战术导弹技术
戰術導彈技術
전술도탄기술
TACTICAL MISSILE TECHNOLOGY
2009年
1期
59-62
,共4页
李真真%王宏力%王世方%王新国
李真真%王宏力%王世方%王新國
리진진%왕굉력%왕세방%왕신국
动力调谐陀螺仪%陀螺仪漂移%递阶遗传算法%RBF神经网络
動力調諧陀螺儀%陀螺儀漂移%遞階遺傳算法%RBF神經網絡
동력조해타라의%타라의표이%체계유전산법%RBF신경망락
由于经典RBF神经网络预测DTG漂移存在参数优化困难和预测精度不理想的问题, 将具有可同时优化神经网络参数和隐节点数的递阶遗传算法引入到了对RBF神经网络核函数各项参数的优化中, 旨在提高RBF神经网络的建模能力, 从而提高DTG漂移的预测精度.首先归一化DTG漂移数据, 建立HGA-RBF网络预测模型, 然后应用DTG实测漂移数据给出预测模型应用结果, 最后利用DTG随机漂移率对预测模型的有效性进行验证.实验结果表明, 用这种方法建立的模型能较好地描述动调陀螺仪的漂移特性, 其补偿后的漂移量较原始漂移量减小4.5倍.
由于經典RBF神經網絡預測DTG漂移存在參數優化睏難和預測精度不理想的問題, 將具有可同時優化神經網絡參數和隱節點數的遞階遺傳算法引入到瞭對RBF神經網絡覈函數各項參數的優化中, 旨在提高RBF神經網絡的建模能力, 從而提高DTG漂移的預測精度.首先歸一化DTG漂移數據, 建立HGA-RBF網絡預測模型, 然後應用DTG實測漂移數據給齣預測模型應用結果, 最後利用DTG隨機漂移率對預測模型的有效性進行驗證.實驗結果錶明, 用這種方法建立的模型能較好地描述動調陀螺儀的漂移特性, 其補償後的漂移量較原始漂移量減小4.5倍.
유우경전RBF신경망락예측DTG표이존재삼수우화곤난화예측정도불이상적문제, 장구유가동시우화신경망락삼수화은절점수적체계유전산법인입도료대RBF신경망락핵함수각항삼수적우화중, 지재제고RBF신경망락적건모능력, 종이제고DTG표이적예측정도.수선귀일화DTG표이수거, 건립HGA-RBF망락예측모형, 연후응용DTG실측표이수거급출예측모형응용결과, 최후이용DTG수궤표이솔대예측모형적유효성진행험증.실험결과표명, 용저충방법건립적모형능교호지묘술동조타라의적표이특성, 기보상후적표이량교원시표이량감소4.5배.
