基于BP神经网络的固体导弹耗尽关机姿态调制方法研究

doi:10.3969/j.issn.1000-1093.2015.04.014

兵工学报 ›› 2015, Vol. 36 ›› Issue (4): 668-673.doi: 10.3969/j.issn.1000-1093.2015.04.014

基于BP神经网络的固体导弹耗尽关机姿态调制方法研究

鲜勇，李少朋，李邦杰

（第二炮兵工程大学七系, 陕西西安 710025）

收稿日期:2014-06-04 修回日期:2014-06-04 上线日期:2015-06-02
作者简介:鲜勇（1971—），男，教授

An Approach to Attitude Angle Adjustment of Solid Missiles under the Condition of Depleted Shutdown Based on BP NeuralNetwork

XIAN Yong, LI Shao-peng, LI Bang-jie

(The Seventh Department, the Second Artillery Engineering University, Xi’an 710025, Shaanxi, China)

Received:2014-06-04 Revised:2014-06-04 Online:2015-06-02

摘要/Abstract

摘要： 针对固体火箭发动机燃料剩余问题，采用BP神经网络逼近算法，推导建立了一种适用于耗尽关机条件下，对导弹2级飞行进行能量管理的姿态调制方案。该方案在干扰条件下根据再入弹道倾角要求、推力偏差及射程的不同，2级点火10 s时弹上在线计算调制姿态，保证了能量消耗精度的同时为导弹在耗尽闭路导引段进行闭路制导提供了前提条件。通过仿真验证了该模型的正确性和可行性。

关键词: 兵器科学与技术, 耗尽关机, BP神经网络, 能量管理, 闭路制导

Abstract: To solve the fuel remaining issue of solid engine, an attitude angle adjustment scheme for energy management is established by using the BP neural network approximation algorithm, which is applicable to the condition of depleted shutdown. According to reentry angle, engine thrust deviation and range, the scheme computes attitude adjustment angle under interference when the second stage rocket engine ignites for 10 s, which ensures the accuracy of the energy consumption and provides a precondition for close-loop guidance. The validity and feasibility of the model are demonstrated by simulation.

Key words: ordnance science and technology, depleted shutdown, BP neural network, energy management, close-loop guidance

中图分类号:

V412.1

鲜勇，李少朋，李邦杰. 基于BP神经网络的固体导弹耗尽关机姿态调制方法研究[J]. 兵工学报, 2015, 36(4): 668-673.

XIAN Yong, LI Shao-peng, LI Bang-jie. An Approach to Attitude Angle Adjustment of Solid Missiles under the Condition of Depleted Shutdown Based on BP NeuralNetwork[J]. Acta Armamentarii, 2015, 36(4): 668-673.

参考文献

［1］周军，潘彦鹏，呼卫军. 固体火箭的鲁棒自适应耗尽关机制导方法研究[J]．航天控制，2013，31(3):34-39.
ZHOU Jun，PAN Yan-peng，HU Wei-jun. A robust and adaptive depleted shutdown guidance method of solid rocket[J]. Aerospace Control，2013，31(3):34-39. (in Chinese)
[2] 尤伟帅，周军，呼卫军. 固体运载器耗尽关机制导方法研究[J]．计算机与现代化，2013(7)：113-116.
YOU Wei-shuai，ZHOU Jun，HU Wei-jun. Research on solid carrier shutdown guidance method[J]．Computer and Modernization，2013(7)：113-116. (in Chinese)
[3] 姚党鼐，张力，王振国. 姿态角单次调整的固体运载火箭耗尽关机能量管理方法[J]．国防科技大学学报，2013，35(1)：39-42.
YAO Dang-nai，ZHANG Li，WANG Zhen-guo. Depleted shutdown energy management approach for solid launch vehicle with singular attitude angle adjustment[J]．Journal of National University of Defense Technology， 2013，35(1)：39-42.(in Chinese)
[4] 张志健，王小虎. 约束最大高度和再入倾角的耗尽关机闭路制导[J]．航天控制，2014，32(2)：68-72.
ZHANG Zhi-jian，WANG Xiao-hu. Research on solid carrier depleted shutdown guidance method [J]．Areospace Control，2014，32(2)：68-72. (in Chinese)
[5] 张毅，肖龙旭，王顺宏. 弹道导弹弹道学[M]．长沙：国防科技大学出版社，2005.
ZHANG Yi，XIAO Long-xu，WANG Shun-hong. Ballistics of ballistic missile[M]．Changsha: National University of Defense Technology Press，2005.(in Chinese)
[6] 王继平，王明海，鲜勇. 耗尽关机闭路制导导引方法研究[J]．弹箭与制导学报，2006，26(3)：64-66.
WANG Ji-ping，WANG Ming-hai，XIAN Yong. Research of depleted shutdown and control of solid missile[J]．Journal of Projectiles, Rocket, Missiles and Guidance，2006，26(3)：64-66.(in Chinese)
[7] Hagan M T， Demuth H B, Beale M K. 神经网络设计［M］. 戴葵，译. 北京：机械工业出版社，2002：197-257.
Hagan M T， Demuth H B, Beale M K. Neural network design[M]．DAI Kui, translated. Beijing: China Machine Press，2002：197-257. (in Chinese)
[8] 王继平，王明海，张志辉. 扰动引力的神经网络逼近算法[J]．宇航学报，2008，29(1)：385-390.
WANG Ji-ping，WANG Ming-hai，ZHANG Zhi-hui. Approximation of disturbing gravity using neural betwork[J]．Journal of Astronautics，2008，29(1)： 385-390. (in Chinese)
[9] XU Heng，CHEN Wan-chun. An energy management ascent guidance algorithm for solid rocket-powered launch[C]∥17th AIAA International Space Planes and Hypersonic Systems and Technologies Conference. San Francisco, CA, US: AIAA，2011.

