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。     

基于机动单元库的TSO-GRU-Ada机动轨迹预测

机动轨迹预测是自主空战中的一个重要组成部分。针对无人战斗机机动轨迹预测精度低且时耗过长的问题,提出一种基于机动单元库的自适应集成三角优化门控循环神经网络预测方法。建立无人战斗机3自由度模型,解决轨迹数据来源问题;通过4种轨迹特征,将轨迹分为平面机动、空间左转弯机动和空间右转弯机动三类,构建21种基本机动单元;介绍门控循环神经网络,为避免网络梯度优化陷入局部最优,引入三角搜索优化算法更新网络内部权值和偏置。为提高预测精度,采用自适应增强算法构建强预测器;通过实验选取预测器最优参数,在不同机动单元情况下进行预测,预测精度较高且均能满足时耗要求;为检验在机动轨迹上的预测性能,从空战训练测量仪中选取一段轨迹,与5种不同预测模型进行对比。研究结果表明,所提模型的预测精度最佳。     

基于深度神经网络的无人作战飞机自主空战机动决策

机动决策是决定无人作战飞机空战成败的关键因素。为提高空战获胜概率,提出用深度神经网络进行决策。构建了36种机动动作,通过飞行仿真,得到由当前态势、控制量和未来态势构成的样本;用样本训练深度神经网络,使其能够根据当前信息快速准确预测未来态势,设计了决策目标函数和态势评估函数,空战过程中,利用训练好的网络预测所有动作对应的未来态势,根据决策目标函数从中选出最优动作;在不同初始条件下,分别与采用简单机动和自主机动的敌机进行空战仿真,并对空战态势进行评估。结果表明,所提方法在均势时能通过较少的动作获得空战胜利,在劣势时能通过一系列机动获得优势,且决策用时缩短了9 ms.     

基于神经网络的弹道修正弹落点预测方法

为了分析神经网络运用于弹道预测的可行性,构建了实用的弹道预测工具,建立了基于神经网络理论的弹道预测模型。利用二自由度质点弹道模型,选取BP网络和Elman网络进行神经网络弹道预测仿真。基于误差反向传播理论,比较了带动量项算法与自适应学习率算法这2种网络权值训练速度。对2种网络不同隐层节点数的学习误差和预测误差进行了对比分析。数值仿真计算结果表明,神经网络具有较高的预测精度,36.7 km射程仅有不足100m的射程误差,12.3 km射高仅有不足70 m的高度误差,预测结果满足要求,利用神经网络进行弹道预测是合理可行的。     

基于回归神经网络的非线性舰炮弹道偏差预测

提出一种基于回归神经网络及弹道机理模型对非线性弹道系统进行辩识的方法，通过观测上升段弹丸飞行轨迹，采用混合模型预测弹道的误差规律，最后估计出弹着点，对系统采用MATLAB进行仿真，结果表明，该方法有效可行。     

基于注意力机制的高超声速飞行器LSTM智能轨迹预测

临近空间高超声速飞行器具有非惯性轨迹形式和大范围、强机动的突防能力,对目标飞行轨迹的准确预测能够为反导拦截系统有效拦截提供有力技术支持。针对高超声速飞行器的滑翔式和跳跃式飞行轨迹预测问题,提出一种基于注意力机制的Seq2Seq轨迹预测模型,利用LSTM网络设计编码器和解码器,同时利用注意力机制提取的信息进行解码预测。该网络以目标轨迹的位置、速度、弹道倾角和攻角六维特征序列作为输入网络,网络输出为未来一段时间内的连续轨迹序列,利用弹道仿真模型获得的目标飞行器轨迹数据作为训练集对网络进行训练与优化。实验结果表明,该网络能够对高超声速飞行器的多种飞行轨迹进行有效的轨迹预测,预测误差小,能够为反导拦截系统提供有利参考。     

基于自适应神经网络Backstepping 空中加油编队飞行控制

为解决无人机自主空中加油过程加油机和受油机编队飞行控制的问题,提出了对受油机采用导引回路和 姿态回路分离控制策略,采用L1 导引算法设计一种基于自适应神经网络Backstepping 飞行控制器。将改进的L1 导 引算法应用于受油机的横向和纵向的导引,使用自适应神经网络补偿受油机受到的外界的干扰和系统模型误差,神 经网络权值矩阵通过自适应律在线更新,并结合Backstepping 控制方法设计受油机的控制律。仿真结果表明：在受 油机与加油机编队飞行过程中,该设计方法能有效提高受油机的跟踪精度和抗干扰能力,解决空中加油编队飞行控 制问题。     

