基于神经网络雷达组合高精度预测着靶速度

作者：田珂; 冷雪冰

来源：火炮发射与控制学报, 2021, 42(04): 52-57.

DOI：10.19323/j.issn.1673-6524.2021.04.010

• 着靶速度
• GM(1,1)灰色模型
• 支持向量回归机
• BP神经网络
• 径向速度

靶场试验中,常用连续波雷达测试弹丸着靶速度,初速雷达测试弹丸初速。当连续波雷达出现故障导致弹丸信号不完整时,就会缺失着靶速度数据,而着靶速度是影响立靶密集度计算的一个因素,因此准确预测出着靶速度就显得尤为重要。由于着靶速度具有很强的非线性特征,而神经网络模型具有很强非线性映射能力,能够准确预测出非线性特征,所以选择把着靶时刻前初速雷达测试的径向速度作为输入数据,连续波雷达测试的着靶速度作为输出数据,利用已测数据训练神经网络模型,再把信号不完整弹丸的径向速度代入训练好的模型就可以预测出着靶速度。引入GM(1,1)灰色模型和支持向量回归机模型作为对比,3个模型的预测值与实测值的误差结果表明,神经网络模型的预测精度最高且在2‰以内,是预测着靶速度的最佳模型。

• 单位
  中国人民解放军63861部队