現(xiàn)代軍事戰(zhàn)爭中,各軍事大國的飛行器基本都具備了超聲速和隱身的能力,臨近空間高超聲速飛行器擁有極高的飛行高度和極快的飛行速度,憑借這兩個優(yōu)勢它迅速成為世界各大軍事強國關注和爭奪的新高地。目前,各軍事大國均已有了自己的高超聲速飛行器計劃,有些國家已經(jīng)成功試飛多次。我國作為防御性大國,對臨近空間高超聲速飛行器的跟蹤預報的需求也迫在眉睫。近些年來,隨著人工智能技術和計算機技術的興起,越來越多的領域開始融入機器學習和深度學習等各類人工智能技術,這其中以深度學習為基礎的神經(jīng)網(wǎng)絡技術在近些年發(fā)展尤為迅速。本文以美國高超聲速飛行器HTV-2的跟蹤預報為背景,研究并設計了基于卡爾曼濾波器和神經(jīng)網(wǎng)絡的組合模型,實現(xiàn)對HTV-2的跟蹤和預報功能。本文首先以HTV-2的跟蹤問題作為切入點,對HTV-2進行運動分析,給出了系統(tǒng)的狀態(tài)方程,設計實現(xiàn)了擴展卡爾曼濾波器。其次,在目標的預報階段,提出使用神經(jīng)網(wǎng)絡對狀態(tài)變量進行建模的需求。在濾波問題的基礎上進一步討論了解決預測狀態(tài)變量問題的多種設計方案。本文還依照彈道預報的需求,對標準神經(jīng)網(wǎng)絡模型做出修改,使之可以更高效準確的預測狀態(tài)變量。再次,為了解決彈道的跟蹤預報問... 

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源及研究的目的和意義
        1.1.1 課題的來源
        1.1.2 課題研究的背景和意義
    1.2 國內外對臨近空間飛行器及其預報的研究現(xiàn)狀及分析
        1.2.1 國外研究現(xiàn)狀
        1.2.2 高超聲速飛行器跟蹤預報的國內研究現(xiàn)狀
    1.3 神經(jīng)網(wǎng)絡在時序預測領域應用及研究概況
        1.3.1 神經(jīng)網(wǎng)絡的發(fā)展概述
        1.3.2 時序預測神經(jīng)網(wǎng)絡及其發(fā)展概況
    1.4 本文的主要研究內容
第2章 坐標系的定義及卡爾曼濾波器的設計
    2.1 引言
    2.2 坐標系的定義及其之間的轉換關系
        2.2.1 坐標系的定義
        2.2.2 坐標系之間的轉換關系
    2.3 HTV-2運動分析
    2.4 HTV-2跟蹤濾波器設計
    2.5 本章小結
第3章 卡爾曼濾波器狀態(tài)變量的神經(jīng)網(wǎng)絡時序預測
    3.1 引言
    3.2 利用卡爾曼濾波器預報HTV-2彈道
    3.3 人工神經(jīng)網(wǎng)絡類型的選擇
        3.3.1 標準BP神經(jīng)網(wǎng)絡
        3.3.2 循環(huán)神經(jīng)網(wǎng)絡
        3.3.3 本研究所采用的神經(jīng)網(wǎng)絡方案
    3.4 本章小結
第4章 卡爾曼濾波器與神經(jīng)網(wǎng)絡模型的組合方案
    4.1 引言
    4.2 卡爾曼濾波器和標準BP神經(jīng)網(wǎng)絡的組合方案
    4.3 卡爾曼濾波器和循環(huán)神經(jīng)網(wǎng)絡的組合方案
        4.3.1 RNN在線預訓練的實現(xiàn)
        4.3.2 卡爾曼濾波器與循環(huán)神經(jīng)網(wǎng)絡的組合方案
        4.3.3 RNN與 GRNN融合預測狀態(tài)變量
    4.4 本章小結
第5章 仿真實驗
    5.1 引言
    5.2 標準BP神經(jīng)網(wǎng)絡擬合狀態(tài)變量的彈道預報
        5.2.1 仿真條件及模型參數(shù)初值
        5.2.2 仿真結果
    5.3 RNN擬合狀態(tài)變量的彈道預報
        5.3.1 仿真條件及模型初始參數(shù)
        5.3.2 卡爾曼濾波與RNN組合模型仿真結果
    5.4 本章小結
結論
參考文獻
致謝


【參考文獻】：
期刊論文
[1]循環(huán)神經(jīng)網(wǎng)絡的發(fā)展綜述[J]. 夏瑜潞.  電腦知識與技術. 2019(21)
[2]臨近空間高超聲速飛行器機動模型及彈道預測[J]. 張博倫,周荻,吳世凱.  系統(tǒng)工程與電子技術. 2019(09)
[3]人工神經(jīng)網(wǎng)絡研究與分析[J]. 祝凌云.  科技傳播. 2019(12)
[4]臨近空間高超聲速飛行器發(fā)展及關鍵技術研究[J]. 王鵬飛,王光明,蔣坤,李慶輝.  飛航導彈. 2019(08)
[5]人工智能綜述:AI的發(fā)展[J]. 崔雍浩,商聰,陳鍶奇,郝建業(yè).  無線電通信技術. 2019(03)
[6]基于知識成熟度的動態(tài)正則化神經(jīng)網(wǎng)絡優(yōu)化方法[J]. 鄧青,程建軍,王輝,鄧林.  電子測量與儀器學報. 2018(02)
[7]攔截導彈的制導律辨識與彈道預報[J]. 胡志恒,周荻,鄒昕光.  系統(tǒng)工程與電子技術. 2018(03)
[8]基于Singer模型的高超聲速飛行器軌跡跟蹤與預測[J]. 魏喜慶,顧龍飛,李瑞康,王社陽.  航天控制. 2017(04)
[9]臨近空間非彈道式目標跟蹤修正變結構濾波[J]. 秦雷,周荻,李君龍.  系統(tǒng)工程與電子技術. 2017(07)
[10]一種GRNN神經(jīng)網(wǎng)絡的高超聲速飛行器軌跡預測方法[J]. 楊彬,賀正洪.  計算機應用與軟件. 2015(07)



本文編號：3720400