基于自适应神经网络Backstepping空中加油编队飞行控制

为解决无人机自主空中加油过程加油机和受油机编队飞行控制的问题,提出了对受油机采用导引回路和 姿态回路分离控制策略,采用L1 导引算法设计一种基于自适应神经网络Backstepping 飞行控制器。将改进的L1 导 引算法应用于受油机的横向和纵向的导引,使用自适应神经网络补偿受油机受到的外界的干扰和系统模型误差,神 经网络权值矩阵通过自适应律在线更新,并结合Backstepping 控制方法设计受油机的控制律。仿真结果表明：在受 油机与加油机编队飞行过程中,该设计方法能有效提高受油机的跟踪精度和抗干扰能力,解决空中加油编队飞行控 制问题。     

基于RBF网络和IMM的机动目标跟踪方法

文中提出了一种应用RBF神经网络对标准IMM算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、卡尔曼增益以及测量值与估计值之差．网络输出反映了由于目标机动所带来的滤波误差．将网络输出结果和直接由卡尔曼滤波求解得到的结果相加．可以得到更为准确的滤波值。同时．在网络的学习算法中．在网络权值矩阵的修正公式中增加了反映滤波残差的调整项．若卡尔曼滤波的残差较大，网络调整权值的幅度也相应增大。仿真结果表明．在目标发生机动转弯处．校正后的IMM算法的跟踪误差要明显小于标准IMM算法的跟踪误差．跟踪精度较高。     

成本效益好的捷联惯导系统设计

捷联惯导系统的位置误差和速度误差,通常取决于该系统内部误差参数的量值以及这些误差在飞行中的传播方式。捷联惯导系统内部误差参数中的每一项都可以表征为这样一个随机变量,其在整个惯导系统和飞行中已知变化和零均值呈概率分布。可以建立一个数学“误差模型”,它可以根据每项主要误差源的变化,预测给定飞行轨迹的惯导系统位置误差和速度误差的统计性能。这个“误差模型”还清楚地表明,捷联惯导系统的预期的误差取决于所选择的飞行轨迹。捷联系统设计师可利用这个模型得到符合技术性能要求的每项误差参数的变化范围。这种方法叫做“误差预算”。用这种方法作出的误差预算,可以预测出任一给定飞行轨迹的捷联惯导系统的统计性能。然而,对于象SNU84-1这类机动性能高的飞行器来说,在其动态的飞行范围之内,飞行轨迹有可能大大地激发惯导系统内部的某些误差源,以至设计不出成本效益好的切实可行的惯导系统来满足这一系列飞行的特殊性能要求。因此,我们的偿试是,“尽可能好”地设计惯导系统。引进一套标准飞行轨迹,将使捷联惯导系统的设计师能够建立一个能满足特定飞行轨迹的特殊性能要求的误差预算,而不必对该系统的元件提出不合实际的要求。要获得成本效益好的设计,提出的元件技术要求必须能保证惯导系统在最坏的环境条件下正常工作。在给出捷联系统的误差预算过程中,误差源通常可互相平衡。本文介绍了一种方法,采用这一方法,可望在给定的性能水平情况下,使惯导系统的成本最小。注:在本文中,“成本”可包括惯导系统所需要的任何一种或所有的资源,如使用周期成本、获得成本、体积、质量、能源需要等等。成本也可以是以上这些资源的加权和。     

运用"状态最优预报"原理修正三点法导引弹道

本文研究了一种补偿目标横向机动时激光驾束三点法导引动态误差的方法.首先,分析了原有激光驾束制导系统,引入了控制系统的改进原则.其次,根据"随机最优估计"中"状态最优预报"原理,提出了补偿此动态误差的弹道修正方案--位置偏差前置量法及改进控制系统的结构设计方案.最后,进行了弹道仿真.仿真结果表明,此弹道修正方案可以有效地补偿激光驾束三点法导引中由目标横向机动引起的制导动态误差.     

