基于BP神經(jīng)網(wǎng)絡(luò)的空空導(dǎo)彈攻擊大機動目標攻擊區(qū)仿真研究

孟 博

(中國空空導(dǎo)彈研究院, 河南洛陽 471000)

0 引言

空空導(dǎo)彈攻擊區(qū)是決定導(dǎo)彈發(fā)射的前提條件,也是導(dǎo)彈作戰(zhàn)性能的綜合體現(xiàn)[1]。通過靶試確定攻擊區(qū)的方法成本高、周期長、難實施。因此對攻擊區(qū)仿真計算的研究顯得尤為重要。

空空導(dǎo)彈攻擊區(qū)的計算方法主要有以下3種:理論計算法、擬合法和插值法。理論計算法建立導(dǎo)彈的數(shù)學(xué)模型,解算微分方程組得到攻擊區(qū),雖精度高,但實時性較差;擬合法擬合飛行條件和攻擊區(qū)得到兩者之間的多項關(guān)系式,實現(xiàn)攻擊區(qū)的實時解算,易于工程應(yīng)用,但精度較低;插值法將已知條件和攻擊區(qū)數(shù)據(jù)裝入機載火控計算機,根據(jù)實際條件進行插值計算,需較大的存儲容量才能保證解算精度[2]。

攻擊區(qū)是多種飛行參數(shù)的復(fù)雜非線性函數(shù),利用傳統(tǒng)建模方法難以實現(xiàn)精確解算。神經(jīng)網(wǎng)絡(luò)可通過非線性映射實現(xiàn)復(fù)雜函數(shù)關(guān)系的逼近,且無需建模對象的內(nèi)部結(jié)構(gòu)和參數(shù)[3-4]。目前國內(nèi)已開展了利用神經(jīng)網(wǎng)絡(luò)計算攻擊區(qū)的研究[5-6],但目標僅小幅機動或不機動,鮮見適用于目標大機動的神經(jīng)網(wǎng)絡(luò)解算攻擊區(qū)方法。文中利用最常用的BP(back-propagation)神經(jīng)網(wǎng)絡(luò),基于導(dǎo)彈數(shù)學(xué)模型仿真的攻擊區(qū)數(shù)據(jù),建立純BP網(wǎng)絡(luò)和改進BP網(wǎng)絡(luò),并進一步將改進BP網(wǎng)絡(luò)與插值法相結(jié)合,實現(xiàn)目標不機動和大機動條件的攻擊區(qū)計算。

1 空空導(dǎo)彈攻擊區(qū)計算原理

攻擊區(qū)是空空導(dǎo)彈發(fā)射的重要依據(jù),與機載火控系統(tǒng)、空中態(tài)勢、目標特性等因素密切相關(guān)。影響攻擊區(qū)的主要參數(shù)有載機高度/速度、目標高度/速度、目標水平/垂直機動、目標水平/垂直進入角和導(dǎo)彈水平/垂直離軸角,即有:

(1)

式中:Rmax、Rmin分別為攻擊區(qū)的最大和最小發(fā)射距離;Hm、Ht分別為載機和目標海拔高度;Vm、Vt分別為載機和目標速度;Nz、Ny分別為目標水平和垂直機動;Qz、Qy分別為目標水平和垂直進入角;φz、φy分別為導(dǎo)彈水平和垂直離軸角。

為了簡化問題,文中取載機和目標處于同一高度,且目標無垂直機動,此時有:

(2)

即由H、Vm、Vt、Nz、Qz、φz確定的一組條件對應(yīng)此攻擊態(tài)勢下的導(dǎo)彈最大和最小攻擊距離。

根據(jù)空空導(dǎo)彈動力學(xué)、運動學(xué)、目標運動學(xué)、彈目相對運動、導(dǎo)引頭、自動駕駛儀、制導(dǎo)律、舵機等數(shù)學(xué)模型,建立導(dǎo)彈的彈道仿真模型,進一步增加距離搜索算法,形成六自由度攻擊區(qū)仿真模型。通過輸入彈目相對態(tài)勢參數(shù),即可仿真計算對應(yīng)的最大和最小攻擊距離,作為攻擊區(qū)的標準解。

