一种基于神经网络的半实物仿真红外噪声控制方法技术

技术编号:17485368 阅读:30 留言:0更新日期:2018-03-17 09:57
本发明专利技术公开了一种基于神经网络的半实物仿真红外噪声控制方法,包括:步骤一:确定三层神经网络的输入层向量,中间层向量,以及输出层向量;步骤二:根据历史数据获取训练样本对神经网络进行训练;步骤三:按照一定的采样周期采取弹道目标距离L

An infrared noise control method based on neural network in hardware in the loop simulation

【技术实现步骤摘要】
一种基于神经网络的半实物仿真红外噪声控制方法
本专利技术涉及计算机领域,尤其涉及一种基于神经网络的半实物仿真红外噪声控制方法。
技术介绍
利用计算机的强大建模功能模拟生产红外场景,已经成为红外仿真领域的重要研究课题之一。红外成像制导仿真可以降低武器的研制成本,缩短周期。红外成像制导导弹在研究阶段就需要进行大量的实验测试和仿真实验,利用计算机生成动态红外仿真图像,展现红外成像制导导弹追踪识别目标的仿真过程,实现对目标按照真实尺寸比例,利用3DMAX建立三维建模,通过环境时域特征,建立环境模型;根据导弹运动规律建立运动模型,等一系列的模型设计,用于加强导弹在复杂的环境下的识别追踪能力。在对背景环境及噪声干扰的真实模拟,经常需要准确的测试和优化,以更精准地测试其对导弹性能的影响。在以往的红外成像制导导弹模拟训练中,对于噪声干扰和背景环境的模拟控制中通常需要对红外景象生成系统控制机进行手动操作控制,这就造成了人为对于相关参数设置、释放强度点的把握等的准确度较低,会不利于环境的真实模拟和导弹抗干扰性的评估。因此,如何通过计算机在传统红外成像生成系统中的控制基础上,根据具体需要和相应的仿真状态自动调控对红外噪声的实时准确控制,避免人为手动操作,就变得尤为重要。
技术实现思路
本专利技术为克服目前技术的不足之处,提供一种基于神经网络的半实物仿真红外噪声控制方法,能够根据实际相应仿真状态对红外噪声进行实时的准确控制。本专利技术提供的技术方案为:步骤一、按照采样周期,通过红外景象模拟机传输弹道目标距离La,距地面高度H,运动速率Va,运动加速度a,场景温度T,风速Vb;步骤二、依次将上述参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5,x6};其中x1为目标距离系数,x2为距地面高度系数,x3为运动速率系数,x4为运动加速度系数,x5为场景温度系数,x6为风速系数;步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,Λ,ym};m为中间层节点个数;步骤四、得到输出层向量o={o1,o2,o3,o4};o1为红外噪声的释放强度调节系数,o2为持续时间调节系数,o3为释放速率调节系数,o4为释放范围调节系数;步骤五、仿真机控制红外景象模拟机的噪声释放强度、持续时间、释放速率和释放范围的参数,使其中,分别为第i次采样周期输出层向量四个参数,pamax、tbmax、Vcmax、Rmax分别为释放最大强度,持续最长时间、释放最大速度和释放最大范围,pai+1、tbi+1、Vci+1、Ri+1分别为第i+1个采样周期时释放强度、持续时间、释放速率和释放范围。优选的是,步骤二中,利用如下公式对环境温度T进行规格化其中,Tmax和Tmin分别为环境温度的最大值和最小值;最高温度为70℃,最低温度为-50℃。优选的是,目标距离La满足:La=-8.26[Ln(Va+1.08)]2+1.93e(H-1.39)+5.26Hmax其中,Hmax为距地面高度最大值。优选的是,所述中间层节点个数m满足:其中p为输出层节点个数,n为输入层节点个数。优选的是,场景内不同方位设有mT个温度,其温度值参数分别为根据场景位置赋予该温度值权值WTi,通过下式计算内部温度T优选的是,步骤三中,将弹道目标距离La,距地面高度H,运动速率Va,运动加速度a,风速Vb进行规格化的公式为:其中,xj为输入层向量中的参数,Xj分别为测量参数La、H、Va、a、Vb,j=1,2,3,4,5,6;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。优选的是,初始运动状态,释放速率Vc,释放范围R满足经验值:Vc0=0.73VcmaxR0=0.81Rmax其中,Vc0、R0分别为释放初始速度和释放初始范围,Vcmax、Rmax分别为噪音释放最大速度和释放最大范围。优选的是,步骤四中,采用S曲线速度控制方法对噪音释放速率进行控制。本专利技术所述的有益效果:本专利技术提供了一种基于神经网络的半实物仿真红外噪声控制方法,构建了人工神经网络,具有自学习和预测功能,使其具有良好的适应性和调控的准确性。本专利技术能够处理多参数、非线性系统的控制问题,避免了人工操作带来的误差和时差,从而提高系统的集成度和实时性,实现实时仿真。附图说明图1为本专利技术所述的基于神经网络的半实物仿真红外噪声控制方法流程图。具体实施方式下面结合附图对本专利技术做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。半实物仿真控制台,连接控制仿真机、红外景象模拟机、红外景象控制机及红外动态图像生成系统;红外景象模拟机,实时查询各种红外噪声的控制命令,接收仿真机控制参数,生成预定的红外噪声;红外动态图像生成系统,接收仿真机发布的红外噪声模拟控制指令,实时生成相应的红外热辐射动态图像;所述仿真机依据不同弹道验证需求对所述红外噪声模拟控制模块进行初始设置,并根据接收到的实时噪音数据参数开始解算,实时仿真;为实现半实物仿真的红外噪声模拟控制,用仿真机建立基于BP神经网络的半实物仿真红外噪声控制方法,包括以下步骤:步骤一:建立BP神经网络模型。本专利技术采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示n个输入参数,些信号参数由数据预处理模块给出。第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定。第三层为输出层,共p个节点,由系统实际需要输出的响应确定。该网络的数学模型为:输入向量:x=(x1,x2,...,xn)T中间层向量:y=(y1,y2,...,ym)T输出向量:O=(o1,o2,...,op)T本专利技术中,输入层节点数为n=6,输出层节点数为p=4。隐藏层节点数m由下式估算得出:输入信号6个参数分别表示为:x1为目标距离、x2为环境温度系数、x3为运动速率系数、x4为运动加速度、x5场景温度、x6风速;由于仿真机接收的数据属于不同的物理量,其量纲各不相同。因此,在数据输入人工神经网络之前,需要将数据规格化为0-1之间的数。具体而言,对于弹道导弹的目标距离La进行规格化后,得到目标距离的系数其中,Lamax与Lamin分别为弹道导弹与目标距离的最大值和最小值。同样的,对于距地面高度H进行规格化后,得到距地面高度系数其中,Hmax与Hmin分别为弹道导弹距地面高度的最大值和最小值。对弹道导弹运动速率Va进行规格化,得到运动速率系数其中,Vamax与Vamin分别为运动速率最大值和最小值。对弹道导弹运动加速度a进行规格化,得到运动加速度系数其中,amax与amin分为运动最大加速度和最小加速度。对场景温度T进行规格化,得到场景温度系数其中,Tmax与Tmin分别为温度最大值和最小值。对场景风速Vb进行规格化,得到场景风速系数其中,Vbmax与Vbmin分别为风速的最大值和最小值。在本专利技术中,环境最高温度Tmax为70℃,环境最低温度为-50℃。采用S曲线速度控制方法对噪音释放速率进行控制。在半实物仿真红外模拟中,根据大量经验数据模拟,弹道导弹和目标距离La满足以下关系La=-8.26[Ln(Va+1.08)]2+1.93e(H-1.39)+5.26Hmax其中,Hmax为距地面高度最大值。输出的四个参数分别为:o1为红外噪声的释放强度调节系数,o本文档来自技高网...
一种基于神经网络的半实物仿真红外噪声控制方法

