共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
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。 相似文献
7.
8.
《探测与控制学报》2017,(4)
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。 相似文献
9.
为了分析无动力飞行弹丸在炮口的状态参数误差对地面密集度影响,基于6自由度刚体外弹道方程,考虑弹丸参数和炮口状态参数误差因素,利用稀疏网格数值积分(SGNI)方法求解弹丸落点散布的统计特性参数,并采用最大熵估计方法获得弹丸落点散布的概率密度函数。测试算例表明,该方法的计算结果与蒙特卡洛方法获得的结果相吻合,验证了SGNI方法和最大熵估计方法的有效性;在此基础上分析了某155 mm加榴炮弹丸在炮口的状态参数误差对地面密集度影响,并分别建立了弹丸在炮口的单参数误差、多参数误差与地面密集度之间的映射模型,可为火炮射击密集度总体设计提供参考。 相似文献
10.
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。 相似文献