2 BP神經(jīng)網(wǎng)絡(luò)建立

2.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)即多層前饋神經(jīng)網(wǎng)絡(luò),是應(yīng)用最廣泛的一類神經(jīng)網(wǎng)絡(luò)。BP網(wǎng)絡(luò)由輸入層、隱含層和輸出層組成,隱含層可為一層或多層,各層層內(nèi)神經(jīng)元之間無任何連接,各層之間形成全向互聯(lián),實現(xiàn)輸入神經(jīng)元到輸出神經(jīng)元間的非線性映射。BP網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。

圖1 BP網(wǎng)絡(luò)結(jié)構(gòu)圖

BP網(wǎng)絡(luò)將“黑箱”模型的輸入、輸出數(shù)據(jù)作為網(wǎng)絡(luò)的輸入和輸出,輸入經(jīng)正向計算得到的網(wǎng)絡(luò)輸出與已知輸出比較,并將誤差反饋,基于梯度最速下降法反向修正網(wǎng)絡(luò)各層間的權(quán)值,直至網(wǎng)絡(luò)輸出與期望輸出的誤差均方值最小。BP網(wǎng)絡(luò)訓(xùn)練時,隱含層輸出為:

(3)

輸出層輸出為:

(4)

式中:n、h、m分別為輸入層、隱含層和輸出層的神經(jīng)元數(shù);xi、yj、zk分別為輸入層輸入、隱含層輸出和輸出層輸出;ωji、θj分別為輸入層神經(jīng)元與隱含層神經(jīng)元的網(wǎng)絡(luò)權(quán)值、閾值;ωkj、θk分別為隱含層神經(jīng)元與輸出層神經(jīng)元的網(wǎng)絡(luò)權(quán)值、閾值。

當網(wǎng)絡(luò)期望輸出為qk,則誤差為:

(5)

網(wǎng)絡(luò)誤差反向傳播修正權(quán)值,權(quán)值按誤差梯度變化的反方向調(diào)整,使網(wǎng)絡(luò)逐漸收斂。輸出層和隱含層的權(quán)值修正公式為:

(6)

式中μ為學(xué)習(xí)因子。

BP網(wǎng)絡(luò)不斷反復(fù)進行學(xué)習(xí)、訓(xùn)練與權(quán)值調(diào)整,直至誤差滿足要求或達到規(guī)定的訓(xùn)練次數(shù)為止。

2.2 改進BP算法

由于傳統(tǒng)BP算法存在易陷入局部極小點、外推能力弱等不足,實際應(yīng)用中產(chǎn)生了各種BP改進算法,文中采用數(shù)值優(yōu)化技術(shù)的快速算法——Levenberg Marquardt(LM)算法。LM算法中權(quán)值和閾值更新公式為:

(7)

式中:xk為第k次迭代的權(quán)值和閾值組成的向量;e(x)為誤差;E(x)為誤差指標函數(shù);ΔE(x)為梯度;Δ2E(x)為誤差指標函數(shù)E(x)的Hessian函數(shù);J(x)為雅克比矩陣,有:

(8)

于是有:

Δx=-[(J(x))TJ(x)+εI]-1J(x)e(x)

(9)

式中:ε為比例系數(shù),常數(shù);I為單位矩陣。

2.3 改進BP網(wǎng)絡(luò)插值法

(10)

(11)

3 基于BP神經(jīng)網(wǎng)絡(luò)的攻擊區(qū)解算及分析

3.1 BP網(wǎng)絡(luò)的設(shè)計

BP網(wǎng)絡(luò)的訓(xùn)練即通過輸入-輸出數(shù)據(jù)對的反復(fù)學(xué)習(xí),確定滿足要求的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù),若結(jié)果不合適,將影響網(wǎng)絡(luò)訓(xùn)練的速度、效果及網(wǎng)絡(luò)外推能力。

理論已證明,在不限制隱含層神經(jīng)元數(shù)的前提下,3層的BP網(wǎng)絡(luò)可以任意精度逼近一個非線性映射。因此文中的BP網(wǎng)絡(luò)結(jié)構(gòu)為輸入層+一個隱含層+輸出層。

由式(2)可知,決定空空導(dǎo)彈攻擊區(qū)最大和最小攻擊距離的主要參數(shù)為高度、載機速度、目標速度、目標水平機動、目標水平進入角和導(dǎo)彈水平離軸角。因此,文中的BP網(wǎng)絡(luò)輸入層為6個神經(jīng)元,輸出層為2個神經(jīng)元。由于改進BP網(wǎng)絡(luò)-插值法利用目標水平進入角作為插值依據(jù),其對應(yīng)的BP網(wǎng)絡(luò)輸入層神經(jīng)元個數(shù)為5,輸出層神經(jīng)元個數(shù)不變[8-9]。

