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。     

基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测

针对弹丸非线性轨迹预测问题，提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型。通过建立6自由度弹丸运动模型，并使用4阶龙格库塔法外弹道仿真，得到大量轨迹数据样本；提出CNN-LSTM神经网络的混合轨迹预测模型，并利用滑动窗口法和差分法构造输入输出的轨迹数据对，将预测问题转化为有监督的学习问题；将所提模型与LSTM神经网络模型、门控循环单元(GRU)神经网络模型和反向传播(BP)神经网络模型在同一数据集下进行仿真实验。研究结果表明，CNN-LSTM神经网络模型预测3 s后的平均累积预测误差在x轴方向约为14.83 m,y轴方向约为20.77 m,z轴方向约为0.75 m,且轨迹预测精度优于单一模型，为弹丸轨迹预测研究提供了一定的参考。     

基于径向基函数神经网络和无迹卡尔曼滤波的弹丸落点预报方法研究

为了能够在飞行数据不尽精确的情况下进行快速、准确的落点预报,提出一种基于径向基函数（RBF）神经网络和无迹卡尔曼滤波技术的弹丸落点预报方法。使用RBF神经网络逼近外弹道方程用以预报弹丸落点,并用改进型量子行为粒子群算法优化网络结构和权阈值,在此基础上对基于神经网络的初步预报数据进行滤波处理。最后进行预报仿真,在输入数据有噪声的情况下依然得到了较高的预报精度,从而证明该方法对预报弹丸落点是有效可行的,为弹丸的落点预报的实际应用提供了参考。     

基于高度的阻力系数实时修正方法

针对不同弹道高度的气象不同引起雷诺数不同,进而导致阻力系数不准确的问题,提出了基于高度的阻力系数实时修正方法。该方法通过空气动力计算软件获取到同一马赫数不同高度气象条件对应的弹丸阻力系数变化量与高度的对应关系,在弹道解算中,采用弹丸实际弹道高度插值该关系,实现了弹丸阻力系数的实时修正。155 mm榴弹底排弹最大射程角验证结果表明,4 500 m海拔时,高度修正的阻力系数对弹丸的射距和横偏影响可达2%,从弹道顶点时刻开始弹丸落点预测,采用修正后的阻力系数较采用地面阻力系数的落点预测精度约提高了一倍。     

用于卫星制导弹药落点预测的卡尔曼滤波算法

为即时地准确地预测弹丸落点,文中建立了基于质心弹道模型的卡尔曼滤波状态方程,利用衰减记忆法扩展卡尔曼滤波递推算法估计方程中的未知参数和风偏因素,并利用其估计参数外推出外弹道落点。利用某型号迫弹卫星虚拟导引装置的测量数据进行验算,其未知系数迅速收敛至真值,同时实现了对风偏的准确拟合。研究发现其卡尔曼滤波算法对弹丸落点预测具有精度高、运算速度快等优点,适宜于工程应用。     

用于卫星制导弹药落点预测的卡尔曼滤波算法

为即时的准确的预测弹丸落点,文中建立了基于质心弹道模型的卡尔曼滤波状态方程,利用衰减记忆法扩展卡尔曼滤波递推算法估计方程中的未知参数和风偏因素,并利用其估计参数外推出外弹道落点。利用某型号迫弹卫星虚拟导引装置的测量数据进行验算,其未知系数迅速收敛至真值,同时实现了对风偏的准确拟合。研究发现其卡尔曼滤波算法对弹丸落点预测具有精度高、运算速度快等优点,适宜于工程应用。     

基于攻角修正系数的落点预测方法

针对四自由度模型中攻角解算精度不高导致落点预测精度低的问题,提出了基于攻角修正系数的落点预测方法。该方法以引入攻角修正系数的四自由度弹道模型为状态模型,卫星定位测量的位置、速度和磁传感器测量的转速为量测量构筑量测方程,采用扩展卡尔曼滤波估计攻角修正系数,然后基于攻角修正系数解算四自由度弹道模型预测弹丸落点。155mm底排弹最大射程仿真和外场试验数据验证结果表明,采用修正系数修正攻角预测落点能有效提高弹丸落点预测精度,预测CEP可达到20m,可推广应用于中大口径系列榴弹。     

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。     

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。     

基于极限学习的弹丸阻力系数辨识

气动参数对弹丸的弹道特性起决定性作用,在无控弹丸研制过程中,准确获取弹丸气动参数是减小落点散布、提高打击精度的基础与关键.为了进一步提高弹丸阻力系数的辨识精度,基于质点弹道方程,通过数值仿真产生弹道数据,利用极限学习方法在多种噪声环境下实现弹丸阻力系数弹道大数据辨识.该方法随机产生输入权重以及隐含层神经元阈值,随机生成...     

