张超然，吕余海

(海军研究院，上海 200020)

0 引言

机载武器攻击区是飞行员判断导弹发射时机的重要依据，准确的攻击区是有效完成空战任务的重要保证。目前，机载武器攻击区计算主要包括理论计算法、插值算法和拟合算法等[1]。理论计算法利用武器模型，根据发射条件，通过解算微分方程组得到攻击区[2-3]，计算的攻击区较为精确，但是计算量大，实时性不高。插值算法需要离线计算全面的攻击区数据，建立攻击区数据表，再根据当前状态进行插值计算，需要庞大的存储资源。拟合算法是利用离线样本数据，拟合导弹发射参数与攻击区间的映射关系，将拟合参数装载到火控系统[4]，火控系统根据实时的发射状态计算攻击区。

传统拟合算法包括多项式拟合、三角函数拟合等，此类方法依赖于模型的准确性，而由于攻击区的高度非线性，无法进行精确的拟合。基于神经网络的拟合算法无需对函数进行建模，可以利用输入输出样本，直接对神经网络进行训练，可有效提高攻击区计算精度[5-6]。

神经网络拟合算法的估计效果严重依赖于样本的数量与质量，受到飞行试验成本的限制，可利用的导弹真实飞行数据往往较少且不全面，攻击区拟合算法一般需要大量飞行仿真数据作为训练样本。然而，由于仿真与导弹实际飞行的真实性存在差距，仿真得到的数据置信度往往低于实际飞行试验数据[7]，由于传统神经网络算法无法区分不同样本，导致少量实际飞行数据对估计结果的影响很小，算法无法有效的利用这些数据的信息。……