基于深度学习的空空导弹多类攻击区实时解算

现代空战日趋复杂,传统攻击区只能提供导弹发射的限度,无法满足现代空战决策的需求。基于目标机水平逃逸角度的最大攻击区、50°攻击区、90°攻击区、水平不可逃逸攻击区、最小攻击区等5类攻击区,针对现有攻击区解算方法无法同时解算多种攻击区的问题,提出多函数深度拟合网络(MFDFN)模型,以实现多种攻击区的同时解算。设计了改进的进退法解算流程,通过弹道仿真获取攻击区数据样本库。根据多函数拟合网络的特点,设计了“整体预训练+局部微调”训练策略,并对网络进行有监督训练。仿真结果表明：采用“整体预训练+局部微调”训练策略的MFDFN比传统网络不仅提高了计算实时性,而且很大程度上提高了计算准确性,其平均相对误差低至0.27%,平均绝对误差低至58.81 m;MFDFN模型具有较强的可靠性和实用性。