倾斜转弯导弹非线性系统逆控制研究

利用BP神经网络对倾斜转弯导弹系统逆动力学系统进行动态模型辨识,进而应用逆系统方法设计了一种用于解决倾斜转弯导弹非线性控制问题的经典控制与神经网络在线自学习相结合的控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪.仿真结果表明,该方案可实现对倾斜转弯导弹系统的非线性控制,且具有较强的鲁棒性.     

基于BP神经网络的导弹作战方案评估方法

构建了一般的机动发射式导弹作战方案评估的指标体系,通过BP神经网络模型对拟制的导弹作战方案进行了评估,得到了评估结果,为导弹武器作战时快速优选作战方案创造条件。     

基于BP神经网络的潜地导弹落点参数计算方法

针对潜地导弹采用传统数值积分迭代法求取落点参数计算量大,不能满足潜艇水下机动发射要求的问题,利用BP神经网路,设计了潜地导弹落点参数快速计算方法.首先介绍了六自由度弹道运动微分方程及其传统计算方法,并分析了采用BP神经网络计算落点参数的可行性,然后通过输入输出变量的选择、样本的设计、BP神经网络的结构设计等,建立了 B...     

BTT导弹自动驾驶仪线性二次型法设计

本文在传统时域设计方法的基础上研究了频域指标描述及其在约束条件下加权阵选择方法;建立了带有积分控制的无静差ＬＱＲ（线性二次型调节器）控制模型;采用ＬＯＲ理论设计了ＢＴＴ导弹自动驾驶仪;并给出了相应设计结果的频域指标。最后,本文给出了自动驾驶仪设计结果及其非线性仿真结论;同时验证了基于ＬＱＲ方法所设计结果的正确性及有效性。     

H∞控制理论在BTT驾驶仪设计中的应用

运用H∞控制理论设计BTT自动驾驶仪中的俯仰-偏航和滚动通道,运用解析的手段设计控制器,使得系统对这一误差范围内的所有被控对象均能满足理想的性能要求,然后通过对设计的自动驾驶仪进行MATLAB数学仿真计算。将得到的计算结果分析,得出结论,验证方法的可行性。     

潜地导弹目标控制快速计算方法

针对潜地导弹目标控制传统计算方法计算量大的问题,首先分析了地球自转、扁率因素对潜地导弹实际射程的影响;然后通过潜地导弹目标控制计算输入输出变量的选择、输入输出数据的预处理及训练集的设计等,基于BP神经网络建立了潜地导弹目标控制的快速计算模型.仿真计算结果表明,潜地导弹目标控制快速计算模型具有较高的计算精度和较快的计算速...     

BTT导弹制导律研究综述

与STT导弹相比,BTT导弹在气动效率、机动能力、控制性能等方面具有明显优势,但其运动耦合特性也给传统研究框架下的制导律设计带来了挑战。本文针对BTT导弹制导律设计问题展开研究,首先描述了BTT导弹制导基本问题,分析了BTT导弹制导律设计的技术难点,需要综合考虑运动耦合、多约束、目标机动、弹体动态效应等因素,然后综述了国内外现代制导律设计的基本方法,将其分为双通道解耦法、球坐标法、现代几何法等,最后指出了BTT导弹制导律的进一步研究方向。     

约束条件下导弹姿态跟踪保性能控制

针对BTT导弹在飞行过程中模型存在较大不确定性,并且控制舵的摆角受到物理装置约束的情况,研究了在约束条件下导弹姿态跟踪保性能控制的设计问题。首先在弹道的特征点处将导弹的非线性运动瞬时线性化,将导弹看作是一个不确定线性系统,提出应用基于线性矩阵不等式的跟踪保性能控制设计姿态控制器,然后推导得到满足控制约束的充分条件,以定理的形式给出了约束条件下跟踪保性能控制存在的充分条件。最后以某型导弹的姿态控制为例,设计了其姿态的跟踪保性能控制器。六自由度仿真结果表明了所得方法的有效性和可行性。     

基于概率神经网络的某导弹发动机系统故障诊断

反向传播神经网络(BPNN)和概率神经网络(PNN)对某型号导弹发动机若干原型故障进行定性的诊断,并将仿真结果进行了比较.仿真结果表明,当测量参数不包含噪声或噪声较小时,两种网络都具有很高地诊断准确率;当测量参数的噪声较大时,概率神经网络的诊断准确率远大于反向传播神经网络,显示了概率神经网络较强的诊断鲁棒性.此外,概率神经网络能够充分利用故障先验知识,并考虑代价因子的作用,从而把误诊断可能带来的损失减小到最低程度.     

