导读:本文包含了神经网络中制导律论文开题报告文献综述及选题提纲参考文献，主要关键词:神经网络,追逃博弈,导弹制导律,滚动时域优化
神经网络中制导律论文文献综述
朱强,邵之江[1]（2019）在《基于神经网络的实时滚动追逃博弈导弹制导律》一文中研究指出针对导弹实时滚动追逃博弈对抗双方制导律求解问题,设置了若干组对抗双方初始状态,采用分解正交配置法分别离线求解双边开环最优控制,并组成神经网络训练数据集。基于数据集将所有短周期初始和终止时刻对抗双方的状态和控制变量作为输入和输出,采用反向传播(back propagation,BP)算法训练神经网络。然后分别在简单、复杂和不确定环境下,基于滚动时域优化框架使用BP神经网络估计短优化周期内双边开环最优控制,反馈更新对抗双方状态并重复上述过程,进而实时滚动求解导弹追逃博弈双边闭环最优控制。最后将上述方法和直接法得到的优化结果进行比较,捕捉点位置和博弈时间最大误差分别为0.554%和0.097%,两种方法的优化结果吻合较好。同时本文方法计算耗时明显下降,有效提高了导弹滚动追逃博弈制导律求解的实时性。(本文来源于《系统工程与电子技术》期刊2019年07期）
魏倩,蔡远利[2]（2016）在《一种基于神经网络的中制导改进算法》一文中研究指出针对地球扁率影响下的大气层外导弹中段制导问题,提出了基于BP神经网络的模型预测改进算法,并且创新使用轨道偏差解析解来构造训练样本集。首先,利用极点变换方法把弹体受到的J_2项摄动引力优化分解为与运动轨迹相关的扰动函数;然后,采用偏差状态空间的转移矩阵,建立起导弹在J_2项摄动作用下的轨道偏差公式;最后,利用偏差公式构造取值广泛的训练样本集并训练BP神经网络,从而建立起关于虚拟目标信息的预测模型,计算出中段制导控制所需的增益速度矢量。该模型的优点是利用极点变换和状态转移矩阵直接求解J_2项摄动偏差,避免了进行大规模的数值积分运算;神经网络拥有强大的学习能力,保证了预测模型的全面性及精确性;BP神经网络可以预先离线训练、学习,大大缩短了计算时间。与传统Lambert迭代补偿修正方法相比,改进型BP神经网络补偿算法可以同时满足实时计算速度及计算精度的双重要求,具有较强的实际工程意义。(本文来源于《西安交通大学学报》期刊2016年07期）
温先福,李刚,张兴,王耀[3]（2014）在《基于模糊神经网络的滑模变结构制导律的研究》一文中研究指出针对滑模变结构制导律难以避免的抖动问题,提出了用模糊神经网络控制去抖动的方法。介绍了滑模变结构控制一般的消除抖动的方法,引出一般的滑模变结构制导律,然后介绍模糊神经网络控制理论,设计出基于模糊神经网络、具有更好去抖动能力的滑模变结构制导律。Matlab弹道仿真表明,与一般的滑模变结构制导律相比,该制导律不仅去抖动效果很好,而且脱靶量非常小,制导精度高,对机动目标的拦截具有非常好的效果。(本文来源于《弹道学报》期刊2014年04期）
刘旭[4]（2014）在《带落角约束的模糊神经网络变结构末制导律研究》一文中研究指出随着现代战争中的导弹技术的不断发展,使用空地导弹对地攻击已成为航空武器发展的重点。在某些情况下空地导弹攻击目标时,不仅要求获得最小的脱靶量,同时末端落角也有要求,以此来发挥战斗部最大效能,取得最佳毁伤效果。而目前大部分制导律在要求限制导弹落角约束方面达不到作战要求,因此有必要对这种有特殊要求的制导律进行研究。首先,本文根据导弹末端的弹目相对运动关系,推导出弹目运动方程。由于制导律要求既要满足脱靶量又要满足落角约束,所以引入滑模变结构控制方法来同时满足这两个要求。由于变结构控制中存在切换函数和趋近律函数,这样就出现了开关函数造成的抖动问题。模糊逻辑控制具有较强的非线性逼近能力,本文中利用这一优点消除了变结构控制中的开关项增益引起的抖动问题,给出了带落角约束的模糊变结构末制导律,并通过仿真分析,验证了该制导律的正确性,同时给出了不同的趋近律系数、角误差系数下的制导律特性曲线。