[發明專利]一種基于神經網絡的飛機火控系統精度敏感性分析方法

有效

• 申請號: 202110027414.3
• 申請日: 2021-01-10
• 公開（公告）號: CN112861257B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 高曉光;汪強龍;譚翔元
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 金鳳

1.一種基于神經網絡的飛機火控系統精度敏感性分析方法，其特征在于，包括以下步驟：

步驟1：構建基于飛機火控系統的仿真驗證系統，采用仿真驗證系統獲取飛機火控系統戰術指標的樣本及對應的殺傷概率精度值；

步驟2：采用BP神經網絡，以飛機火控系統戰術指標的樣本作為BP神經網絡的輸入，以步驟1得到的殺傷概率精度值作為BP神經網絡的輸出，對BP神經網絡進行學習，使BP神經網絡對飛機火控系統戰術指標和殺傷概率精度值進行擬合，產生分析樣本；

步驟3：局部敏感性分析；

步驟3-1：確定精度局部敏感性分析指標；

由步驟2學習后的BP神經網絡，得到在全部n個戰術指標下m個樣本點對應的殺傷概率精度值矩陣：

其中，x_i,j表示第j個戰術指標下第i個樣本點的殺傷概率精度值；

步驟3-2：對殺傷概率精度值進行非負化處理；

假定殺傷概率精度值x_i,j∈[c,d],取閾值Q_q＝(d-c)*p+c,p∈(0,1)；

當x_i,j≥Q_q時：

當x_i,jQ_q時：

其中，x′_ij為非負化處理后的殺傷概率精度值；

步驟3-3：計算第j個戰術指標的熵：

其中表示第j個戰術指標下第i個樣本點的權重；

計算第j個戰術指標的敏感度：

步驟3-4：對敏感度S_j從大到小進行排序，保留前r個敏感度，前r個敏感度對應戰術指標作為敏感性指標，記為x₁,x₂,x₃,…,x_r，r≤n；樣本點變為t個；

步驟4：全局敏感性分析；

步驟4-1：確定全局敏感性分析指標；

定義作戰效能模型為：

Y＝f(x₁,x₂,x₃,…,x_r) (1)

式中，Y為飛機火控系統精度；

計算輸入矩陣：

其中，表示在第j個戰術指標下第i個樣本點的殺傷概率精度值加采樣間距，為采樣間距；

將矩陣B的第i列換成矩陣A第i列，所得的矩陣記為M_i，將矩陣A的第i列換成矩陣B第i列所得的矩陣記為M_{_i}；記Y_A,Y_B,分別為將A,B,M_i,M_{_i}作為式(1)的輸入對應的輸出；

步驟4-2：采用Sobol指數法計算：

其中，V(.)表示求方差；

并記：

步驟4-3：計算全局敏感性指標；

輸入變量x_i的主效應指數的估計為：

輸入變量x_i和x_j的二階交互效應指數的估計為：

步驟5：精度優化分配；

步驟5-1：由步驟4的全局敏感性分析得到各敏感性指標的主效應值分別為：

對主效應值做歸一化處理：

步驟5-2：設敏感性指標x₁,x₂,x₃,…,x_r的取值區間分別為[a₁,b₁],…[a_r,b_r]，計算各個敏感性指標對應的取值上限：

2.根據權利要求1所述的一種基于神經網絡的飛機火控系統精度敏感性分析方法，其特征在于，所述對BP神經網絡進行學習的方法如下：

設M表示BP神經網絡輸入層節點數；用Q表示BP神經網絡隱含層節點數，L表示BP神經網絡輸出層節點數，表示BP神經網絡隱含層中第j個神經元的閾值，表示BP神經網絡輸出層中第g個神經元的閾值，w_ij表示BP神經網絡輸入層和隱含層節點之間的連接權值，w_jg表示BP神經網絡隱含層和輸出層節點之間的連接權值，同時BP神經網絡隱含層和輸出層節點的輸入是前一層節點的輸出加權和；具體的映射過程計算如下：

(1)隨機初始化BP神經網絡各權值和閾值；

(2)輸入飛機火控系統戰術指標的樣本到BP神經網絡輸入層；定義迭代次數n＝1；

(3)計算BP神經網絡各層的輸出，對于隱含層第j個節點的輸出有：

式中：為隱含層第j個節點的輸入；為輸入層第i個節點的輸出；

為Sigmoid函數；

對于輸出層第g個節點的輸出有：

式中：為輸出層第g個節點的輸入；

(4)計算各層的誤差：

輸出層誤差：表示期望輸出；

隱含層誤差：

(5)修正權值和閾值：

式中：η為學習速率，η∈(0,1)；α為動量因子，α∈(0,1)；

(6)當訓練誤差小于給定的訓練誤差閾值時，結束迭代；否則令n加1，返回第(3)步重復執行。