基于粒子群优化支持向量机神经网络的弹丸落点预报
2017-05-25赵捍东
探测与控制学报 2017年2期
关键词:优化
马 焱,赵捍东,黄 鑫
(中北大学机电工程学院,山西 太原030051)
基于粒子群优化支持向量机神经网络的弹丸落点预报
马 焱,赵捍东,黄 鑫
(中北大学机电工程学院,山西 太原030051)
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7.371 m,横偏最大误差为0.886 m;落点预报时间在35 ms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。
神经网络;PSO算法;SVM;落点预测
0 引言
现代战争中,实现精确打击已是弹药发展的重中之重,其中弹丸落点的准确预测是实现精确打击的重要前提[1]。落点预测制导律要求在无控状态下预报弹丸的实际落点,计算其与目标点的弹道偏差,据此下达控制指令以调节落点偏差,实现弹道修正,从而减小脱靶量[2]。采用落点预测制导律时,落点预报的精度直接关系到制导精度,因此快速并精确地落点预报对实现弹道修正,提高制导精度有十分重要的意义。
用数值解法进行弹丸落点的预测是经典的做法,然而数值解法是建立在现有外弹道方程基础上的,落点预报精度过多依赖于弹载计算机的处理能力,且数值计算量大、解算时间长和迭代过程中易产生大的累积误差,同时外弹道模型与实际飞行轨迹之间的偏差也会给落点预测带来误差。……
登录APP查看全文