其次,为了提升跟踪大机动目标的性能,本文使用BP神经网络对带落角约束的模糊变结构末制导律进行了优化设计。选用目标在典型的阶跃机动模式时的不同的趋近律系数、角误差系数下的输入输出为训练样本,训练该神经网络,使模糊变结构末制导律能够在保证落角约束前提下,较好跟踪大机动目标。仿真结果表明,经过神经网络优化后的制导律在各方面的性能都有显着提高。最后,在传统的PC平台视景仿真系统的基础上,成功设计了基于嵌入式系统和虚拟现实技术的新型制导律仿真平台。其中嵌入式系统平台模拟弹载计算机解算制导律过程,PC平台负责视景叁维显示,文中给出了整个仿真平台的设计过程,仿真的效果到达了期望要求。(本文来源于《沈阳理工大学》期刊2014-12-01）
贺金萍,姜长生,周丽,何骁[5]（2009）在《空空导弹的神经网络自适应终端滑模末制导律》一文中研究指出主要研究空空导弹的末制导问题。简单研究了叁维比例导引律,基于Terminal滑模控制方法提出一种新型的叁维末制导律,并分析了它的不足,在此基础上进行改进,从而提出基于RBF神经网络的自适应快速终端滑模(AFTSM)制导律。该制导律在非线性系统的精确模型未知的情况下,通过RBF神经网络对非线性模型进行逼近,并根据Lyapunov方法设计了参数自适应律。最后对所研究的导引律在目标机动情况下进行仿真验证,仿真结果表明,该制导律与比例制导相比有较大的性能改善。(本文来源于《电光与控制》期刊2009年09期）
章钱,李士勇[6]（2009）在《一种新型自适应RBF神经网络滑模制导律》一文中研究指出针对导弹拦截问题,提出一种自适应RBF神经网络滑模制导律.首先根据准平行接近原理和变结构控制理论设计滑模面,然后将滑模面作为RBF神经网络的输入变量,输出量即为导弹的加速度.为了使得导弹系统能够到达滑模面,采用自适应算法实时在线调整RBF神经网络的连接权值.该导引律将目标机动视为干扰量,在拦截过程中不需要测量目标加速度,因此该导引律对目标机动具有较强的鲁棒性.在执行上,只用到了视线角速率,因而实现简单.仿真结果表明,所提出的导引律和比例导引相比在脱靶量、拦截时间等方面有了很大的提高.(本文来源于《智能系统学报》期刊2009年04期）
刘国琴,陈谋,姜长生[7]（2009）在《基于神经网络的导弹变结构制导律》一文中研究指出导弹的打击精度容易受干扰的影响,针对这些未知干扰的存在,利用RBF神经网络具有自学习的能力,并结合变结构控制方法的鲁棒性,提出了一种基于RBF神经网络的滑模变结构控制的导弹制导律。利用RBF神经网络对干扰进行在线估计,克服了未知干扰对制导精度的不利影响,并且分析了闭环系统的稳定性。仿真结果表明,RBF神经网络能够很好地估计出干扰,所设计的制导律能够不受干扰的影响,从而快速精确地打击到目标,验证了该制导律的有效性和鲁棒性。(本文来源于《电光与控制》期刊2009年04期）
靳文涛[8]（2009）在《反导拦截弹主动段神经网络中制导律研究》一文中研究指出针对远程反导拦截的需求,提出了一种主动段神经网络中制导律。仿真研究表明,所提出的神经网络中制导律能近似跟踪优化弹道,对弹道倾角扰动、速度干扰和预测命中点变化具有较强的鲁棒性。(本文来源于《现代防御技术》期刊2009年02期）
