基于GA-SLFRWNN的空中目标威胁评估

针对空战中目标威胁评估系统非线性、评估难度大且富含不确定信息的问题,研究了基于遗传算法优化模糊递归小波神经网络(single-hidden-layer fuzzy recurrent wavelet neural network optimized by genetic algorithm,GA-SLFRWNN)的目标威胁评估方法。首先通过分析威胁评估的影响因素及其信息的模糊性,将RWNN嵌入FNN的后件部分,以实现增强自学习能力的目的,然后采用GA对模型初始参数进行优化选取,并提出了基于李雅普诺夫理论的最优学习率。仿真实验表明:相比于FNN和FRWNN,该算法提高了系统的稳定性,加快了收敛速度,增强了预测精度。