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。     

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。     

抗野值卡尔曼滤波在火箭弹落点估计中的应用

为了实现火箭弹精确打击,根据飞行弹道参数对弹道进行修正.应用文中提出的双气动参数辨识算法,去除出现在信号初始阶段的野值,降低对后续卡尔曼滤波的影响.随后利用基于新息判断野值的卡尔曼滤波器,结合质点弹道模型,建立了卡尔曼滤波弹道模型,对一段飞行参数进行野值的去除与滤波,并对火箭弹落点进行外推.结果表明,该方法可以将量测数据中的野值有效去除.落点估计可知,外推时间的推后可以增加预估的精度.     

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。     

弹丸在炮口的状态参数对地面密集度影响研究

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。     

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。