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。     

基于摄动理论的动态弹道偏差阈值修正方法

基于摄动落点偏差预测的弹道修正方法具有落点偏差计算精度高,弹上计算量小等优点。研究了基于该理论在二维弹道修正应用中相关的系列问题。基于多元函数的泰勒级数展开理论,推导了完整的摄动落点偏差预测理论模型。基于摄动偏差理论提出了一种修正步长自适应的射角诸元快速求解方法,一般循环解算弹道模型不超过3次即可得到落点误差不超过1 m的射角诸元。基于不同弹道位置上平均弹道误差,给出了偏导数求解中弹道偏差设置方法。提出了一种动态弹道偏差阈值修正方法,选用该方法进行弹道修正,平均弹道修正次数减少29.1%,而弹丸落点CEP增大不明显。     

基于线性弹道模型的末段修正弹落点预测

针对末段修正弹在弹道末段快速预测落点的问题,提出一种将六自由度刚体外弹道模型线性化的方法,得到线性弹道方程组并求其解析解,结合剩余飞行弧长估算公式,推导出弹道落点快速预测解析公式。以六自由度弹道为基准,通过仿真分析了不同射角不同预测点下线性弹道模型预测法的预测精度和解算时间,结果表明该方法对偏流方向的落点预测误差小于8 m,解算速度相比三自由度数值积分落点预测法提高了一个数量级。该方法为弹载计算机进行实时快速弹道解算提供理论依据,对末段修正弹的工程应用具有参考价值。     

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.     

基于增强上下文信息长短期记忆网络的弹道轨迹预测

根据己方观测数据进行弹道轨迹预测是现代陆军实施精准打击的重要一环。针对现有弹道轨迹预测方法存在精度不足且实时性不强的问题，提出一种新的增强上下文信息长短期记忆(CE-LSTM)网络轨迹预测模型，进行弹道轨迹的长期精准预测。在LSTM网络可逼近任意非线性函数且具备长期记忆能力的基础上，构建隐藏层输出混合单元提取短时上下文信息，进一步逼近弹体运动状态；通过建立不同条件下的弹道轨迹的数据集，训练得到具备最优超参数的CE-LSTM网络。实验结果表明，与弹道微分方程组的数值积分解法以及高斯混合模型相比，CE-LSTM网络在预测的精度上优于其他2种方法，预测速度提高了3～10倍，且具备较强的泛化能力。     

阻尼片横向弹道修正的落点预测方法

为了减小旋转稳定弹的横向落点散布,对一种采用阻尼片调节弹道偏流的横向修正方案进行了研究。实现横向弹道修正的核心是落点预测,故对该横向修正方案的原理及有效性进行了分析,由此提出落点预测模型应满足的要求。针对无控弹道的升弧段和降弧段,分别推导出相应的弹道解析预测模型,并通过考虑弹丸的动力平衡角和转速特性,建立了一个可计及阻尼片作用的三自由度弹道模型。经后处理的炮射试验数据验证以及不同条件下的弹道仿真,结果表明,该横向弹道落点预测模型在线计算量较小,预测误差约为20m,可满足工程应用中对落点预测模型计算速度和精度方面的要求。     

基于声学传感网络的弹着点定位系统

为了改变广域靶场内火炮系统弹道点测试依靠人工报靶的现状,建立了基于多声学传感器节点的弹丸落点声学测量系统,以实现脱靶量的实时准确测量。在考虑温度和风速等气象环境的影响下,利用阵列定向的网格搜索方法和TDOA定位方法,设计了适用于火炮弹丸声学传感网络目标定位的算法,通过模拟试验和静爆试验进行了测试。结果表明:测试区域边长在300 m量级时定位误差小于1 m,测试区域边长在3 km量级时定位偏差在6 m以内,因此该系统可用于弹着点实际定位测量,对实践应用具有重要意义。     

旋转稳定二维弹道修正弹落点预测制导方法研究

针对旋转稳定二维弹道修正弹的落点预测制导方法设计问题,提出了一种通过两次落点预测修正一次弹道的制导方案。研究了固定舵产生阶跃激励时弹丸的攻角、速度方向及落点运动规律,得出了落点修正量的相位角较固定舵滚转角超前一个前置角。提出了通过两次落点预测获得修正落点偏差所需的固定舵滚转角的方法:第1次无控落点预测得到目标点与实际落点的偏差方位角,第2次有控落点预测得到落点修正量的相位角相对于固定舵滚转角的前置角。仿真结果表明,落点预测制导具有较好的落点修正效果。研究结果对该类弹丸的制导方法设计提供了参考。     

基于无迹卡尔曼滤波算法的弹道落点预测方法

为解决靶场理论弹道和外测飞行目标实时信息预测落点预测时间长,不能清晰及时预测飞行轨迹等问题, 提出一种改进的弹道落点预测方法。从弹道模型出发建立基准模型坐标系,将外测设备参数配置于基准模型坐标系, 实时采集的外测设备数据采用无迹卡尔曼滤波(unscented kalman filtering,UKF)算法滤波处理后获得融合轨迹,并 通过Runge-Kutta 算法进行外推计算以进行落点预报。经Matlab 仿真分析和实际效果验证,该方法的结果更加精确 且适用性更强。     

基于蒙特卡罗法的枪弹弹头外弹道散布特性分析

针对枪弹落点较为随机的问题,对随机因素影响下的枪弹弹头外弹道散布特性分析方法进行研究.分析各随机因素产生的原因,确定各随机因素的概率分布模型,并利用Matlab软件产生符合各随机因素概率分布的随机数;应用C++语言编制随机外弹道计算程序,通过循环调用各因素随机数进行外弹道虚拟试验,模拟得出多组弹丸落点坐标;利用经典的统计试验法——蒙特卡罗法分析得出弹丸落点的统计特性,结果与试验数据基本吻合.分析结果表明,该研究成果可以为减小弹头落点散布、提高射击精度提供技术支撑.