科研之友
微信
新浪微博
Facebook
分享链接
摘要
制导炮弹作为一类重要的精确制导武器，空中对准算法研究是其精确制导的关键环节，要求其对准精度高且对准时间快。在空中对准算法中，卡尔曼滤波是其中最通用的一种算法，卡尔曼滤波要求确切的数学模型和已知噪声的统计特性，但是在实际应用中，一些传感器建模误差、噪声统计特性不准确以及环境变化会降低计算精度，甚至产生发散。针对以上问题，该文提出了基于径向基（RBF）神经网络辅助卡尔曼滤波的空中对准方案，该方案结合神经网络强大的学习和预测能力，对卡尔曼滤波的输出状态进行实时调整，以提高系统的自适应性，并修正卡尔曼滤波器输出，以提高估计精度。通过仿真证明，与标准卡尔曼滤波算法相比，该方法能有效降低估计误差，提高导航精度。
- 单位
