基于PSO和RBF網(wǎng)絡(luò)的模糊末制導(dǎo)律研究.pdf

1、國(guó)內(nèi)圖書(shū)分類號(hào)：V448.13國(guó)際圖書(shū)分類號(hào)：629.783工學(xué)碩士學(xué)位論文基于PSO和RBF網(wǎng)絡(luò)的模糊末制導(dǎo)律研究碩士研究生：李國(guó)慶導(dǎo)師：李士勇教授申請(qǐng)學(xué)位：工學(xué)碩士學(xué)科、專業(yè)：控制科學(xué)與工程所在單位：控制科學(xué)與工程系答辯日期：2008年6月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文摘要摘要導(dǎo)彈導(dǎo)引系統(tǒng)實(shí)質(zhì)上是一個(gè)同時(shí)具有非線性、時(shí)變性和模型不確定性的復(fù)雜系統(tǒng)。近年來(lái)，隨著被攔截目標(biāo)速度和機(jī)動(dòng)性能力的增強(qiáng)，導(dǎo)彈導(dǎo)引系統(tǒng)

2、的制導(dǎo)任務(wù)變得越來(lái)越復(fù)雜。傳統(tǒng)的末制導(dǎo)律已不能滿足日趨嚴(yán)格的攔截要求，尤其是目標(biāo)大機(jī)動(dòng)規(guī)避?；谧钚驴刂评碚摰男滦蛯?dǎo)引律成為各國(guó)精確制導(dǎo)技術(shù)的研究熱點(diǎn)。其中基于模糊邏輯的導(dǎo)引律研究越來(lái)越多，逐漸成為熱點(diǎn)。本文首先分析了導(dǎo)彈運(yùn)動(dòng)數(shù)學(xué)模型，建立了導(dǎo)引律仿真系統(tǒng)，對(duì)傳統(tǒng)導(dǎo)引律進(jìn)行了介紹，并從理論上對(duì)盲區(qū)所引起的脫靶量進(jìn)行分析?？紤]到粒子群算法(particleswarmoptimizationPSO)原理簡(jiǎn)單，易于實(shí)現(xiàn)工程優(yōu)化，研究了粒子群算

3、法的基本原理以用來(lái)優(yōu)化后來(lái)所設(shè)計(jì)的導(dǎo)引律，提出了一種基于線性遞減慣性權(quán)重和交叉策略的改進(jìn)算法。仿真結(jié)果表明，該改進(jìn)算法不僅操作簡(jiǎn)單，而且有效。其次，針對(duì)模糊導(dǎo)引律中存在的參數(shù)優(yōu)化問(wèn)題，提出了兩種基于粒子群算法優(yōu)化的模糊導(dǎo)引律，依據(jù)導(dǎo)引性能指標(biāo)對(duì)模糊導(dǎo)引律的參數(shù)進(jìn)行優(yōu)化。一種是基于粒子群優(yōu)化的模糊導(dǎo)引律，用粒子群算法同時(shí)優(yōu)化模糊控制器中的比例因子、量化因子和模糊規(guī)則庫(kù)的權(quán)重；另一種是基于RBF(radialbasisfunction，RB

4、F)神經(jīng)網(wǎng)絡(luò)推理的RBF模糊神經(jīng)網(wǎng)絡(luò)導(dǎo)引律，并用粒子群算法優(yōu)化導(dǎo)引律參數(shù)。仿真結(jié)果表明，粒子群算法可以簡(jiǎn)化模糊設(shè)計(jì)過(guò)程中的參數(shù)優(yōu)化等問(wèn)題，優(yōu)化后的模糊導(dǎo)引律在制導(dǎo)精度等各方面都有顯著提高。最后，針對(duì)自適應(yīng)模糊導(dǎo)引律參數(shù)設(shè)計(jì)的困難，設(shè)計(jì)了兩種基于RBF神經(jīng)網(wǎng)絡(luò)的自適應(yīng)模糊導(dǎo)引律。一種是基于RBF網(wǎng)絡(luò)整定的自適應(yīng)模糊導(dǎo)引律，通過(guò)對(duì)RBF神經(jīng)網(wǎng)絡(luò)兩個(gè)自調(diào)整因子增量式公式的推導(dǎo)，得到了RBF網(wǎng)絡(luò)整定的自調(diào)整因子遞推公式。另一種導(dǎo)引律是基于RBF