二战美国也有精确制导武器:性能比德国还强
ztj100 2025-03-06 00:03 52 浏览 0 评论
由于宣传原因,大多数人只知道,德国在二战末期研发出很多导弹武器。想当然的以为德国二战科技水平天下第一。美国不过是战后得到德国专家才开始发展导弹武器的。其实,美国在二战的导弹武器远远超过德国。只不过,美国使用当时普通武器已经可以完全压制对方了,根本不需要将未完善的武器大张旗鼓的投入战场。到处宣传借以鼓舞士气。
1944年服役的Azon 青松是美军第一种精确制导武器,但是只是采用陀螺仪制导,命中率对于现在来讲并不高,但是在当时已经超过传统炸弹甚多。这种武器在1945年的欧洲和印度美军航空队都有过实战部署。
1941年,RCA(美国无线电公司)提出一个新的雷达制导反舰项目,同早期的动物炸弹项目来说有巨大进步。和同期陆军的AZON相比更轻。蝙蝠炸弹采用AZON的制导系统与鹈鹕雷达系统(Pelican active radar system),奔迪克斯航空提供的自动驾驶系统(Bendix Aviation),海军军械局与麻省理工负责整体研发。
蝙蝠制导炸弹的反舰版本SWOD Mark 9 Modification 0,Special Weapons Ordnance Device。曾于1945年婆罗洲被部署在PBY4上的2颗蝙蝠炸弹精准的于7600米高空准确的击沉日本海防舰粟国号而声名大振。
2001年,蝙蝠炸弹过改造翻新,现阵列与NIST的博物馆。
GT-1在1943年研制成功,由MK-13航空鱼雷改装。可以在3000米高度投放,最大射程高达40公里,由一个爆炸螺栓固定,由B-25或者B-17投放,在水中按照预设模式沿着圆形或锯齿形路径自动寻找目标,可于视距外投放。
在1945对鹿儿岛的一次攻击中远距离发射7枚,其中3枚命中。击沉大型航母一艘,轻航母一艘与一艘轻巡洋舰。战后由于新型武器发展于47年退役。
JB-2是战时美军对于V-1飞弹的逆向工程。早在1942年,美国就听说了德军关于秘密武器的研制,于是陆军急切的需要同类型产品。并派间谍于shipeimingde附近的森林中观察,拍下照片与测量飞行数据。在获得大量照片与飞行数据之后逆向研制了JB-2。
美国逆向工程的V-1嗡嗡飞弹由于得不到完整数据所以与德国的V-1飞弹略有不同,翼展只有2.5英尺,长度小了0.61米,才用通用GE B1发动机。可由B-17型轰炸机发射。
1944年1月由MX-570项目发展而来,承包商休斯在NACA的协助下研发出空空导弹。采用双推力固体火箭发动机,三个操控翼面,半主动雷电引导战斗部与进炸引信触发,由A-26入侵者携带。46年初停产,被AAM-A-1和AAM-A-2/F-98/GAR-1 取代。小规模投入实战测试,但具体性能产量实战记录不明。
根据MX-607项目发展而来,采用福特冲压发动机,由电视无线电制导。概念与GB-4类似,采用AN/AXT-2接收机把图像传送CRT显示器上由接收员进行无线电操纵,1945年8月战争结束之后停产。速度716公里每小时,射程120公里,装药900公斤。
VB-6是一种红外制导炸弹,由于之前的VB炸弹只能在高能见度的环境下使用,所以国防委员会特意研制了此型炸弹。由于是红外制导,相当于在黑夜中像猫一样可以看到一扇亮光所以取名为菲利克斯。不同于当时的遥控制导虽然属于发射后不用管武器,但炸弹尾部还是有一个追踪器发出火光来检测弹道。战斗部为一颗AN-M65 1000磅常规炸弹,1945年8月之前生产力300发。
早在1933年,美国就设想利用当时的技术研制出一种空空导弹,但有碍于当时航空技术的不成熟,所以只好做罢。43年随着火箭与制导技术的发展,征求研发一种新型空空导弹,要求重量不得高于300公斤,采用西屋公司的涡喷发动机速度不得低于820公里每小时。马丁公司中标
1944年在原来的导弹基础上加以改进,提出三种方案,分别是abc。其中a代表火箭发动机,b代表涡喷发动机,c代表脉动喷气发动机。同时采用雷达,电视,热跟踪三种模式制导。末端采用高爆炸药战斗部与进炸引信。雷电和热跟踪用于在能见度不好的时候或者夜间制导。
由于导弹本身太重,外加当时的制导技术不成熟,所以只是小规模进行了实战测试。实战结果表明对于此型导弹是完全失败的。电视制导CRT图像过于模糊,本身也不利于用了制作空空导弹所以即使今天也没人用电视制导来制作空空导弹了,热跟踪受到环境影响太大。
战后美国把此型导弹重新归类并编号为KA2N-1 -KU2N-1 -CTV-4 -CTV-N-4 -与KA3N-1 -KU3N-1 -CTV-6 -CTV-N-6 -,并最终发展为CTV-N系列地空导弹。
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)