【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及航空航天技術(shù)中的殘骸落點(diǎn)預(yù)測(cè)與神經(jīng)網(wǎng)絡(luò)領(lǐng)域，更具體地，涉及一種isabo-bp神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法。
技術(shù)介紹
1、隨著火箭或彈道導(dǎo)彈飛行試驗(yàn)任務(wù)的增多，試驗(yàn)過(guò)程中伴隨產(chǎn)生的安全問(wèn)題也越發(fā)引起指揮員及任務(wù)負(fù)責(zé)人員的重視，其中助推器殘骸落區(qū)對(duì)地面人員和設(shè)施影響大、預(yù)測(cè)難，成為飛行試驗(yàn)區(qū)域規(guī)劃的重點(diǎn)。各級(jí)火箭發(fā)動(dòng)機(jī)在燃料耗盡或者達(dá)到分離條件后與上面級(jí)分離，分離后助推器受地球引力、空氣動(dòng)力及分離初始自身狀態(tài)等多種復(fù)雜條件共同影響，經(jīng)一定時(shí)間的無(wú)控飛行助推器殘骸隕落觸地。當(dāng)前常用試驗(yàn)發(fā)射點(diǎn)位均對(duì)殘骸落區(qū)安全性進(jìn)行了考慮，但仍需要對(duì)臨時(shí)或機(jī)動(dòng)發(fā)射情況下的殘骸落點(diǎn)范圍預(yù)測(cè)方法進(jìn)行進(jìn)一步研究。
2、現(xiàn)有對(duì)于助推器殘骸的落點(diǎn)預(yù)測(cè)的研究，多采用較為傳統(tǒng)的數(shù)值仿真方法，且算法的側(cè)重點(diǎn)各有不同。針對(duì)殘骸部分帶有自主導(dǎo)航定位能力的情況，有殘骸落點(diǎn)計(jì)算模型實(shí)現(xiàn)預(yù)測(cè)，但實(shí)際飛行試驗(yàn)中導(dǎo)航定位系統(tǒng)成本較高，多數(shù)助推器殘骸不具備該能力。有算法在質(zhì)點(diǎn)動(dòng)力學(xué)模型的基礎(chǔ)上，進(jìn)一步考慮火箭殘骸的姿態(tài)運(yùn)動(dòng)以及地球引力等因素，基于六自由度模型進(jìn)行了落點(diǎn)預(yù)測(cè)并縮小了理論落區(qū)，但在求解效率上表現(xiàn)較差。同時(shí)，有算法采用數(shù)值積分方法，分別基于蒙特卡洛法和無(wú)味采樣法求解火箭子級(jí)的預(yù)測(cè)落點(diǎn)，后者采樣點(diǎn)較少，計(jì)算效率有一定提升。以上基于傳統(tǒng)數(shù)值方法的助推器落點(diǎn)預(yù)測(cè)研究，均存在計(jì)算效率較低，預(yù)測(cè)落區(qū)范圍較大的問(wèn)題。
3、綜上所述，現(xiàn)有方法仍存在：需要較大計(jì)算量、計(jì)算耗時(shí)長(zhǎng)、預(yù)測(cè)落區(qū)范圍較大的問(wèn)題。
4、因此，有必要開發(fā)一種isa
5、公開于本專利技術(shù)
技術(shù)介紹
部分的信息僅僅旨在加深對(duì)本專利技術(shù)的一般
技術(shù)介紹
的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域技術(shù)人員所公知的現(xiàn)有技術(shù)。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提出了一種isabo-bp神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其運(yùn)用于助推器殘骸落點(diǎn)的預(yù)測(cè)，既達(dá)到了較高的求解精度，又擁有極高的求解速度，相對(duì)傳統(tǒng)積分方法進(jìn)行數(shù)值求解具有顯著提升。
2、該isabo-bp神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，包括：
3、建立包含復(fù)雜因素的助推器殘骸動(dòng)力學(xué)模型；
4、針對(duì)助推器分離后至落地前的殘骸狀態(tài)進(jìn)行隨機(jī)拉偏仿真，構(gòu)建助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)；
5、通過(guò)透鏡成像反向?qū)W習(xí)策略獲得改進(jìn)減法平均優(yōu)化器，即為isabo算法；
6、針對(duì)助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)進(jìn)行預(yù)處理；
7、通過(guò)isabo算法獲得isabo-bp神經(jīng)網(wǎng)絡(luò)殘骸落點(diǎn)預(yù)測(cè)模型。
8、優(yōu)選地，建立包含復(fù)雜因素的助推器殘骸動(dòng)力學(xué)模型包括：
9、構(gòu)建以攻角、側(cè)滑角和馬赫數(shù)為自變量的函數(shù)，作為殘骸的氣動(dòng)力系數(shù)，通過(guò)三維線性插值得到軸向力、法向力和側(cè)向力；
