[發(fā)明專利]一種基于神經網絡的飛機火控系統(tǒng)精度敏感性分析方法

有效

• 申請?zhí)枺?/td>: 202110027414.3
• 申請日: 2021-01-10
• 公開（公告）號: CN112861257B
• 公開（公告）日: 2021-09-14
• 發(fā)明（設計）人: 高曉光;汪強龍;譚翔元
• 申請（專利權）人: 西北工業(yè)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(yè)大學專利中心 61204
• 代理人: 金鳳

本發(fā)明公開了一種基于神經網絡的飛機火控系統(tǒng)精度敏感性分析方法，通過將局部敏感性算法和全局敏感性算法引入到飛機火控系統(tǒng)的指標敏感性分析中，根據不同精度指標的有機組合，綜合利用熵值法和Sobol法，提升了對飛機火控系統(tǒng)的精度指標的敏感性系數的分析精度。本發(fā)明在飛機火控系統(tǒng)中添加了BP神經網絡并進行訓練，對飛機火控系統(tǒng)的精度指標和最終的殺傷概率進行擬合，快速并有效的擴充所需的樣本數據。通過精度優(yōu)化分配算法，實現了飛機火控系統(tǒng)的精度指標的優(yōu)化分配。本發(fā)明能夠很好的解決數據樣本不足情況下的飛機火控系統(tǒng)中多精度指標的分析與評估問題，基于神經網絡的學習和分析，能夠快速擴充實驗數據，保證了飛機火控系統(tǒng)達到指定的殺傷率。

技術領域

本發(fā)明屬于飛機火控技術領域，具體涉及一種火控精度敏感性分析方法。

背景技術

近幾年，隨著我國對飛機火控系統(tǒng)誤差和精度相關性分析的關注和重視，人們對飛機火控系統(tǒng)誤差和精度的相關性分析提出了更高要求，因此關于“飛機火控系統(tǒng)誤差和精度相關性分析”的話題成為火控行業(yè)關注的焦點。為了最大限度地提高飛機火控系統(tǒng)的工作性能，一方面要提高對火控系統(tǒng)的使用，另一方面要重視對飛機火控系統(tǒng)精度敏感性的分析。對于各種飛機來講,無論是武裝直升機還是戰(zhàn)斗機還是其它類型的飛機，戰(zhàn)斗效果預測的關鍵是系統(tǒng)精度的計算,尤其是對選定目標戰(zhàn)斗效果CEP(圓概率偏差:即50％命中概率的圓形區(qū)域半徑)的計算。因此,對于影響系統(tǒng)精度因素的研究及仿真計算就顯得十分重要。對于提高武器的射擊精度以及如何合理的分配火控系統(tǒng)的誤差源指標,控制整個系統(tǒng)的誤差都有積極的意義。

飛機憑借著其機動靈活性，在現代化戰(zhàn)爭中扮演著越來越重要的角色。空空彈和空面彈等對飛機火控系統(tǒng)的精度提出了更高的要求，在實際作戰(zhàn)中，由于戰(zhàn)場環(huán)境、攻擊條件以及目標運動等的復雜性，導致火控系統(tǒng)精度受到多種因素的影響。分析這些因素對打擊精度的影響及影響程度對提高火控系統(tǒng)性能十分重要。國內外均已有研究分析了不同誤差源對飛機火控系統(tǒng)精度的影響，并給出了減小誤差提高精度的措施。然而，各誤差源并非單獨作用于火控系統(tǒng)，多種誤差往往同時存在且其間有較強的交互耦合效應。因此，進行火控系統(tǒng)精度的敏感性分析，從而找出主要誤差源及誤差源間的相互作用對最終精度的影響便顯得十分必要。

在軍工領域，由于成本問題和操作難度問題往往很難對一個現有的飛機系統(tǒng)的相關精度進行評估，對于復雜的系統(tǒng)，往往很難對其打擊的命中概率的眾多的影響因素進行精度分析，這在一定程度上限制了武器裝備的開發(fā)、研制和測試。同時火控系統(tǒng)體系復雜，數據獲取較為困難，如何利用已有數據進行有效精度分析也成為提升飛機火控系統(tǒng)性能的關鍵問題。

人工神經網絡模擬人大腦里的神經元，將每一個神經元看作一個節(jié)點，節(jié)點之間有連接，每一層的神經元通過加權將信息沿著一個方向傳遞。并構成了一個有向圖模型。人工神經網絡有以下幾個顯著的特點，首先其自適應能力強，其次可以處理大規(guī)模海量的數據。BP網絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。神經網絡能夠擬合任意復雜的數學關系，這一特性對于擴大神經網絡的應用起著非常重要的作用。

發(fā)明內容

為了克服現有技術的不足，本發(fā)明提供了一種基于神經網絡的飛機火控系統(tǒng)精度敏感性分析方法，通過將局部敏感性算法和全局敏感性算法引入到飛機火控系統(tǒng)的指標敏感性分析中，根據不同精度指標的有機組合，綜合利用熵值法和Sobol法，提升了對飛機火控系統(tǒng)的精度指標的敏感性系數的分析精度。本發(fā)明在飛機火控系統(tǒng)中添加了BP神經網絡并進行了訓練，對飛機火控系統(tǒng)的精度指標和最終的殺傷概率進行擬合，快速并有效的擴充所需的樣本數據。通過精度優(yōu)化分配算法，實現了飛機火控系統(tǒng)的精度指標的優(yōu)化分配。本發(fā)明能夠很好的解決數據樣本不足情況下的飛機火控系統(tǒng)中多精度指標的分析與評估問題，基于神經網絡的學習和分析，能夠快速擴充實驗數據，保證了飛機火控系統(tǒng)可以達到指定的殺傷概率。

本發(fā)明解決其技術問題所采用的技術方案包括以下步驟：

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