針對機動發(fā)射條件下的彈道快速規(guī)劃問題,提出了基于神經網絡狀態(tài)預報模型的典型助推-滑翔導彈助推段彈道在線規(guī)劃方法。導彈發(fā)射后,運用事先訓練的神經網絡擬合彈道計算過程,預報關機點狀態(tài),結合優(yōu)化算法快速生成滿足終端再入約束的飛行程序。仿真結果表明,所提神經網絡預報及飛行程序解算模型能夠適應給定的機動發(fā)射條件,在2 s內輸出全程飛行程序,且實際終端狀態(tài)量滿足關機制導要求。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖4終端速度預測殘差圖

圖3終端高度預測殘差圖圖5終端速度傾角預測殘差圖

圖1俯仰程序角曲線特征參數(shù)

由式(1)可知,只需給定初始發(fā)射點位置、方位角信息以及俯仰角隨時間的變化規(guī)律[12](即飛行程序),便可確定一條唯一的彈道來控制導彈到達預定再入點。飛行程序形式的設計在工程上通�？煞譃榇怪鄙仙巍⒇撚寝D彎段、真空飛行段等部分進行[13]。根據(jù)導彈助推段的飛行特點,實際工程常從俯....

圖2神經網絡狀態(tài)預報模型

彈道在線規(guī)劃時,將發(fā)射條件及一組飛行程序設計參數(shù)輸入彈上事先訓練好的神經網絡模型中,即可快速輸出關機點處的高度、速度和當?shù)厮俣葍A角信息,用以判斷是否符合再入約束并作為飛行程序求解的基礎。神經網絡狀態(tài)預報模型如圖2所示。BP神經網絡是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡[....

圖3終端高度預測殘差圖

式(12)中,當0≤xi≤1時,可以作為Tanh型激活函數(shù)的輸入。仿真表明,當預報模型結構選取為各層含30個節(jié)點的雙隱層神經網絡時,對助推段終端狀態(tài)的預報結果較好。將測試樣本集的輸入?yún)?shù)代入神經網絡模型,對比神經網絡模型的預測輸出結果與實際樣本結果,得到終端高度、速度以及速度傾角....

本文編號：3954552