10、計(jì)算大氣密度、氣動(dòng)系數(shù)、殘骸真實(shí)速度，進(jìn)而建立風(fēng)場(chǎng)及大氣模型，帶入殘骸動(dòng)力學(xué)模型；
11、將模型統(tǒng)一到地面發(fā)射系，獲得最終的動(dòng)力學(xué)模型。
12、優(yōu)選地，建立質(zhì)心動(dòng)力學(xué)模型與繞質(zhì)心運(yùn)動(dòng)模型，將模型統(tǒng)一到地面發(fā)射系，其中，質(zhì)心動(dòng)力學(xué)模型為：
13、
14、式中：r為氣動(dòng)力項(xiàng)；mg為引力項(xiàng)；-mωe×(ωe×r)為離心慣性力項(xiàng)；為哥氏慣性力項(xiàng)；r為助推器殘骸地心矢徑；ωe為地球自轉(zhuǎn)角速度；t為飛行時(shí)間；省略推力、控制力和牽連力項(xiàng)；
15、在考慮阻尼力矩的情況下，建立繞質(zhì)心運(yùn)動(dòng)模型為：
16、
17、式中：i為慣量張量；ωt為彈體坐標(biāo)系下的角速度；mst為穩(wěn)定力矩；md為阻尼力矩；省略控制力矩、附加相對(duì)力矩和附加哥氏力矩項(xiàng)。
18、優(yōu)選地，針對(duì)助推器分離后至落地前的殘骸狀態(tài)進(jìn)行隨機(jī)拉偏仿真，構(gòu)建助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)包括：
19、采用蒙特卡洛數(shù)值仿真構(gòu)建殘骸落點(diǎn)數(shù)據(jù)庫(kù)，其中，分離點(diǎn)殘骸狀態(tài)包括速度、發(fā)射系坐標(biāo)、三軸角速度、姿態(tài)角、彈道傾角及彈道偏角；
20、蒙特卡洛仿真采用四階定步長(zhǎng)runge-kutta算法，進(jìn)行多次拉偏仿真，獲取隕落過(guò)程狀態(tài)數(shù)據(jù)；
21、殘骸狀態(tài)參數(shù)的采集時(shí)間為分離后至落地前0.5s，采集間隔為0.5s，并將采集數(shù)據(jù)與落點(diǎn)發(fā)射系坐標(biāo)對(duì)應(yīng)組成助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)。
22、優(yōu)選地，isabo算法包括：
23、步驟301：確定搜索智能體總數(shù)n，最大迭代次數(shù)t，搜索空間維度m；
24、步驟302：生成隨機(jī)初始種群并計(jì)算目標(biāo)函數(shù)值；
25、步驟303：排序目標(biāo)函數(shù)值，得到最優(yōu)搜索智能體，并計(jì)算縮放因子和擾動(dòng)概率；
26、步驟304：計(jì)算反向搜索智能體并更新；
27、步驟305：根據(jù)v減法算術(shù)平均值計(jì)算搜索智能體新位置并更新；
28、步驟306：若迭代次數(shù)達(dá)到最大迭代次數(shù)，則目標(biāo)函數(shù)最優(yōu)的搜索智能體位置為優(yōu)化結(jié)果，否則返回步驟303。
29、優(yōu)選地，針對(duì)助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)進(jìn)行預(yù)處理包括：
30、將助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)中的數(shù)據(jù)分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，在訓(xùn)練過(guò)程中基于驗(yàn)證集通過(guò)交叉驗(yàn)證的方式對(duì)訓(xùn)練結(jié)果進(jìn)行監(jiān)測(cè)；
31、通過(guò)mapminmax函數(shù)進(jìn)行數(shù)據(jù)歸一化，將原始數(shù)據(jù)映射到[-1,1]區(qū)間內(nèi)。
32、優(yōu)選地，通過(guò)isabo算法獲得isabo-bp神經(jīng)網(wǎng)絡(luò)殘骸落點(diǎn)預(yù)測(cè)模型包括：
33、通過(guò)isabo算法改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)；
34、采用預(yù)處理后的助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)中的數(shù)據(jù)訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)，獲得isabo-bp神經(jīng)網(wǎng)絡(luò)殘骸落點(diǎn)預(yù)測(cè)模型。
35、優(yōu)選地，通過(guò)isabo算法改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)包括：
36、采用bp神經(jīng)網(wǎng)絡(luò)的計(jì)算輸出誤差作為isabo算法的目標(biāo)函數(shù)。
37、優(yōu)選地，目標(biāo)函數(shù)為：
38、
39、式中：y和分別為輸出的實(shí)際值與預(yù)測(cè)值；n為參與訓(xùn)練的樣本數(shù)量。
40、其有益效果在于：
