一种基于神经网络的弹箭飞行控制方法

为了对飞行中的弹丸进行快速高效的弹道修正,文中提出了一种基于落点预测的修正方法。首先基于Elman神经网络进行弹丸落点预报,并对预报数据进行滤波处理。根据对预报落点与理论落点的偏差分析,使用脉冲发动机进行弹道修正,并且引入了基于CMAC的飞行控制方法。最后进行了仿真修正,经修正后在很大程度上减小了落点散布,说明文中提出的方法是有效的。     

基于粒子群优化支持向量机神经网络的弹丸落点预报

针对目前弹丸落点预报方法预报时间较长和精度不高的问题,提出了基于粒子群(PSO)优化的支持向量机(SVM)神经网络预测方法。该方法采用PSO优化算法优化SVM训练参数,以获得最优SVM神经网络落点预测模型。在此基础上,使用卡尔曼滤波处理外弹道数据形成神经网络训练数据,进行落点预报仿真测试。仿真结果表明,射程最大误差为7.371m,横偏最大误差为0.886m;落点预报时间在35ms之内,比数值积分法快了一个数量级,为弹丸落点预报的实际应用提供了一种途径。     

基于神经网络补偿的线性弹道落点预报方法

针对线性化法预报弹丸落点存在侧向速度、角速度计算复杂和适用范围小的问题,提出了基于神经网络补偿的线性弹道落点预报方法。该方法在线性假设下,对刚体六自由度弹道进行线性化处理,得到线性弹道模型;将弹丸的圆周运动方程组视为线性定常系统,利用系统的解得到圆周运动的解析式,并利用梯形近似法处理其他参数的导数,得到基于线性弹道的落点预报解析式;然后利用神经网络理论设计了补偿项,不仅解决了线性化法适用范围小的问题,还提高了线性弹道预报落点精度。数值仿真测试结果表明,该方法预报弹丸射程和横偏的最大误差分别约为4m和7m,预报落点时间约0.024ms,比解算6D弹道的时间少了1.451s。因此,该方法可为快速精确预报弹丸落点提供理论参考。     

基于改进型BP神经网络的弹丸落点预测方法

为了快速精确的预测弹丸落点,文中提出了一种基于改进型BP神经网络的弹丸落点的预测方法。根据落点预测的特殊性,在网络结构上确定了具有并列隐含层的双隐层结构形式,并对训练算法进行了自适应加动量项的改进,然后选取并优化了训练样本。之后进行了仿真训练和落点预测,得到了较高精度的预测结果。说明文中方法进行落点预测是合理有效的,可以作为弹丸落点预测的一种新方案。     

基于长短期记忆神经网络的弹丸落点预测

针对高旋榴弹弹丸落点预测传统方法用时较长且易积累误差或对气象变化适用性不足的问题，提出基于长短期记忆(LSTM)神经网络的落点预测方法。该方法分别将射程和横偏作为序列数据建立LSTM落点预测网络模型，用不同气象条件下的弹道数据训练网络模型，实现了弹丸落点预测快速准确且适用复杂气象的计算。仿真结果表明，该方法能够快速准确地预测复杂气象下的弹丸落点，且预测时间仅为数值积分法的十分之一。     

基于动态RBF网络辨识和模糊控制的弹道落点预测导引研究

针对目前远程弹道修正火箭弹中,滤波外推落点预测导引法存在导引系数确定难、导引精度低、自适应性与鲁棒性差的问题,提出了一种基于动态RBF神经网络在线辨识与带自调整因子模糊控制相结合的落点预测导引律.具体在传统滤波外推落点预测导引法的基础上,将预测落点偏差与偏差变化率作为模糊控制器输入量,通过RBF神经网络在线整定模糊控制的权重因子和比例因子,实现导引指令的自适应调整.仿真结果表明,同常规方法相比,在充分考虑随机扰动和测量误差情况下,具有更强的自适应性与鲁棒性,保持了较高的导引精度.     

