基于数据驱动的弹目距离及剩余飞行时间分析方法技术

本发明专利技术公开了基于数据驱动的弹目距离及剩余飞行时间分析方法，涉及飞行器制导控制领域，包括

【技术实现步骤摘要】
基于数据驱动的弹目距离及剩余飞行时间分析方法


[0001]本专利技术涉及飞行器制导控制领域，尤其涉及一种基于数据驱动的弹目距离及剩余飞行时间分析方法
。

技术介绍

[0002]飞行器的导引律可分为经典导引律和现代导引律，经典导引律尤其是比例导引及其改进形式在实际中获得广泛的应用，但经典导引律在理论上存在缺陷，导致对付机动目标时不能保证视线的稳定，产生较大的脱靶量，同时在攻击时间和攻击角度约束的制导要求上，传统导引律在工程实现上也存在较大难度
。
然而基于现代控制理论产生的现代导引律却能有效地解决上述问题，并具有良好的导引效果，如最优导引律
、
滑模导引律
、
自适应导引律等，是未来发展和应用的重要方向
。
但现代导引律相比经典导引律，不仅在形式上更加复杂，而且除了视线角速率外，需要更多的弹目相对信息，其中弹目距离和剩余飞行时间是最重要的两个参数
。
[0003]一般被动导引头仅能测量弹目视线角速率或失调角，弹目距离和剩余飞行时间通常很难通过弹载设备直接测量，往往需要建立数学模型进行估计
。
当前已存在大量的文献介绍了对该参数进行估计的方法，其通常是在导弹制导过程按比例导引律飞行
、
导弹速度不变且速度前置角为小量的假设条件下获得的，很难在实际工程中应用
。
结合导弹实际制导飞行情况，弹目初始关系的任意性较大，尤其在寻的制导导弹上更是如此，不同的导弹具有不同的气动特性，这使得制导过程中的速度变化与导弹特性相关，从而剩余飞行时间因导弹速度变化不同而存在个性差异
。
因此，从工程应用角度上设计通用的弹目距离估计和剩余飞行时间计算方法的难度非常大
。

技术实现思路

[0004]本专利技术的目的就在于为了解决上述问题设计了一种基于数据驱动的弹目距离及剩余飞行时间分析方法
。
[0005]本专利技术通过以下技术方案来实现上述目的：
[0006]基于数据驱动的弹目距离及剩余飞行时间分析方法，包括：
[0007]S1、
根据弹目空间几何关系，获得影响弹目距离和剩余飞行时间的可测量参数，分析可测量参数的关系，确定神经网络模型的输入特征和输出特征；
[0008]S2、
获取仿真弹道数据；
[0009]S3、
对仿真弹道数据进行归一化处理，并设置滑动窗口大小和步长，获得模型训练集；
[0010]S4、
训练集导入神经网络模型，对其进优化训练，得到优化训练后的神经网络模型；
[0011]S5、
获取待预测的可测量参数；
[0012]S6、
使用优化后的神经网络模型对待预测的可测量参数进行分析，得到飞行器的
弹目距离和剩余飞行时间
。
[0013]本专利技术的有益效果在于：通过明确影响弹目距离和剩余飞行时间的影响参数，以及分析影响参数的关系，降低影响参数的关联程度及数量；同时基于导弹制导控制仿真模型和导弹攻击边界，产生多条仿真弹道数据；通过对仿真数据进行处理获得训练集，并采用神经网络搭建数据驱动模型并进行训练，最后利用优化后的神经网络模型对弹目距离及剩余飞行时间进行预测分析
。
附图说明
[0014]图1是视线角和框架角间的几何关系；
[0015]图2是单次仿真弹道到数据样本的处理过程；
[0016]图3是基于数据驱动的弹目距离和剩余飞行时间估计模型获取流程；
[0017]图4是基于
MATLAB
的神经网络模型训练过程；
[0018]图5是神经网络训练迭代过程误差曲线；
[0019]图6是弹目距离和剩余飞行时间预测
。
具体实施方式
[0020]为使本专利技术实施例的目的
、
技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述
。
显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计
。
[0021]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0022]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释
。
[0023]在本专利技术的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位
、
以特定的方位构造和操作，因此不能理解为对本专利技术的限制
。
[0024]此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性
。
[0025]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通
。
对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义
。
[0026]下面结合附图，对本专利技术的具体实施方式进行详细说明
。
[0027]基于数据驱动的弹目距离及剩余飞行时间分析方法，包括：
[0028]S1、
根据弹目空间几何关系，获得影响弹目距离和剩余飞行时间的可测量参数，分析可测量参数的关系，确定神经网络模型的输入特征和输出特征；可测量参数包括导弹俯仰角
θ
、
方位角
ψ
、
滚转角
γ
、
导引头俯仰框架角
η
α
、
方位框架角
η
β
、
导弹的位置
x y z、
导弹前向速度
v
x
、
垂直速度
v
y
和侧向速度
v
z
；
[0029]当导引头锁定目标后，导弹俯仰角
θ
、
方位角
ψ
、
滚转角
γ
、
俯仰框本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于数据驱动的弹目距离及剩余飞行时间分析方法，其特征在于，包括：
S1、
根据弹目空间几何关系，获得影响弹目距离和剩余飞行时间的可测量参数，分析可测量参数的关系，确定神经网络模型的输入特征和输出特征；
S2、
获取仿真弹道数据；
S3、
对仿真弹道数据进行归一化处理，并设置滑动窗口大小和步长，获得模型训练集；
S4、
训练集导入神经网络模型，对其进优化训练，得到优化训练后的神经网络模型；
S5、
获取待预测的可测量参数；
S6、
使用优化后的神经网络模型对待预测的可测量参数进行分析，得到飞行器的弹目距离和剩余飞行时间
。2.
根据权利要求1所述的基于数据驱动的弹目距离及剩余飞行时间分析方法，其特征在于，可测量参数包括导弹俯仰角
θ
、
方位角
ψ
、
滚转角
γ
、
导引头俯仰框架角
η
α
、
方位框架角
η
β
、
导弹的位置
x y z、
导弹前向速度
v
x
、
垂直速度
v
y
和侧向速度
v
z
。3.
根据权利要求2所述的基于数据驱动的弹目距离及剩余飞行时间分析方法，其特征在于，分析可测量参数的关系具体为：设在某时刻弹目相对距离为
R
，根据弹目空间几何关系，得
R
在弹体系
O
‑
x1y1z1和发射系
O
g
‑
x
g
y
g
z
g
中的位置分量，且有如下关系成立，其中，为
O
‑
x1y1z1到
O
g
‑
x
g
y
g
z
g
的转换阵，则视线高低角和方位角为：其中，
L
m,n
为中第
m
行
n
列元素；神经网络模型输入特征数量
N
i
＝8，包括
x、y、z、v
x
、v
y
、v
z
、q
γ
、q
λ
；输出特征数量
N
o
＝8，包括弹目距离
R

【专利技术属性】
技术研发人员：谭晓军，冯高鹏，卢永刚，钱立新，李永泽，陈伟，梁熙，
申请(专利权)人：中国工程物理研究院总体工程研究所，
类型：发明
国别省市：