基于机器学习的制导炮弹控制方法研究

摘要

传统的落点预测制导方法在求解过程中需进行大量迭代，信息实时处理能力较差。而基于机器学习方法构建的落点预报模型能够减少预测时间，提高预测精度。但现有的落点预测模型多由炮弹无控飞行数据训练，未考虑控制力和力矩的影响，导致其与制导炮弹的实际飞行状态存在较大差异。对此，提出了一种基于机器学习的制导控制方法，以炮弹有控状态下的飞行状态参数作为训练集，建立有控落点预测模型，并结合比例-微分控制律构建了基于此落点预测模型的制导控制流程。仿真结果表明：通过BP神经网络训练得到的落点预测模型能够准确预测落点，提出的制导控制方法可实现较高精度的导引和控制，命中点的射程方向相对脱靶量约为0.01%、侧偏方向相对脱靶量约为3.1%,验证了所设计制导控制方法的可行性与有效性。研究成果可为机器学习方法在有控弹箭技术领域的深入应用提供参考。

关键词

机器学习 / 制导炮弹 / 落点预测 / 控制方法