BP網(wǎng)絡(luò)隱含層神經(jīng)元個數(shù)根據(jù)經(jīng)驗公式(12)確定,后根據(jù)訓(xùn)練效果進行調(diào)整。

(12)

式中:n為隱含層神經(jīng)元個數(shù);ni為輸入層神經(jīng)元個數(shù);no為輸出層神經(jīng)元個數(shù);c為1～10之間的常數(shù)。

文中BP網(wǎng)絡(luò)隱含層和輸出層傳遞函數(shù)均為雙曲正切S型傳遞函數(shù)。由于網(wǎng)絡(luò)輸入、輸出的參數(shù)類型和取值范圍各不相同,造成參數(shù)變化幅度較大,若直接利用這些數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò),則會引起神經(jīng)元過飽和,影響網(wǎng)絡(luò)性能。文中將攻擊區(qū)訓(xùn)練的輸入-輸出數(shù)據(jù)統(tǒng)一進行歸一化處理,可有效利用傳遞函數(shù)特性,也可避免奇異數(shù)據(jù)的影響,加快網(wǎng)絡(luò)收斂速度。

3.2 基于不同BP網(wǎng)絡(luò)的攻擊區(qū)解算與分析

基于以上確定的BP網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù),文中分別利用純BP網(wǎng)絡(luò)、改進BP網(wǎng)絡(luò)(LM算法)和改進BP網(wǎng)絡(luò)-插值法進行空空導(dǎo)彈的攻擊區(qū)解算。

用于BP網(wǎng)絡(luò)訓(xùn)練的輸入樣本為不同飛行條件組合形成的攻擊條件,各飛行條件取值范圍見表1,純BP網(wǎng)絡(luò)和改進BP網(wǎng)絡(luò)的輸入為全參數(shù)的2 376個組合條件,改進BP網(wǎng)絡(luò)-插值法的輸入不含目標水平進入角,其輸入為198個組合條件。利用導(dǎo)彈數(shù)學(xué)模型進行仿真,得到對應(yīng)條件下攻擊區(qū)最大和最小距離作為網(wǎng)絡(luò)輸出樣本。利用這些輸入和輸出數(shù)據(jù)分別對純BP網(wǎng)絡(luò)、改進BP網(wǎng)絡(luò)和改進BP網(wǎng)絡(luò)-插值法進行訓(xùn)練。

表1 BP網(wǎng)絡(luò)訓(xùn)練的飛行條件取值表

網(wǎng)絡(luò)訓(xùn)練完成后,選取訓(xùn)練樣本外的飛行條件及仿真得到的對應(yīng)攻擊區(qū)數(shù)據(jù)對3種BP網(wǎng)絡(luò)進行性能測試與驗證。文中用導(dǎo)彈的超界發(fā)射概率Pob、失機發(fā)射概率Pml和平均發(fā)射成功概率P評價空空導(dǎo)彈攻擊區(qū)的解算精度,通常要求Pob和Pml均小于15%[5-6]。攻擊區(qū)測試飛行條件見表2,純BP網(wǎng)絡(luò)、改進BP網(wǎng)絡(luò)(LM算法)和改進BP網(wǎng)絡(luò)-插值法解算攻擊區(qū)的精度比較結(jié)果和整體比較結(jié)果分別見表2和圖2[10]。

表2 不同BP網(wǎng)絡(luò)的攻擊區(qū)解算精度比較

圖2 攻擊區(qū)解算精度對比圖

結(jié)果表明,在目標不機動和大機動時,改進BP網(wǎng)絡(luò)和改進BP網(wǎng)絡(luò)-插值法的攻擊區(qū)解算精度均高于純BP網(wǎng)絡(luò),且滿足攻擊區(qū)解算精度要求;在超界發(fā)射概率方面,改進BP網(wǎng)絡(luò)效果較好,而在失機發(fā)射概率方面,改進BP網(wǎng)絡(luò)-插值法性能更佳;總體性能方面,改進BP網(wǎng)絡(luò)-插值法更優(yōu)。