张汝川,顾文锦,于进勇,赵红超[9]（2009）在《基于Hopfield神经网络的最优滑模制导律研究》一文中研究指出本文的研究目的在于使制导律既保留最优制导动态性能好、节省能量的优点,同时又对有界机动目标具有良好的鲁棒性。首先,在导弹-目标追逃问题的相对运动学关系的基础上,我们根据制导动态性能好、节省制导能量要求,构造了线性二次型性能指标,利用Hopfield神经网络在线实时求解该最优制导问题,克服了实际中的最优制导难于求解的问题;同时为了在拦截有界机动目标时,保证视线角速率趋于零,又将滑模控制理论引入到制导律的设计中,并利用Lyapunov稳定性理论对该新型导引律的稳定性进行了证明。仿真结果表明该导引律能够对有界机动目标具有较强的鲁棒性,保证了导弹在追逃过程中使视线角速率趋于零,导弹的指令加速度较小。(本文来源于《宇航学报》期刊2009年01期）
桑保华,姜长生[10]（2008）在《高超声速巡航导弹的神经网络虚拟目标微分对策中制导律(英文)》一文中研究指出针对高超声速巡航导弹的高空巡航飞行段,采用虚拟目标的定义方法,结合微分几何知识以及运动学方程建立了导弹与目标的相对运动模型,并在此基础上视其与虚拟目标之间的运动为单目标微分对策问题。利用哈密尔顿函数求解方法推导了开环微分对策中制导律,同时建立了一种新的闭环微分对策中制导律结构图,并对反向传播神经网络的训练样本进行了设计。通过反向传播神经网络的函数逼近功能实现了高超声速巡航导弹微分对策中制导律的智能化。仿真验证表明了其有效性。(本文来源于《Transactions of Nanjing University of Aeronautics & Astronautics》期刊2008年02期）
神经网络中制导律论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对地球扁率影响下的大气层外导弹中段制导问题,提出了基于BP神经网络的模型预测改进算法,并且创新使用轨道偏差解析解来构造训练样本集。首先,利用极点变换方法把弹体受到的J_2项摄动引力优化分解为与运动轨迹相关的扰动函数;然后,采用偏差状态空间的转移矩阵,建立起导弹在J_2项摄动作用下的轨道偏差公式;最后,利用偏差公式构造取值广泛的训练样本集并训练BP神经网络,从而建立起关于虚拟目标信息的预测模型,计算出中段制导控制所需的增益速度矢量。该模型的优点是利用极点变换和状态转移矩阵直接求解J_2项摄动偏差,避免了进行大规模的数值积分运算;神经网络拥有强大的学习能力,保证了预测模型的全面性及精确性;BP神经网络可以预先离线训练、学习,大大缩短了计算时间。与传统Lambert迭代补偿修正方法相比,改进型BP神经网络补偿算法可以同时满足实时计算速度及计算精度的双重要求,具有较强的实际工程意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络中制导律论文参考文献
[1].朱强,邵之江.基于神经网络的实时滚动追逃博弈导弹制导律[J].系统工程与电子技术.2019
[2].魏倩,蔡远利.一种基于神经网络的中制导改进算法[J].西安交通大学学报.2016
[3].温先福,李刚,张兴,王耀.基于模糊神经网络的滑模变结构制导律的研究[J].弹道学报.2014
[4].刘旭.带落角约束的模糊神经网络变结构末制导律研究[D].沈阳理工大学.2014
[5].贺金萍,姜长生,周丽,何骁.空空导弹的神经网络自适应终端滑模末制导律[J].电光与控制.2009
[6].章钱,李士勇.一种新型自适应RBF神经网络滑模制导律[J].智能系统学报.2009
[7].刘国琴,陈谋,姜长生.基于神经网络的导弹变结构制导律[J].电光与控制.2009
[8].靳文涛.反导拦截弹主动段神经网络中制导律研究[J].现代防御技术.2009
[9].张汝川,顾文锦,于进勇,赵红超.基于Hopfield神经网络的最优滑模制导律研究[J].宇航学报.2009
[10].桑保华,姜长生.高超声速巡航导弹的神经网络虚拟目标微分对策中制导律(英文)[J].TransactionsofNanjingUniversityofAeronautics&Astronautics.2008