基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法技术

本发明专利技术公开了一种基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法，首先通过标准轨迹积分迭代生成初始样本，然后通过有监督的学习算法分别建立了瞄准方位角神经网络模型和关机时间神经网络模型，其输入层均为发射点纬度B0、发射点高程H0、发射点与落点之间的大地距离L

【技术实现步骤摘要】
基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法


[0001]本专利技术涉及空间飞行器
，尤其涉及基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法。

技术介绍

[0002]诸元计算是根据发射条件和飞行器性能状态参数，预先计算出确保飞行器沿着预定标准轨迹飞向目标的参数，以此实现飞行器的飞行控制和精度控制。诸元计算是飞行器武器作战应用中的一项重要技术保障工作，诸元计算直接影响飞行器飞行控制稳定性和射击精确度，而诸元计算的正确性和时效性，直接关系飞行器武器发射的成败。
[0003]随着作战要求的提高，对飞行器快速发射要求越来越高，发射准备时间大幅度缩短，随之提出了缩短诸元计算时间的要求。
[0004]目前的诸元计算方法主要有射表拟合、基于自由段解析解和积分计算等。射表拟合法需要预先计算得到大量的数据作为拟合的基础，计算量大，且需制作复杂的数据表，需要通过多次轨迹迭代才能获取初始诸元，计算时间长。自由段解析解方法求解速度较快，但经过拟合后的多项式形式复杂，并且多项式近似计算后的精度受到限制。多年以来，积分计算方法仍然是诸元计算的主流方法。积分计算法首先通过计算发射点到落点的大地距离和大地方位角，以此初值粗略计算主动段关机时间，以粗略关机时间和大地方位角出发，通过多次轨迹迭代，才能得到精确的标准轨迹计算关机时间和瞄准方位角，积分计算法存在积分解算复杂，迭代求解速度慢的问题，越来越无法满足快速机动发射等新发射方式的需求。
[0005]王明海等在传统迭代方法的基础上提出了将落点射程偏差和方位角偏差的二元迭代分解成两个一元迭代的快速迭代方法，减少了轨迹迭代次数，但仍然需要轨迹迭代。雍恩米等建立了计算标准轨迹关机时间、发射方位角、关机方程以及导引方程系数的数学模型，并设计实现了基于该模型的飞行器发射诸元计算软件。但是，上述方法仍然无法彻底解决积分计算复杂、迭代在特定情况下会出现死循环以及无法量化瞄准方位角和关机时间之间强耦合关系的问题，无法实现快速计算初始诸元的目标。

