一种基于神经网络的中制导改进算法

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。

A Modified Algorithm on the Midcourse Guidance Based on BP Neural Network