基于量子门线路神经网络的射击试验安全风险评估

2021-06-30贾亦卓王东军刘洪甜

计算机测量与控制 2021年6期

关键词：因素

宋超，贾亦卓，王东军，刘洪甜，纪兵

(陆军装甲兵学院兵器与控制系，北京 100072)

0 引言

随着新军事变革的深入，大批新概念武器项目加速设立,对研发周期、技战术水平等方面提出了更高的要求,其研发过程中的安全风险也随之增大。为确保兵器使用的安全性，必须要提前进行高强度的预测试验。试验过程中存在许多不稳定因素，可能造成严重的危害。风险评估在对安全至关重要的行业中起着主要作用，但其同时面临一系列挑战，如技术的进步及需求的增长等。近年来，深度学习强大的数据处理能力深受国内外学者的广泛关注，已运用于不同领域的各类风险评估中，如金融风险管理、相关疾病风险评估、航空安全风险评估、原油市场评估等领域[1]。

射击试验中存在的事故隐患多，各种操作危险系数大，极易发生安全事故，因此要保证射击试验安全顺利高效有序进行，就必须要加强训练中的安全管理，使其处于一个安全平稳的状态是射击试验安全管理的最终目标。由于射击试验过程中存在许多不确定性，研究人员正尝试制定更准确全面的危险因素提取标准，但能否试验出提高风险评估模型性能的危险因素标准还需深入研究。本文采用深度学习中量子门线路模型对射击风险进行评估并评价其性能，希望能够为射击试验的安全风险评估及管理提供理论参考依据。