技术实现思路

[0006]针对上述存在的问题，本专利技术旨在提供一种基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法，在保证计算精度的情况下，还能够极大地缩短诸元计算的时间。
[0007]为了实现上述目的，本专利技术所采用的技术方案如下：
[0008]基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法，其特征在于，包括以下步骤，
[0009]S1：分析确定影响初始诸元计算的因素；
[0010]S2：基于影响初始诸元计算的因素，通过标准轨迹积分迭代方法生成瞄准方位角A
mz
和关机时间t
k
的初始样本；
[0011]S3：利用步骤S2中的初始样本建立基于BP神经网络的初始诸元计算模型；
[0012]S4：利用步骤S3中建立的初始诸元计算模型对空间飞行器标准轨迹的初始诸元进行计算。
[0013]进一步的，步骤S2的具体操作包括以下步骤，
[0014]S201：根据给定的发射点和目标点计算发射点和目标点之间的大地距离L
m
和大地方位角A
m
；
[0015]S202：根据发射点和目标点之间的大地距离L
m
和大地方位角A
m
预估关机时间和瞄准方位角的初值t
k0
、A
mz0
；
[0016]S203：将预估的关机时间和瞄准方位角的初值t
k0
、A
mz0
代入标准轨迹得到飞行器落点；
[0017]S204：计算发射点与飞行器落点之间的大地距离L
d
和大地方位角A
d
；
[0018]S205：根据发射点与落点之间的大地距离L
d
和大地方位角A
d
，通过迭代法求解初始诸元关机时间t
k
和瞄准方位角A
mz
。
[0019]进一步的，步骤S205的具体操作包括以下步骤，
[0020]S2051：将飞行器发射点和飞行器落点间的大地距离、大地方位角与瞄准方位角和关机时间之间的关系表达式
[0021][0022]在关机时间和瞄准方位角的初值(t
k0
，A
mz0
)处展开，得到
[0023][0024]式中，A()和L()为隐函数表达式，分别表示由关机时间和瞄准方位角计算大地方位角和大地距离；ΔL和ΔH分别为目标点与飞行器落点的大地距离和大地方位角差值；
[0025]S2052：根据步骤S1051求解得到的Δt
k
和ΔA
mz
进行迭代，则
[0026][0027]式中，k和k+1表示迭代次数；
[0028]S2053：将步骤S2052得到的关机时间t
k
(k+1)和瞄准方位角A
mz
(k+1)代入标准轨迹计算新的飞行器落点，重复步骤S204、S2051和S2052，直至新落点与目标点之间的大地距离和大地方位角差值ΔL、ΔH满足精度要求，得到初始诸元t
k
和A
mz
。
[0029]进一步的，步骤S3中所述的初始诸元计算模型包括瞄准方位角神经网络模型和关机时间神经网络模型。
[0030]进一步的，步骤S3中的瞄准方位角神经网络模型包括输入层，两个隐藏层和一个输出层，输入层的节点数为4，输入量分别为发射点纬度B0、发射点高程H0、发射点与落点之间的大地距离L
d
和大地方位角A
d
；两个隐藏层的节点数分别为19和18，且两个隐藏层的激活
函数均为Sigmoid，输出层的激活函数为线性函数Purline，输出量为瞄准方位角A
mz
，
[0031]进一步的，步骤S3中的关机时间神经网络模型包括输入层，两个隐藏层和一个输出层，输入层的节点数为4，输入量分别为发射点纬度B0、发射点高程H0、发射点与落点之间的大地距离L
d
和大地方位角A
d
；两个隐藏层的节点数分别为15和14，且两个隐藏层均适用对数激活函数Sigmoid，输出层的激活函数为线性函数Purline，输出量为关机时间t
k
。
[0032]进一步的，步骤S3的具体操作包括以下步骤，
[0033]3201：对步骤S2中获取的初始样本进行归一化处理；
[0034]S302：分别建立基于BP神经网络的瞄准方位角神经网络模型和关机时间神经网络模型；
[0035]S303：对瞄准方位角神经网络模型和关机时间神经网络模型进行网络训练和测试。
[0036]进一步的，步骤S301中归一化处理的具体方法为
[0037][0038]式中，y为归一化后的输入样本数据，y
max
为归一化后本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法，其特征在于，包括以下步骤，S1：分析确定影响初始诸元计算的因素；S2：基于影响初始诸元计算的因素，通过标准轨迹积分迭代方法生成瞄准方位角A
mz
和关机时间t
k
的初始样本；S3：利用步骤S2中的初始样本建立基于BP神经网络的初始诸元计算模型；S4：利用步骤S3中建立的初始诸元计算模型对空间飞行器标准轨迹的初始诸元进行计算。2.根据权利要求1所述的基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法，其特征在于，步骤S2的具体操作包括以下步骤，S201：根据给定的发射点和目标点计算发射点和目标点之间的大地距离L
m
和大地方位角A
m
；S202：根据发射点和目标点之间的大地距离L
m
和大地方位角A
m
预估关机时间和瞄准方位角的初值t
k0
、A
mz0
；S203：将预估的关机时间和瞄准方位角的初值t
k0
、A
mz0
代入标准轨迹得到飞行器落点；S204：计算发射点与飞行器落点之间的大地距离L
d
和大地方位角A
d
；S205：根据发射点与落点之间的大地距离L
d
和大地方位角A
d
，通过迭代法求解初始诸元关机时间t
k
和瞄准方位角A
mz
。3.根据权利要求2所述的基于BP神经网络的空间飞行器标准轨迹初始诸元计算方法，其特征在于，步骤S205的具体操作包括以下步骤，S2051：将飞行器发射点和飞行器落点间的大地距离、大地方位角与瞄准方位角和关机时间之间的关系表达式在关机时间和瞄准方位角的初值(t
k0
，A
mz0
)处展开，得到式中，A()和L()为隐函数表达式，分别表示由关机时间和瞄准方位角计算大地方位角和大地距离；ΔL和ΔH分别为目标点与飞行器落点的大地距离和大地方位角差值；S2052：根据步骤S1051求解得到的Δt
k
和ΔA
mz
进行迭代，则式中，k和k+1表示迭代次数；S2053：将步骤S2052得到的关机时间t
k
(k+1)和瞄准方位角A
mz
...

【专利技术属性】
技术研发人员：鲜勇，潘晨辉，郭玮林，蔡涵钰，苏娟，李少朋，任乐亮，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：