刘海波, 王和平,2, 沈立顶

(1.西北工业大学 航空学院, 陕西 西安　710072; 2.西北工业大学 深圳研究院, 广东 深圳　518057)



基于SAPSO优化灰色神经网络的空中目标威胁估计

刘海波1, 王和平1,2, 沈立顶1

(1.西北工业大学 航空学院, 陕西 西安710072; 2.西北工业大学 深圳研究院, 广东 深圳518057)

摘要：针对目标威胁估计有很多不确定性的特点，分析了传统目标威胁估计方法和灰色神经网络初始参数随机选择的不足。采用模拟退火改进的粒子群算法代替梯度修正法，对网络参数初始值进行寻优，并通过该方法搜寻到的最优粒子，建立了基于模拟退火粒子群算法优化的灰色神经网络模型，以提高预测模型的稳健性和精确度。与灰色神经网络和没有改进的粒子群灰色神经网络等方法进行比较，仿真实验结果表明，模拟退火粒子群优化的灰色神经网络具有很好的预测能力，可以准确地完成空中目标威胁估计。

关键词：灰色系统；神经网络；模拟退火；粒子群算法；目标威胁估计

随着航空科学技术的高速发展，空中来袭目标类型多样，运动特征多变，多目标拦截能力已经成为防空武器系统的研究方向和衡量防空作战能力的一个重要指标，根据空防态势对敌方目标威胁性做出合理评估是多目标攻击的关键技术之一，它是目标和火力分配的前提。目前常用的目标威胁估计方法有直觉模糊集[1-4]、贝叶斯推理[5-6]、多属性决策法[7]、优劣解距离法[8]、折衷排序法[9]等。上述方法在确定威胁指标权重时，一定程度上依据专家经验，对各因素权值的处理主观性强，不能随作战环境的变化迅速变化，很难准确映射出威胁因素间的复杂关系。……