基于菱形阵列的弹丸落点定位模型研究

利用地震波进行弹丸落点定位时,地震波传感器的布阵方法及解算模型直接影响着弹丸落点定位的准确性.针对55～157 mm口径弹丸落点定位的要求,基于时差法建立了弹丸落点定位数学模型,分析了基于地震波的弹丸落点定位方法在3 km×3 km靶场区域内的适用范围;利用MATLAB对定位误差进行仿真计算,确定了模型参数,验证了菱形阵列的适用性.     

基于复合双基阵的弹丸落点观测声定位方法

基于单基阵的弹丸落点声定位方法存在定距误差大且定向误差小的缺点,针对此问题,利用双基阵交叉定位实现了落点定位。针对双基阵落点定位方法存在一定盲区的不足,提出了一种基于复合双基阵的弹丸落点观测声定位方法。以五元十字阵为复合阵列的基本单元,建立双基阵以及复合双基阵的数学模型,并对定位算法和定向、定距精度进行了理论推导和仿真分析,进行了外场模拟实验。实验结果表明:基于复合双基阵的弹丸落点声定位方法能够有效实现全区域的声定位,相对方位角误差和距离误差均小于4%,定位精度较高。     

三角形五元十字混合阵列弹丸落点定位方法

针对靶场弹丸回收试验中弹丸落点定位精度低的问题,提出基于三个五元十字阵列组成三角形混合阵列的定位方法。该方法通过将三个五元十字阵列的中心传感器放置成为三角形阵列,以此组成混合阵列对弹丸落点定位,解决了五元十字单基阵定位精度低、双基阵对于特殊范围落点定位误差大的问题。仿真试验结果表明,采用混合阵列对弹丸落点定位的精度误差在1%以内,满足靶场对弹丸落点的全域定位精度要求。     

基于径向基函数神经网络辅助容积卡尔曼滤波的多自主水下航行器协同定位方法

在多自主水下航行器(AUV)协同定位系统中,针对协同定位性能受到系统内部和外部等多种因素制约的问题,提出一种基于径向基函数(RBF)神经网络辅助容积卡尔曼滤波(CKF)的多AUV协同定位方法。当基准参考位置可用时,通过非线性CKF得到滤波新息、预测误差和滤波增益作为RBF神经网络输入层的输入,滤波误差值作为输出对RBF神经网络进行训练;当基准信号中断时,利用训练好的RBF神经网络,对CKF的滤波状态估计值进行补偿,进而得到新的估计状态。利用湖试数据,模拟多AUV协同定位系统输入存在误差情况下的协同定位实验。实验结果表明,所提方法与无RBF辅助的CKF方法相比,平均定位误差减小70%,具有更好的准确性和稳定性。     

基于RBF神经网络的Kalman滤波在惯导系统传递对准中的应用

针对模型存在误差时传统的Kalman滤波算法误差变大甚至发散的缺点，利用RBF神经网络较强的非线性逼近能力，提出用RBF神经网络辅助Kalman滤波的新算法，将其应用于舰载机惯导系统的传递对准中。仿真表明该算法优于传统Kalman滤波算法。     

基于UKF的目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于不敏卡尔曼滤波器（UKF）的系统偏差和目标状态的联合估计算法（ASUKF）.Monte-Carlo仿真结果表明,ASUKF算法较好地避免了扩展卡尔曼滤波器的模型线性化误差易导致滤波发散的问题,能更加有效地对目标状态和系统偏差进行实时联合估计.     

基于辅助模型粒子滤波的混沌信号降噪方法

针对传统的扩展卡尔曼滤波方法和无迹卡尔曼滤波方法不能有效地抑制混沌系统的加性噪声这一问题,给出了辅助模型粒子滤波算法,推导了混沌系统的状态空间描述,提出了一种基于辅助模型粒子滤波的混沌信号降噪方法,并将其用于Lorenz混沌信号的降噪。在叠加高斯噪声情况下对混沌系统进行降噪处理实验。结果表明,所提出的降噪方法对含噪Lorenz混沌信号有着较明显的降噪效果。     

