实现低散射特性，其中透波带10.0~11.0 GHz插损低于1 dB；在4.5~7.5 GHz和12.0~17.0 GHz频带内实现低散射特性，RCS缩减接近10 dB。仿真和实验结果表明：文中所提出的超表面设计方法和架构具有宽带的RCS缩减特性和低插损透波特性，在隐身天线罩中具有潜在的应用价值。

摘要:提出了一种将超构表面与天线阵列组合设计的方法，以同时实现高增益辐射和低背向散射功能。该超构表面由多层金属图案结构组成，对x极化入射波具有透射功能，从而能使天线辐射场低损耗透过；同时，对y极化入射波具有反射相位调制功能，通过将单元按照棋盘格或随机分布排列，可实现y极化入射波的漫散射功能，从而降低天线阵列的后向散射。仿真分析表明，所设计的低散射天线阵列峰值增益为18.8 dB，工作带宽约为12.5%。当探测波为x极化时，10 dB RCS缩减频带为9.5~10.1 GHz，覆盖天线工作频带，最大缩减值为25 dB；当探测波为y极化时，10 dB RCS缩减频带为7.8~12 GHz，最大缩减值高于35 dB。实测结果与仿真分析结果吻合良好。该低散射天线阵列利用超构表面的极化选择特性能实现透、反射功能集成设计，为低散射天线的研究提供了新的思路。

摘要:超材料具有传统材料所不具备的超常物理性质，对电磁场、声场等物理场可以实现自由调控。设计了一种由多尺寸的亥姆霍兹共振器和多尺寸的金属谐振结构组成的宽频吸声兼容电磁吸波的多功能超材料，实现了对声波和电磁波的宽频双吸收。仿真结果表明：文中提出的超材料在690~927 Hz范围内具有0.8以上的高吸声系数，在9.11~11.10 GHz范围内对微波具有0.8以上的吸收系数。所提出的多功能超材料对于声波及电磁波均具有宽频、高效的吸收作用，在噪声污染防治和电磁防护方面有潜在的应用价值。

摘要:为解决传统等离子光学传感器的局限性，提出了一种基于黑磷（BP）的多共振非等离子体的光学传感器，该传感器采用单层黑磷和简单的介质结构，通过磁共振增强红外波吸收。由于黑磷的各向异性，该传感器可以在不同晶体方向上实现不同的灵敏度和品质因数（FOM）。通过优化传感结构，在8 μm波长附近的不同黑磷晶体方向上均得到了2个极窄的共振峰、极低的半高宽，提高了传感器的灵敏度，吸收率最高达到了99.6%，灵敏度最高可达180 nm/RIU,FOM可以达到 261 nm/RIU。并利用耦合模理论对仿真结果进行了验证，揭示了其物理机理，证实了该传感结构在未来的光学传感领域有巨大的潜力。

摘要:目前在陶瓷基材料频率选择表面的制备方法有很多，但在大长径比狭窄陶瓷深腔内壁制备金属涂层微细结构的工艺研究较少。基于导电银浆涂覆工艺和内表面激光加工技术，在石英纤维增强二氧化硅复合材料（SiO2f/SiO2）尖劈内腔制备耐高温FSS结构，并对其进行性能表征。结果表明，〖JP3〗金属涂层的厚度为12.08 μm，常温和800 ℃的电导率为1.57×107 S/m和1.496×107 S/m，附着力达到0级，微细结构的尺寸精度为0.193 2 mm。

摘要:滑动弧放电等离子体在拓宽燃烧室点熄火边界、缩短点火延迟时间、提高燃烧效率等方面具有显著优势。在已有燃油裂解头部的基础上，优化滑动弧放电位置，创新地研制了基于滑动弧放电等离子体激励的燃烧室值班火焰头部，并对其放电特性开展了实验研究，着重分析了不同空气流量和输入电压对电弧动态特性、滑动模式、平均击穿电压、平均功率、平均旋转角速度的影响。结果表明：提出的方案能在文氏管与燃油喷嘴之间形成稳定的旋转滑动弧放电区域，同时存在两种不同的放电模式，即steady arc gliding (A-G) 模式和breakdown gliding (B-G) 模式，受空气流量和输入电压的显著影响，当空气流量小于200 L/min时，在140~240 V的输入电压下，主要以A-G模式放电，随着空气流量的增加向B-G模式发展，而随着输入电压的增加，A-G模式占比逐渐增大；放电平均击穿电压、旋转角速度随着输入电压的增加或空气流量的减小而减小，但平均功率随输入电压的增大而增大。

摘要:针对近年来在飞机结构载荷测量飞行试验过程中发现的结构温度对载荷测量结果影响的问题，在分析载荷测量应变电桥热输出产生的原因和机理基础上，提出一种基于多项式拟合的应变电桥热输出分析和修正方法。通过地面温度试验验证了该方法的有效性，并利用该方法对多型飞机结构载荷飞行试验实测结果进行修正，取得了良好的修正效果，有效地提高了载荷测量的精准度。研究成果为飞机结构载荷测量应变电桥热输出修正提供了适用的理论依据和工程方法，对飞机结构载荷飞行试验验证起到了重要的支撑作用。