一种BP神经网络算法的改进模型

首先对BP网络的结构和算法进行了分析,针对BP网络收敛速度慢,容易陷入局部极小等问题,提出了一种改进的BP网络模型,并对该模型算法进行了改进,通过激活函数的选择,网络的初始化,学习率的调整和训练样本数据的处理等方法,可实现加快网络的收敛速度,并且较好的解决局部最优问题.     

基于神经网络的模型参考自修复飞行控制

提出了一种基于模糊神经网络的模型参考自修复飞行控制结构,并对所使用的BP网络学习算法进行了分析改进.对比非故障和故障状态下的飞行仿真结果表明,改进后的自修复飞行控制方法可以有效地抑制神经网络的"过学习"现象,减小了对神经网络辨识器精度的依赖程度,在故障条件下的补偿作用非常明显,达到了自修复飞行控制的目的.     

BP神经网络的弹道导弹态势等级模型

针对弹道导弹的目标特性和作战特点,对主要态势指标进行了提取,构建了基于BP神经网络的态势等级模型,并按照区间对预警等级进行划分。为提高模型的准确性和适应性,通过样本数据对BP网络进行了训练,并进行了仿真得到了态势等级。仿真结果表明:利用BP神经网络对态势等级进行研究是可行的。     

基于遗传BP神经网络的装甲装备器材需求预测

装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络较强自学习能力和自适应能力对器材需求规律进行学习,并借助遗传算法提高BP神经网络的收敛速度,设计了一种基于遗传算法改进的BP神经网络模型预测方法,对装甲装备器材进行需求预测。通过实例计算表明,该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。     

基于BP神经网络的空中目标威胁排序

研究了BP神经网络算法对空中目标进行威胁排序的方法.水面舰艇对空防御作战中,舰载平台多传感器系统获得空中目标属性信息不完全,利用BP神经网络建立目标各属性权值的分配模型,通过大量的实例对模型进行训练,可以使所获得的空中目标属性信息得到充分利用,从而得到基本符合战场环境的客观的空中目标威胁排序.     

基于BP神经网络的UCAV航迹综合评价

针对目前航迹规划过程中评价指标难以统一且指标权重确定过分依赖主观经验的问题,在建立较为完备的UCAV航迹评价指标体系基础上,引入BP神经网络对UCAV备选航迹进行综合评价,从备选航迹的样本数据出发,客观分析航迹的优劣,为决策者提供更加科学合理的参考依据,最后结合仿真算例,验证了该方法的可行性。     

基于BP神经网络的闭路制导改进方法

针对传统闭路制导方法中的制导方法误差,提出了一种根据"真实目标"进行制导的改进制导方法。采用BP神经网络逼近算法,推导建立预定关机点及落点坐标与需要速度间的映射关系,并装订上弹,使关机点附近对应每一个位置能够映射出相应的需要速度矢量。然后利用闭路制导关机及导引方法对导弹实施控制。通过仿真,该方法大大减小了制导方法误差,提高了导弹射击精度。     

基于BP神经网络的柴油机调速特性和外特性统一建模

对比分析了柴油机调速系统常用的两种建模方法的优缺点,采用BP神经网络方法建立了柴油机调速特性和外特性统一模型,并给出了仿真结果。     

基于BP和Hopfield神经网络的航空肼燃料保障安全评价

针对航空肼燃料保障安全评价的复杂性和非线性,提出并建立了基于BP和Hopfield神经网络的动态安全评价模型。在综合分析国内外肼燃料保障安全评价的基础上,针对航空肼燃料保障过程中出现的问题,构建并优化了指标体系,选取前馈神经网络中的BP网络和反馈神经网络中的Hopfield网络建立评价模型。在详细说明了BP和Hopfield神经网络的构建方法后,进行实例验证,并对预测效果进行了比较分析。仿真表明,两种模型都能正确评价安全保障状态。但在收敛速度、联想记忆功能方面Hopfield神经网络优于BP神经网络。将BP和Hopfield神经网络用于肼燃料保障安全评价过程中,具有适用性和可行性,对于航空肼燃料保障的安全建设与安全管理研究具有重要意义。     

基于BP神经网络的柴油机动态输出扭矩预测建模

比照测试柴油机负荷特性方法对某型废气涡轮增压柴油机进行了全工况热平衡台架试验,并以柴油机各稳定工况点台架试验的转速、加油尺杆位移、排气温度及相应输出扭矩的测试数据为训练、测试样本,通过BP神经网络的反复学习,得到了精度较高且泛化能力较强的柴油机动态输出扭矩预测模型。