[1]	万芯炜, 王晶, 杨辉, 李毅, 张远再, 王路. BP神经网络结合粒子群优化卡尔曼滤波的MEMS陀螺随机误差补偿方法[J]. 兵工学报, 2023, 44(2): 556-565.
[2]	周伯俊, 于传强，刘志浩，柯冰. 基于高压储能的特种车辆快速起竖技术与验证[J]. 兵工学报, 2022, 43(7): 1488-1497.
[3]	高月光，冯顺山，刘云辉，黄岐. 不同端盖厚度的圆柱形装药壳体破片初速分布[J]. 兵工学报, 2022, 43(7): 1527-1536.
[4]	刘畅，王江，范世鹏，李伶，林德福. 基于BP神经网络的自适应偏置比例导引[J]. 兵工学报, 2022, 43(11): 2798-2809.
[5]	谭颖琦，许景懿，熊光明，李子睿，陈慧岩. 基于轨迹规划与CNN-LSTM预测的履带式混合动力无人平台能量管理优化[J]. 兵工学报, 2022, 43(11): 2738-2748.
[6]	陈路明，廖自力，马晓军，刘春光. 基于分层控制的混合动力车辆实时能量管理策略[J]. 兵工学报, 2021, 42(8): 1580-1591.
[7]	邹渊，张彬，张旭东，赵志颖，康铁宇，郭玉枫，吴喆. 基于归一化优势函数的强化学习混合动力履带车辆能量管理[J]. 兵工学报, 2021, 42(10): 2159-2169.
[8]	许绍航，席军强，陈慧岩. 基于越野工况预测的混合动力履带车辆能量管理策略[J]. 兵工学报, 2019, 40(8): 1572-1579.
[9]	娄伟鹏，郑长松，李和言，陈建文，张周立，马源. 高速《Symbol》v湿式换挡离合器排油阀临界开启和关闭压力研究[J]. 兵工学报, 2017, 38(9): 1665-1672.
[10]	王宪成，杨绍卿，马宁，赵文柱. 车辆柴油机缸套动载荷磨损计算模型研究[J]. 兵工学报, 2017, 38(9): 1673-1680.
[11]	孙皓泽，常天庆，王全东，孔德鹏，戴文君. 一种基于分层多尺度卷积特征提取的坦克装甲目标图像检测方法[J]. 兵工学报, 2017, 38(9): 1681-1691.
[12]	张玉燕，孙莎莎，王振春，曹海要，战再吉. 高速载流电枢表面瞬态温度场仿真与测量[J]. 兵工学报, 2017, 38(9): 1692-1698.
[13]	李臣明，宦超，石怀龙. 某箱式火箭炮对面目标分布式杀伤最优火力分配[J]. 兵工学报, 2017, 38(9): 1699-1704.
[14]	雷娟棉，张嘉炜，谭朝明. 小攻角下船尾外形对旋转弹丸马格努斯效应影响的数值研究[J]. 兵工学报, 2017, 38(9): 1705-1715.
[15]	李泽，闫晓鹏，栗苹，郝新红，王建涛. 扫频式干扰对调频多普勒引信的干扰机理研究[J]. 兵工学报, 2017, 38(9): 1716-1722.

基于BP神经网络的固体导弹耗尽关机姿态调制方法研究

An Approach to Attitude Angle Adjustment of Solid Missiles under the Condition of Depleted Shutdown Based on BP NeuralNetwork

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价