基于PSO和RBF網絡的模糊末制導律研究.pdf

1、國內圖書分類號：V448.13國際圖書分類號：629.783工學碩士學位論文基于PSO和RBF網絡的模糊末制導律研究碩士研究生：李國慶導師：李士勇教授申請學位：工學碩士學科、專業(yè)：控制科學與工程所在單位：控制科學與工程系答辯日期：2008年6月授予學位單位：哈爾濱工業(yè)大學哈爾濱工業(yè)大學工學碩士學位論文摘要摘要導彈導引系統(tǒng)實質上是一個同時具有非線性、時變性和模型不確定性的復雜系統(tǒng)。近年來，隨著被攔截目標速度和機動性能力的增強，導彈導引系統(tǒng)

2、的制導任務變得越來越復雜。傳統(tǒng)的末制導律已不能滿足日趨嚴格的攔截要求，尤其是目標大機動規(guī)避?；谧钚驴刂评碚摰男滦蛯б沙蔀楦鲊_制導技術的研究熱點。其中基于模糊邏輯的導引律研究越來越多，逐漸成為熱點。本文首先分析了導彈運動數(shù)學模型，建立了導引律仿真系統(tǒng)，對傳統(tǒng)導引律進行了介紹，并從理論上對盲區(qū)所引起的脫靶量進行分析?？紤]到粒子群算法(particleswarmoptimizationPSO)原理簡單，易于實現(xiàn)工程優(yōu)化，研究了粒子群算

3、法的基本原理以用來優(yōu)化后來所設計的導引律，提出了一種基于線性遞減慣性權重和交叉策略的改進算法。仿真結果表明，該改進算法不僅操作簡單，而且有效。其次，針對模糊導引律中存在的參數(shù)優(yōu)化問題，提出了兩種基于粒子群算法優(yōu)化的模糊導引律，依據(jù)導引性能指標對模糊導引律的參數(shù)進行優(yōu)化。一種是基于粒子群優(yōu)化的模糊導引律，用粒子群算法同時優(yōu)化模糊控制器中的比例因子、量化因子和模糊規(guī)則庫的權重；另一種是基于RBF(radialbasisfunction，RB

4、F)神經網絡推理的RBF模糊神經網絡導引律，并用粒子群算法優(yōu)化導引律參數(shù)。仿真結果表明，粒子群算法可以簡化模糊設計過程中的參數(shù)優(yōu)化等問題，優(yōu)化后的模糊導引律在制導精度等各方面都有顯著提高。最后，針對自適應模糊導引律參數(shù)設計的困難，設計了兩種基于RBF神經網絡的自適應模糊導引律。一種是基于RBF網絡整定的自適應模糊導引律，通過對RBF神經網絡兩個自調整因子增量式公式的推導，得到了RBF網絡整定的自調整因子遞推公式。另一種導引律是基于RBF