4 結(jié)論

攻擊區(qū)是空空導(dǎo)彈作戰(zhàn)的重要依據(jù),攻擊區(qū)計算與載機、目標、態(tài)勢、環(huán)境等因素存在復(fù)雜的非線性關(guān)系,當目標做大機動時,這種關(guān)系將更為復(fù)雜。文中在分析導(dǎo)彈攻擊區(qū)計算原理與影響因素的基礎(chǔ)上,利用神經(jīng)網(wǎng)絡(luò)自主學(xué)習(xí)攻擊區(qū)解算的內(nèi)在關(guān)系,考慮影響攻擊區(qū)的最主要因素,將神經(jīng)網(wǎng)絡(luò)與插值法相結(jié)合,分別設(shè)計了純BP網(wǎng)絡(luò)、采用LM算法的改進BP網(wǎng)絡(luò)和改進BP網(wǎng)絡(luò)-插值法。利用導(dǎo)彈六自由度數(shù)學(xué)模型仿真得到攻擊區(qū)標準解,對3個BP網(wǎng)絡(luò)進行了目標不機動和大機動條件的訓(xùn)練和測試驗證。結(jié)果表明,在目標不機動和大機動時,改進BP網(wǎng)絡(luò)和改進BP網(wǎng)絡(luò)-插值法各有優(yōu)勢,且均滿足攻擊區(qū)解算精度要求;總體性能方面,改進BP網(wǎng)絡(luò)-插值法更優(yōu)。

空空導(dǎo)彈是現(xiàn)代空戰(zhàn)的重要裝備,在戰(zhàn)機稍縱即逝的戰(zhàn)場,及時準確判斷攻擊區(qū)范圍并先敵攻擊是制勝關(guān)鍵。文中針對目標大機動情況設(shè)計了基于BP神經(jīng)網(wǎng)絡(luò)的攻擊區(qū)解算算法,可有效計算目標在不機動和大機動時的攻擊區(qū),有利于增強導(dǎo)彈對高機動目標的攻擊效果,進一步提高導(dǎo)彈的作戰(zhàn)效能,在現(xiàn)代日益嚴酷的空戰(zhàn)條件下具有重要的軍事價值和現(xiàn)實意義。

參考文獻:

[1] 吳文海, 周思羽, 高麗, 等. 基于導(dǎo)彈攻擊區(qū)的超視距空戰(zhàn)態(tài)勢評估改進 [J]. 系統(tǒng)工程與電子技術(shù), 2011, 33(12): 2679-2685.

[2] 付書堂, 章惠君. 空空導(dǎo)彈攻擊區(qū)高精度快速計算方法 [J]. 科學(xué)技術(shù)與工程, 2012, 12(27): 7074-7077.

[3] ASENSIO J, CHEN Wenjie, TOMIZUKA M. Feedforward input generation based on neural network prediction in multi-joint robots [J]. Journal of Dynamic Systems, Measurement, and Control, 2014, 136(3): 031002-1-031002-9.

[4] HARL Nathan, RAJAGOPAL Karthikeyan, BALAKRISHNAN S N. Neural network based modified state observer for orbit uncertainty estimation[J]. Journal of Guidance, Control, and Dynamics, 2013, 36(4): 1194-1209.

[5] 王凱, 李望西, 軒永波. 基于BP神經(jīng)網(wǎng)絡(luò)的空空導(dǎo)彈攻擊區(qū)解算及其仿真 [J]. 彈箭與制導(dǎo)學(xué)報, 2010, 30(1): 75-77.

[6] 王海濤, 佟惠軍, 王洋. 基于改進的BP神經(jīng)網(wǎng)絡(luò)空空導(dǎo)彈攻擊區(qū)解算方法 [J]. 電子設(shè)計工程, 2014, 22(3): 28-30.

[7] 張列航, 雷蕾, 李研生. BP神經(jīng)網(wǎng)絡(luò)導(dǎo)彈攻擊區(qū)火控工作式擬合 [J]. 火力與指揮控制, 2011, 36(12): 177-179.

[8] 王迎春, 王潔, 杜安利, 等. 基于BP神經(jīng)網(wǎng)絡(luò)的動能桿毀傷指標預(yù)測模型 [J]. 系統(tǒng)工程與電子技術(shù), 2013, 35(9): 1898-1902.

[9] 孟博, 李榮冰, 劉建業(yè), 等. 基于改進反向傳播算法的跨音速攻角補償修正算法 [J]. 系統(tǒng)工程與電子技術(shù), 2010, 32(12): 2681-2685.

[10] 張平, 方洋旺, 金沖. 空空導(dǎo)彈攻擊區(qū)實時解算的新方法 [J]. 彈道學(xué)報, 2010, 12(4): 11-14.