基于GA-BP神经网络的制导炮弹高空风速风向估计方法技术

本发明专利技术为一种基于GA

【技术实现步骤摘要】
基于GA
‑
BP神经网络的制导炮弹高空风速风向估计方法


[0001]本专利技术属于制导炮弹高空风速快速估计
，具体涉及一种基于GA
‑
BP神经网络的制导炮弹高空风速风向估计方法。

技术介绍

[0002]制导弹箭武器具有高精度打击敌方目标的能力，是当前弹箭技术研究的热点方向。但同时这类武器系统十分复杂、造价高昂，且连发速度低、作战成本高。随着制导弹箭装备的种类与数量的增加，如何在战场上高效使用这类制导弹箭也已成为迫切研究的课题。随着计算机仿真技术发展，制导炮弹飞行过程中，需对其状态和环境特征量(如飞行弹道参数、目标等)进行收集、逻辑分析、解算与控制，通过改变弹丸气动特性来调整飞行弹道，通过对有控弹箭的控制模块(卫星、惯导、舵机、导引头等)仿真建模，考虑气象分布特性、控制器件误差特性等因素的控制弹道特性仿真，将为制导弹箭作战使用提供较准确的目标打击落点分布理论依据。作为高空飞行武器，高空中的风速风向对制导弹箭的飞行位置和姿态信息等都有很大的影响，对最后的制导精准度也就有显著影响，如何快速测出气象数据并且做出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于GA
‑
BP神经网络的制导炮弹高空风速风向估计方法，其特征在于，包括如下步骤：步骤(1)：进行实际飞行标记实验，采集实验环境中，滑翔增程制导炮弹的每个采样时刻的飞行姿态角、速度、加速度、位置，并记录制导炮弹质量，通过放气象气球得到不同高度下的风速风向信息；步骤(2)：建立弹道运动模型和气动力学模型；步骤(3)：通过弹载传感器获取每个采样时刻的运动参数并计算理论弹道数据；步骤(4)：搭建反向传播神经网络，将弹道坐标系下每个采样高度的风速风向作为输出，将制导炮弹的每个采样点采集的飞行姿态角、飞行速度、加速度和理论弹道数据作为输入，然后使用遗传算法对数据预处理、优化，用反向传播神经网络模型进行训练，等神经网络模型训练完成后保存训练模型；步骤(5)：在实地需要测量的地方，发射一枚相同的滑翔增程制导炮弹，并且记录下每个采样时刻的飞行姿态角、速度、加速度、位置、推力信息；步骤(6)：将制导炮弹的发射速度、炮弹飞行力矩和每个采样点采集的飞行姿态角、飞行速度、加速度信息作为训练好的人工神经网络模型的输入，求出输出的风速向量。2.根据权利要求1所述的方法，其特征在于，步骤(2)建立弹道地面坐标系下的运动模型为：型为：型为：型为：型为：型为：型为：型为：
动力平衡角的直接计算公式为：动力平衡角的直接计算公式为：动力平衡角的直接计算公式为：动力平衡角的直接计算公式为：直接计算公式中的参数为：x2＝(a
a
‑
a
b
)b
y
V
r2222
V
rx
＝V
x
‑
W
x
V
ry
＝V
y
V
rz
＝V
z
‑
W
z
式中，V
x
为滑翔弹横轴方向速度，V
y
为滑翔弹纵轴方向速度，V
z
为滑翔弹竖轴方向速度，m为弹体质量，t表示时间，ρ表示空气密度，W表示风速，V
r
表示实际速度，xyz表示各个方向位移大小，C
x0
表示阻力系数、攻角为0，S表示特征面积，C
x
表示阻力系数，C
y
表示升力系数，C
z
马格努斯力系数，α
e
表示动力平衡角，γ表示弹轴坐标系转的角度，d表示弹径，l表示弹长，m
y
表示偏航力矩，m
z
表示静力矩系数。3.根据权利要求2所述的方法，其特征在于，步骤(4)搭建反向传播神经网络具体为：确定反向传播BP神经网络模型的输入层节点数、隐含层神经元个数、激活函数、以及输出层节点数，优化算法；包括如下步骤：步骤(41)：输入层节点设定基于有控滑翔弹的运动模型以及实弹发射数据，确定影响因素分别为射程x、飞行高度y、侧偏z、滑翔弹速度V、推力P，其中滑翔弹速度V分解成V
x
、V
y
以及V
z
三个分量，共7个变量；确定网络的输入层的节点数n＝7；
步骤(42)：隐藏层节点设定在三层网络中，隐含层定位一层，神经网络个数l和输入层神经元个数n，输出神经元个数m之间有经验公式：a为0～10之间的整数，设隐藏层节点l为15；步骤(43)：输出层节点数设定借助反向传播BP神经网络实现对不同高度的风速W的辨识，选定输出层的节点数m＝1；步骤(44)：对数据...

【专利技术属性】
技术研发人员：何虎，易文俊，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：