41、本專利技術(shù)針對(duì)助推器落點(diǎn)殘骸預(yù)測(cè)問(wèn)題，通過(guò)考慮風(fēng)場(chǎng)、大氣模型和氣動(dòng)阻尼力矩等復(fù)雜條件構(gòu)成了具有真實(shí)性和準(zhǔn)確性的助推器殘骸動(dòng)力學(xué)模型；同時(shí)基于新興啟發(fā)式算法sabo，進(jìn)行了基于透鏡成像反向?qū)W習(xí)原理的改進(jìn)，形成的isabo算法進(jìn)一步提升了迭代后期算法跳出局部最優(yōu)解的能力，平衡了算法的“探索”性和“開發(fā)”性；此外，與bp算法結(jié)合形成的isabo-bp神經(jīng)網(wǎng)絡(luò)的助推器殘骸落點(diǎn)預(yù)測(cè)模型彌補(bǔ)了傳統(tǒng)bp模型在全局性上的缺陷，在精確性和穩(wěn)定性方面大幅提升，在運(yùn)行耗時(shí)方面遠(yuǎn)低于六自由度數(shù)值仿真。
42、本專利技術(shù)的方法具有其它的特性和優(yōu)點(diǎn)，這些特性和優(yōu)點(diǎn)從并入本文中的附圖和隨后的具體實(shí)施方式中將是顯而易見的，或者將在并入本文中的附圖和隨后的具體實(shí)施方式中進(jìn)行詳細(xì)陳述，這些附圖和具體實(shí)施方式共同用于解釋本專利技術(shù)的特定原理。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，建立包含復(fù)雜因素的助推器殘骸動(dòng)力學(xué)模型包括：
3.根據(jù)權(quán)利要求2所述的ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，建立質(zhì)心動(dòng)力學(xué)模型與繞質(zhì)心運(yùn)動(dòng)模型，將模型統(tǒng)一到地面發(fā)射系，其中，質(zhì)心動(dòng)力學(xué)模型為：
4.根據(jù)權(quán)利要求1所述的ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，針對(duì)助推器分離后至落地前的殘骸狀態(tài)進(jìn)行隨機(jī)拉偏仿真，構(gòu)建助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)包括：
5.根據(jù)權(quán)利要求1所述的ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，ISABO算法包括：
6.根據(jù)權(quán)利要求1所述的ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，針對(duì)助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)進(jìn)行預(yù)處理包括：
7.根據(jù)權(quán)利要求1所述的ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，通過(guò)ISABO算法獲得ISABO-BP神經(jīng)網(wǎng)絡(luò)殘骸落點(diǎn)預(yù)測(cè)模型包括：
8.根據(jù)權(quán)利要求
9.根據(jù)權(quán)利要求8所述的ISABO-BP神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，目標(biāo)函數(shù)為：
...【技術(shù)特征摘要】
1.一種isabo-bp神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的isabo-bp神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，建立包含復(fù)雜因素的助推器殘骸動(dòng)力學(xué)模型包括：
3.根據(jù)權(quán)利要求2所述的isabo-bp神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，建立質(zhì)心動(dòng)力學(xué)模型與繞質(zhì)心運(yùn)動(dòng)模型，將模型統(tǒng)一到地面發(fā)射系，其中，質(zhì)心動(dòng)力學(xué)模型為：
4.根據(jù)權(quán)利要求1所述的isabo-bp神經(jīng)網(wǎng)絡(luò)助推器殘骸落點(diǎn)預(yù)測(cè)方法，其中，針對(duì)助推器分離后至落地前的殘骸狀態(tài)進(jìn)行隨機(jī)拉偏仿真，構(gòu)建助推器殘骸落點(diǎn)數(shù)據(jù)庫(kù)包括：
5.根據(jù)權(quán)利要求1所述的isab...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：蔡國(guó)棟，秦健凱，劉小池，朱孟龍，羅凱，
申請(qǐng)(專利權(quán))人：中國(guó)航天空氣動(dòng)力技術(shù)研究院，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。