标准化全连接残差网络空战目标威胁评估

针对空战态势中威胁评估传统方法存在缺乏自学习能力和面对大样本数据集推理能力不足的问题,提出了利用深度学习的基于标准化全连接残差网络空战目标威胁评估的方法。将影响空战目标威胁的主要因素作为输入,利用普通全连接神经网络训练模型的自学习能力,结合批量标准化(Batch Normalization)的优化算法和结构优化的残差网络(ResNet)增强网络的自学习能力,比较了样本的标记和网络模型的输出。分析了训练样本个数对网络训练准确率和损失变化的影响,对比了3种不同数据量下的训练模型在同一测试集下测试的准确率和损失变化。结果表明,该方法可以快速准确地评估空战中目标的威胁程度。     

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。     

战场威胁约束下的纯方位探测单观测站轨迹优化

为保证战场环境下单站纯方位无源探测的精度和观测站的战场生存能力,提出一种战场威胁约束下的单观测站轨迹优化方法。对典型战场威胁进行分析,建立战场威胁和单观测站运动轨迹的数学模型。在此基础上综合考虑单观测站探测精度和所受威胁程度,分别构建精度打分函数和威胁打分函数,得到单观测站的路径选择函数,并对观测站不同轨迹进行评价。仿真结果表明,所提方法能够有效规避战场威胁并提高定位精度,保证战场环境下单站纯方位探测的准确性和可靠性。     

初始误差和制导工具误差估计的非线性方法

准确估计初始误差和制导工具误差是机动发射飞行器精度鉴定必须解决的重要问题之一,提出了一种基于非线性模型的误差估计新方法。给出了平台初始失准角向定向误差的转换方法,采用不动点迭代法实现真实视加速度的精确计算,将真实发射系的轨道参数表示为初始误差和工具误差的非线性函数,结合外测数据建立了同时估计初始误差、工具误差、外测系统误差、遥外测时间零点偏差的非线性模型,避免了初始误差的线性化近似。给出了Bayes极大后验估计方法,利用非线性模型和先验信息获得误差的最优估计,证明了估计方法的收敛性。仿真结果表明,所提方法提高了初始误差和工具误差的估计精度,并实现了测量数据的自校准。     

组合建模的海上机动目标群威胁预警方法

根据海上机动目标运动特性,提出用灰色模型与自回归时序组合建模方法构建机动目标运动预测模型.依据此模型对双方火力控制区的变化进行预测,最后给出了海上机动目标威胁预警仿真系统的实现思路.解决了陆基常规导弹对抗海上机动目标群的作战保障工程的部分问题,具有较强的军事应用价值.