【技术保护点】
一种基于神经网络的半实物仿真红外噪声的控制方法,其特征在于,还包括:步骤一、按照采样周期,通过红外景象模拟机传输弹道目标距离L

【技术特征摘要】
1.一种基于神经网络的半实物仿真红外噪声的控制方法,其特征在于,还包括:步骤一、按照采样周期,通过红外景象模拟机传输弹道目标距离La,距地面高度H,运动速率Va,运动加速度a,场景温度T,风速Vb;步骤二、依次将上述参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5,x6};其中x1为目标距离系数,x2为距地面高度系数,x3为运动速率系数,x4为运动加速度系数,x5为场景温度系数,x6为风速系数;步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;步骤四、得到输出层向量o={o1,o2,o3,o4};o1为红外噪声的释放强度调节系数,o2为持续时间调节系数,o3为释放速率调节系数,o4为释放范围调节系数;步骤五、仿真机控制红外景象模拟机的噪声释放强度、持续时间、释放速率和释放范围的参数,使其中,分别为第i次采样周期输出层向量四个参数,pamax、tbmax、Vcmax、Rmax分别为释放最大强度,持续最长时间、释放最大速度和释放最大范围,pai+1、tbi+1、Vci+1、Ri+1分别为第i+1个采样周期时释放强度、持续时间、释放速率和释放范围。2.根据权利要求1所述的一种基于神经网络的半实物仿真红外噪声的控制方法,其特征在于,步骤二中,利用如下公式对环境温度T进行规格化其中,Tmax和Tmin分别为环境温度的最大值和最小值;最高温度为70℃,最低温度为-50℃。3.根据权利要求1所述的一种基于神经网络的半实物仿真红外噪声的...

【专利技术属性】
技术研发人员:岳俊华张朝郭秀娟
申请(专利权)人:吉林建筑大学
类型:发明
国别省市:吉林,22

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1