一种新的制导炸弹智能控制系统一种新的制导炸弹智能控制系统
控制系统是制导炸弹的关键部位。目前,所有制导炸弹的控制系统都是基于一定的数学模型,以固定的方式修
正弹道误差。由于存在各种不可预知的误差因素,但控制方式却不可调整,造成制导炸弹的实际命中精度不
高。
控制系统是制导炸弹的关键部位。目前,所有制导炸弹的控制系统都是基于一定的数学模型,以固定的方式修正弹道误差。
由于存在各种不可预知的误差因素,但控制方式却不可调整,造成制导炸弹的实际命中精度不高。针对这种情况,文献[1]提
出一种基于自适应神经
1 非单点模糊推理系统(NSFIS)
提出的制导炸弹智能控制系统的核心是非单点模糊推理系统(NSFIS)。一个n输入1输出的模糊推理系统,其模糊规则可表述
如下
上的模糊集合,
和y∈V对应于系统输入和输出变量,l=1,2,…,M为模糊规则数。
当采用中心平均模糊消除器、乘积推理规则、高斯隶属度函数和非单点模糊化时,得到的非单点模糊推理系统为
时,非单点模糊化与单点模糊化等价;当输
入变量xk受到噪声污染时,噪声在非单点模糊器中会被因子 所克服。如果σx≥σFkl,噪声将会在很大程度上被
抑制。
2 NSFIS的参数学习算法
模糊推理系统是高度非线性系统,在对复杂系统建模的过程中,其内部参数 主要依靠某种学
习算法对输入一输出数据对进行训练来确定。目前,用于模糊推理系统的学习算法主要是梯度下降算法和递推最小二乘算法。
梯度下降算法简单易行、运算量小,但收敛速度慢,容易陷入局部极值,且对信号的谱性依赖较大;递推最小二乘算法收敛速
度很快,对信号谱性无依赖,但其结构复杂、运算量大且存在长期数值稳定的问题。从工程的角度考虑,因为非单点模糊推理
系统的计算复杂度本身就较大,所以运算量大的递推最小二乘算法不适合采用。为了弥补梯度下降算法的缺点,文中引入遗传
算法。遗传算法是模拟生物进化过程的一种全局优化搜索算法,其目标函数既不要求连续,也不要求可微,仅要求问题可计
算,而且它的搜索始终遍及整个解空间,容易得到全局最优解。用梯度下降算法和遗传算法同时并行的搜索解空间,并定期交
换信息。这样不仅避免了陷入局部极值的缺点,而且加快了收敛速度。虽然由于遗传算法的加入,运算量增加了,但由于遗传
算法和梯度下降算法并行工作,所以没有降低算法的实时性。采用减法
步骤1:设置初始参数。采用减法聚类算法对训练数据[X,y]进行聚类处理,得M到个聚类中心 构造非单点模
糊系统初始参数:选取聚类中心向量Xlc中的各个分量元素 作为式(2)中相应 的初始值;以 与最近的另
一个聚类中心欧式距离的一半 作为式(2)中 作为式(2)中相应的初始值;已知训练数据含有大量噪声的情况下,取
步骤2:(1)采用梯度下降算法调整参数 (推导过程省略)。
评论0
最新资源