基于BP神经网络的时空约束智能协同制导方法及系统

技术特征：

1.基于bp神经网络的时空约束智能协同制导方法，其特征在于，该制导方法包括如下步骤：

2.根据权利要求1所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，仿真场景中的参数包括弹目初始相对距离、弹目初始视线角、导弹初始弹道倾角、目标加速度。

3.根据权利要求2所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，弹目初始相对距离的变化区间为8000米至12000米，初始弹目视线角的变化区间为-180°至180°，导弹初始弹道倾角的变化区间为-80°至80°，目标加速度的变化区间为-4g至4g。

4.根据权利要求2所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，通过改变仿真场景中的一个或多个参数取值，形成新的仿真场景。

5.根据权利要求1所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，bp神经网络的隐含层采用了tanh激活函数，输出层采用了线性输出函数。

6.根据权利要求1所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，步骤4中根据预测出的各导弹飞向机动目标的剩余飞行时间，构造各导弹的时空协同制导律的实现方式包括：

7.根据权利要求6所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，

8.根据权利要求6所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，

9.根据权利要求6所述的基于bp神经网络的时空约束智能协同制导方法，其特征在于，

10.基于bp神经网络的时空约束智能协同制导系统，其特征在于，包括存储设备、

技术总结
基于BP神经网络的时空约束智能协同制导方法及系统，属于协同制导领域。解决了现有基于估算剩余飞行时间的智能协同打击目标场景，仅局限于静止目标，对于协同打击高机动目标场景存在估算剩余飞行时间精度低，导致高机动目标准确度低的问题。本发明采取单弹在比例导引下的弹道数据作为训练集，对神经网络进行训练，建立从导弹状态、目标机动特性到剩余飞行时间的映射，且将训练后的神经网络在协同制导律设计中进行反演，形成对初始场景具有学习性且能够对剩余飞行时间在线智能预测、根据预测出的各导弹飞向机动目标的剩余飞行时间，构造各导弹的时空协同制导律，实现多导弹对机动目标的协同打击任务。主要用于弹群与机动目标博弈过程中。

技术研发人员：宋申民,康鸿龙,顾振,成国瑞
受保护的技术使用者：哈尔滨工业大学
技术研发日：
技术公布日：2024/4/17