基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测

作者：郑志伟; 管雪元^*; 傅健; 马训穷; 尹上

来源：兵工学报, 2023, 44(10): 2975-2983.

• 弹道模型
• 深度学习
• 监督学习
• 卷积神经网络与长短期记忆神经网络模型
• 轨迹预测

针对弹丸非线性轨迹预测问题，提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型。通过建立6自由度弹丸运动模型，并使用4阶龙格库塔法外弹道仿真，得到大量轨迹数据样本；提出CNN-LSTM神经网络的混合轨迹预测模型，并利用滑动窗口法和差分法构造输入输出的轨迹数据对，将预测问题转化为有监督的学习问题；将所提模型与LSTM神经网络模型、门控循环单元(GRU)神经网络模型和反向传播(BP)神经网络模型在同一数据集下进行仿真实验。研究结果表明，CNN-LSTM神经网络模型预测3 s后的平均累积预测误差在x轴方向约为14.83 m,y轴方向约为20.77 m,z轴方向约为0.75 m,且轨迹预测精度优于单一模型，为弹丸轨迹预测研究提供了一定的参考。

• 单位
  南京理工大学; 瞬态物理国家重点实验室; 上海航天电子技术研究所