基于无迹卡尔曼滤波的单站混合定位跟踪算法

针对移动台的单站跟踪问题,以"到达时间和与到达时间差(TSOA/TDOA)"新型混合定位技术作为基础,提出一种基于"到达时间和与到达时间差"混合被动单站定位模型的无迹卡尔曼滤波跟踪算法。该算法以观测到的有噪信息为基础,引入"到达时间和与到达时间差"观测模式,使用受随机加速影响的匀速运动状态作为跟踪算法的状态模型,将无迹卡尔曼滤波(UKF)算法应用在移动台的定位跟踪上,实现了对移动台的位移和速度的同步跟踪。仿真结果表明:无迹卡尔曼滤波算法应用移动台跟踪系统是有效的;与扩展卡尔曼滤波相比,其跟踪算法的滤波精度、稳定性更优。     

基于无迹卡尔曼滤波的超空泡航行体最优控制研究

针对超空泡航行体运动过程中环境噪声和测量噪声带来的不利影响,提出一种基于无迹卡尔曼滤波器（UKF）的最优控制算法。通过超空泡航行体动力学建模,建立含有环境噪声和测量噪声的状态方程,分别在无滤波器和含有UKF情况下的最优控制器进行了仿真分析。研究结果表明：在环境噪声和测量噪声干扰下,超空泡航行体跟踪误差较大,运动极其不稳定,处于失稳状态;在UKF作用下,超空泡航行体跟踪误差明显减小,在较短时间内达到全包裹状态,有较好的信号处理效果。     

一种基于数据融合的全轮驱动车辆质心侧偏角估计方法

为准确估计全轮电驱动车辆行驶状态参数,设计了一种基于数据融合的质心侧偏角估计方法。该方法充分利用低成本普通车载传感器信息、电机输入信息和驾驶信号,在建立非线性3自由度 车辆模型和轮胎模型基础上,采用无迹卡尔曼滤波算法对质心侧偏角进行估计;同时通过信号积分法估计质心侧偏角,结合车辆行驶工况和路面条件,将无迹卡尔曼滤波和信号积分两种算法结果进行了数据融合。基于硬件在环实时仿真平台进行了车辆操纵仿真验证,结果表明,提出的估计算法与单一估计算法相比,具有更高的观测精度,能够满足多种行驶工况下的质心侧偏角观测需求。     

基于观测域平方根UKF的机载无源定位算法

针对机载无源定位存在滤波稳定性差、收敛速度慢、定位精度低等问题,提出一种观测域平方根UKF滤波算法,新算法充分利用了观测域滤波的自动解耦功能和平方根UKF良好的数值稳定性及非线性滤波能力,并通过最小偏度单形采样的UT变换减少了算法在状态域与观测域之间转换时存在的舍入误差,同时也提高了算法的运行效率。仿真结果表明新算法提高了滤波稳定性、收敛速度和定位精度。     

基于摄动理论的弹道修正榴弹落点偏差预测

榴弹二维弹道修正引信要求选用精度高、计算量小的落点预测算法,弹道积分外推和多项式拟合均不满足该要求。针对该问题,提出了基于摄动理论的落点偏差预测算法,通过射前装定基准弹道和偏导数实现榴弹落点偏差的准确预测。基于摄动落点偏差预测的数学原理,采用数值解法研究了计算步长、偏导数阶数、基准弹道和偏导数行数的选取原则,并用二阶渐消记忆滤波的方法减小了GPS测试误差对预测精度的影响,采用仿真的手段对预测精度和在弹道修正榴弹上使用的有效性进行了分析。仿真结果表明,摄动落点偏差预测在基准弹道的邻域内有较高的预测精度。     

弹道解算用数值天气预报风修正系数辨识

为了快速准确获取弹道解算用数值天气预报中风的预报误差,实现对弹道解算用数值天气预报中风预报误差的数值修正,提升火炮气象保障精度,以原始预报气象数据为基础气象条件,以质点弹道模型为系统模型,以风修正系数描述风的预报误差,基于无迹卡尔曼滤波算法,对实测弹道数据进行处理,提取风的预报误差。以一段实测弹道数据和WRF模式原始预报气象数据为例,对该方法的辨识效果进行检验。结果表明:与实测的风修正系数相比,辨识所得纵风修正系数和横风修正系数的相对误差分别为7.20%和3.97%; 原始预报气象数据中的纵风和横风经修正后,其误差分别减小85.19%和79.27%。