基于网格划分与BP网络的中制导弹道 在线生成方法

针对临近空间高超声速目标高速、高机动的特点,为改善拦截弹中制导性能,将基于网格划分的中制导离线弹道优化与神经网络相结合,提出了一种中制导弹道在线生成方法。以拦截区域网格化形成的网格点为约束,采用离线弹道优化方法,形成覆盖拦截区域的弹道数据库; 利用BP神经网络对非线性函数的逼近特性,通过训练实现对弹道数据库的逼近,构建BP神经网络模型,实现中制导弹道在线生成。仿真分析结果表明:中制导过程中,在终端约束调整和不调整的2种情况下,该文设计的中制导弹道生成方法均具有较好的性能。     

基于1D-CNN 的卫星姿态控制系统故障诊断方法

为解决卫星姿态控制系统中自主故障检测和诊断的问题,提出一种改进的1D-CNN 卫星姿态控制系统故 障诊断方法。以卫星姿态控制系统的故障诊断为背景,构建航天器姿态动力学模型,将卷积神经网络(convolutional neural network,CNN)与快速卷积算法相结合,对卷积神经网络的拓扑结构进行改进,根据BP 算法,将1 维原始数 据作为输入,结合反作用飞轮作为执行机构的技术特征,给出一种基于卷积神经网络的故障检测和隔离方法。仿真 结果验证了该方法对卫星姿态控制系统实时故障检测和分类的有效性。     

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。     

一种改进的灰色BP 神经网络预测模型

为提高灰色GM(1,1)模型的预测精度和BP 神经网络的映射能力,提出一种改进的灰色BP 神经网络预测 模型。通过分别对灰色系统理论和BP 神经网络2 种模型进行改进,再串联组合成新的预测模型,并结合实测数据 进行仿真试验。结果表明：改进后的模型能兼具二者优点,预测精度有较大提高,相对误差减小,运算速率更快。     

机动飞行器的效能影响因素分析

针对防御系统目标跟踪和轨迹预报的原理,分析目标机动参数对估计误差和预报误差的影响因素,以及预报误差对拦截飞行器脱靶量的影响。以脱靶量为指标,分析目标机动的效能。研究结果表明,增加机动加速度大小、增加机动持续时间、选择合适的机动开始时刻可以增加估计误差与预报误差,从而增加脱靶量,提高目标机动的效能。     

基于人工神经网络的非球形破片阻力系数预测模型

非球形破片的弹道轨迹与其在超声速至亚声速范围内的阻力系数密切相关。非球形破片弹道飞行时会发生随机翻转,阻力系数也会随着破片姿态的变化而改变。为了从有限的破片姿态对应的阻力系数得到随机翻转状态下的平均破片阻力系数,提出一种基于正二十面体的平均方法,对32个特定的破片姿态对应的阻力系数进行平均,得到随机翻转状态下的平均破片阻力系数。该方法得到的立方体以及圆柱体破片的平均阻力系数与弹道枪试验的结果误差在10%之内。进一步研究了破片形貌即球形度对超声速至亚声速范围内破片阻力系数的影响。采用正二十面体平均方法计算得到大量非球形破片的阻力系数,球形度范围为0.35~1.00。通过人工神经网络建立了基于马赫数以及破片形状的阻力系数预测模型。预测模型测试结果表明,该模型具有较高的准确性;球形度是影响破片阻力系数最重要的形状因子,其影响程度在亚声速时最明显;超声速时破片阻力系数与球形度的依赖性显著降低。     

基于Elman神经网络和Copula函数的多维装备效能评估模型

针对当前空战装备效能评估数据呈现出的非线性、多维性和耦合性等特征,将Elman神经网络与Copula函数相结合,提出了一种多维装备效能的评估模型。基于现代化空战特点建立效能评估指标体系的同时,结合战场环境与信息化空中对抗体系的仿真数据,利用Elman神经网络的权值参数自学习能力以及对非线性数据的良好拟合性,得到了边缘分布的预测模型及分布类型;针对分布数据之间的强耦合特征,选取Gumbel Copula函数、Clayton Copula函数、T-Copula函数、Frank Copula函 数、Joe Copula函数5种常用Archimedean Copula函数对变量间的相关性进行构造,通过对参数辨识和拟合优度结果进行对比,发现基于T-Copula函数所构建的联合分布模型与原始数据分布最为契合。以概率统计指标为评估依据,将该方法与传统方法进行了对比验证,得出了该方法的预测精度及适用范围均有所提升的结论。