一種新的制導炸彈智能控制系統
加入技術交流群
步驟3：梯度下降算法和遺傳算法之間的信息交換。遺傳算法每進化q代，根據準則函數的數學期望E[φ(e(t))]比較遺傳算法和梯度下降算法所得參數的效果。若遺傳算法搜索到的參數更好，便用其作為梯度下降算法下一步運算的初始參數；若梯度下降算法得到的參數更好，便用其替代遺傳算法的當代群體中適應度最差的一個個體。
步驟4：當準則函數的數學期望E[φ(e(t))]達到標準1-Ff,max時，或者遺傳算法進化g代時，算法停止。文中用準則函數在訓練數據時間長度內的時間平均代替其數學期望進行運算。本文引用地址：http://www.104case.com/article/163460.htm
3 基于NSFIS的制導炸彈智能控制系統的仿真設計
按照文獻[1]的設計思想，在仿真環境中采用NSFIS設計制導炸彈智能控制系統。
3．1 仿真環境的設定
假設以下的仿真環境：
(1)綜合風速UZ方向在水平面內，且為常矢；
(2)重力加速度為9．8 m／s2，無阻尼；
(3)彈翼可產生的最大調控加速度max a(t)(max a(t)=maxax(t)+maxay(t))隨下落高度增加，且不考慮彈翼產生的加速度a(t)在鉛垂方向的分量；
(4)高度H為7 075．4 m(即下落時間T為38 s)，按每0．25 s落下距離△h劃分高度空間為N=152層；
(5)轟炸方式為水平轟炸；
(6)控制過程不考慮時延；
(7)彈體運動為質點運動。
3．2 炸彈運動方程的分析
根據文獻[9，10]，水平轟炸的俯視圖，如圖1所示。
(oyxz)H：飛機航向坐標系；Of：飛機投彈點；Om：地面目標；A：無需調控，可直接命中彈D0在t時刻的坐標位置；A：需調控，方可命中彈D1在t時刻的坐標位置；B：需調控，方可命中彈D1在t-1時刻的坐標位置。
無需調控，可直接命中彈D0參數：Vx0：投彈點飛機空速；Uz0：投彈D0時的綜合風速；ε0：Vx0與Uz0的夾角；Xh(t)：t時刻彈在xH方向的坐標位置；Yh(t)：t時刻彈在yH方向的坐標位置。
需調控，方可命中彈D1參數：Vx1：投彈點飛機空速；Uz1：投彈D1時的綜合風速；ε1：Vx1與Uz1的夾角；Axe(t)：t時刻和t-1時刻彈在xH方向的位移差；Aye(t)：t時刻和t-1時刻彈在yH方向的位移差；Exh(t)：t時刻彈與目標Om的距離在xH方向的分量；Eyh(t)：t時刻彈與目標Om的距離在yH方向的分量；Vxh(t)：t時刻彈的速度在xH方向的分量；Vyh(t)：t時刻彈的速度在yH方向的分量。Axe(t)：t時刻彈D1和彈D0的位移差在xH方向的分量；Aye(t)：f時刻彈D1和彈D0的位移差在yH方向的分量。在仿真環境中，推導出彈D1在t時刻的運動方程
其中，Vax(t)為xH方向上t-1時刻加速度在時刻生成速度，Vay(t)為yH方向上t-1時刻加速度在t時刻生成速度。
評論