針對空戰(zhàn)軌跡預測精度不高的問題,提出一種由改進灰狼算法優(yōu)化的無跡卡爾曼濾波算法（Unscented Kalman Filter,UKF）。首先介紹了UKF算法并對其進行了分析;其次針對傳統(tǒng)灰狼優(yōu)化算法（Grey Wolf Optimizer,GWO）的不足,提出使用基于適應度值的動態(tài)權重、根據(jù)適應度值變化率調(diào)節(jié)的自適應控制參數(shù)調(diào)整、反向多倍中心對稱變異策略的改進措施,形成改進的灰狼優(yōu)化算法（IGWO）,并運用IGWO算法對UKF中的濾波參數(shù)Q、R進行實時優(yōu)化;最后,運用所提出的IGWO-UKF算法與GWO-UKF、UKF、BP神經(jīng)網(wǎng)絡算法一起對空戰(zhàn)軌跡進行預測仿真,形成三維軌跡圖、各方向軌跡圖與相對誤差圖。結果表明,所提算法誤差小、精度高,具有良好的預測效果。 

【文章來源】：戰(zhàn)術導彈技術. 2020,(01)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

X方向相對誤差隨時間變化曲線

Y方向預測軌跡隨時間變化曲線

每次迭代后，選出當前最優(yōu)的三個個體，按照適應度值好壞，依次標記為新的α、β、δ，進入下一次迭代，直至迭代結束，最優(yōu)的灰狼位置就是問題的最優(yōu)解，GWO中位置更新如圖1所示。3.2 GWO改進策略

【參考文獻】：
期刊論文
[1]基于貝葉斯正則化的Elman-NARX神經(jīng)網(wǎng)絡飛行軌跡預測[J]. 張振興,楊任農(nóng),房育寰.  火力與指揮控制. 2018(03)
[2]基于卡爾曼濾波的動態(tài)軌跡預測算法[J]. 喬少杰,韓楠,朱新文,舒紅平,鄭皎凌,元昌安.  電子學報. 2018(02)
[3]基于BP神經(jīng)網(wǎng)絡的空中目標航跡預測模型[J]. 錢夔,周穎,楊柳靜,謝榮平,何錫點.  指揮信息系統(tǒng)與技術. 2017(03)
[4]基于灰狼算法的改進研究[J]. 郭振洲,劉然,拱長青,趙亮.  計算機應用研究. 2017(12)
[5]控制參數(shù)值非線性調(diào)整策略的灰狼優(yōu)化算法[J]. 魏政磊,趙輝,李牧東,王淵,柯益明.  空軍工程大學學報(自然科學版). 2016(03)
[6]基于蟻群優(yōu)化UKF算法的汽車狀態(tài)估計[J]. 張鳳嬌,魏民祥,趙萬忠.  中國機械工程. 2015(22)
[7]求解約束優(yōu)化問題的改進灰狼優(yōu)化算法[J]. 龍文,趙東泉,徐松金.  計算機應用. 2015(09)
[8]一種基于高斯混合模型的軌跡預測算法[J]. 喬少杰,金琨,韓楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ.  軟件學報. 2015(05)
[9]基于BADA及航空器意圖的四維航跡預測[J]. 張軍峰,蔣海行,武曉光,湯新民.  西南交通大學學報. 2014(03)
[10]基于改進卡爾曼濾波的四維飛行航跡預測模型[J]. 王濤波,黃寶軍.  計算機應用. 2014(06)

博士論文
[1]基于四元數(shù)非線性濾波的飛行器姿態(tài)確定算法研究[D]. 喬相偉.哈爾濱工程大學 2011



本文編號：3376293