摘要:在双转子涡轮风扇发动机的使用过程中，发动机控制计划拐点可能发生改变，这一改变会对发动机性能产生影响。为研究航空发动机性能衰退后对发动机控制计划拐点的影响，采用部件特性修正航空发动机部件级模型的方法，应用发动机大修厂出厂前和维修前试车数据对发动机部件级模型进行修正；构建个性化单台发动机衰退后模型，分析了控制计划拐点提前及主要部件衰退对发动机性能的影响。对发动机部件性能衰退情况进行研究，分析了排气温度的变化情况，发现随着涡轮风扇发动机部件的衰退，排气温度升高，将导致发动机控制计划拐点前移。结果表明，发动机性能衰退后，发动机控制计划的拐点会大幅度前移；控制计划的拐点前移将导致起飞时发动机最大状态的推力损失量增大到未衰退时的3.65%；相较于发动机性能衰退但不考虑控制计划变化，推力降低0.5%。

摘要:为弄清某型直升机连续发生的两起异常离地后加速快转事故的原因，根据直升机尾桨涡环的机理，结合事故直升机的状态特点，进行了计算、分析，有关参数计算结果与事故直升机飞参记录的数据一致。研究表明，由于该型机在地面处于尾桨小拉力状态时，进入尾桨涡环的临界偏转角速度小，因而异常离地时一旦意外偏转，尾桨涡环易进、难改，即尾桨涡环特性显著变差。经分析，提出了相关应对措施，有利于提高该型机的起降安全水平。研究结论对其他类似机型也有参考价值。

摘要:根据永磁超环面电机特殊的转子结构，建立了该电机的电磁参数方程，并推导了含行星轮转子位置信息的时变数学模型，应用状态空间法分析了该电机的周期波动特性。结合超环面电机的时变参数，完成了对其PI控制器的参数整定。结合行星轮自转引起的参数摄动，将闭环系统反馈得到转子位置信息引入到终端滑模控制器中，使控制器参数跟踪超环面电机的时变参数。将终端滑模控制与PI控制的仿真结果对比分析，结果表明：该控制策略有效地削弱了永磁超环面电机输出性能上的周期波动，并且具有良好的响应速度、抗干扰性和鲁棒性。

摘要:针对测量中出现的异常情况，提出了一种基于M估计的自适应鲁棒平方根连续离散容积卡尔曼滤波算法。该算法将目标跟踪问题建模为连续离散时间模型，将改进的M估计的思想融入连续离散容积卡尔曼滤波算法当中，通过Mahalanobis距离对异常测量进行门限判别，引入校正因子，根据观测残差自适应地调整观测噪声协方差矩阵的大小,进一步提高滤波算法的鲁棒性；通过将连续离散模型与校正因子结合，实现了滤波精度和抗异常测量值的统一。仿真结果表明，与传统鲁棒算法相比，该算法在单点测量异常和多点测量异常的条件下都能够更加准确地对目标进行跟踪，且鲁棒性更强。

摘要:针对SSD多尺度目标检测过程中存在的目标漏检和错检问题，提出了一种融入多维空洞卷积和多尺度特征融合的目标检测算法。在卷积神经网络输出的多尺度特征中，浅层具有更多的细节信息，深层具有更多的语义信息，根据这一特点，对浅层网络采用了3种多维空洞卷积的浅层特征增强模块，获得具有语义信息的特征图，将增强后的特征图进行下采样，融合不同层的特征；同时在深层网络引入通道注意力模块，对通道进行权重分配，抑制无用信息，提高目标的检测性能。研究结果表明：该算法在PASCAL VOC数据集上检测精度为79.7%，比SSD算法提高了2.4%；在KITTI数据集上检测精度为68.5%，比SSD算法提高了5.1%，检测速度达到了实时性的要求，有效地改善了目标的漏检和错检。

摘要:针对图像分割有监督学习模型训练时间长、需要大量训练样本才能确保模型精度要求且样本标记费时费力的问题，提出了在不同色域空间下基于神经网络的无监督图像分割方法。首先将图像进行不同颜色空间模型转化，得到不同色域空间下图像的颜色表示；其次利用felz和quickshift方法，对转换后的图像进行粗粒度聚类，形成超像素结果，并对每个像素打上相应的标签；最后利用神经网络细粒度的图像特征分辨能力进行微调，得到最终的图像分割结果。该方法在公开的COD10K等数据集上选取了数据集进行验证，实验表明，文中方法能够对图像进行合理分割，且与有监督长时间训练过程相比，无监督的推理耗时大大缩短，速度显著提高。