弹道修正弹落点预报方法研究

为了根据空中飞行弹箭的一段实测弹道参数,准确预报弹道落点,并实施弹道修正,实现对目标的精确打击,在阐述弹道修正弹飞行原理的基础上,建立了扩展卡尔曼气动参数辨识弹道模型。该模型可对一段实测弹道参数进行弹道滤波,辨识出空中飞行弹丸的实际阻力和升力符合系数,并能较准确预报其后续飞行弹道。数值计算结果表明,经扩展卡尔曼弹道滤波后,能有效剔除测量弹道参数的噪声,且坐标滤波方差、阻力和升力符合系数迅速收敛；预报弹道落点的精度与飞行弹道参数的测量时间和采样时间间隔有关,考虑到实时弹道预报方法的预报弹道落点精度和解算时间等,飞行弹道参数测量时间宜取6~8 s,采样时间间隔宜在60~120 ms 范围内选取,为弹箭实现弹道修正提供了参考。

一种基于多模型算法的纯弹道式弹道落点预报方法

本文以落点预报技术在弹道目标预警中的应用为背景,主要解决在未知弹道系数情况下如何进行弹道目标落点精确预报的问题。为此,本文给出了一种基于交互式多模型算法(IMM)和无迹滤波(UF)算法的精确弹道目标落点预报方法,从弹道系数估计收敛速度和最终收敛精度的角度对该方法落点预报的时效性和精度进行了分析,同时还分析了雷达数据率对算法性能的影响。与基于单一的UF算法或推广卡尔曼(EKF)滤波算法的落点预报方法相比较,基于IMM-UF的落点预报方法具有更强的适应性,能在未知弹道系数的情况下更迅速且更精确地估计出目标的弹道系数,从而实现对弹道目标落点更快更准的预报。仿真结果验证了该算法的有效性。

弹道导弹落点预报技术综述

导弹落点预报是一门综合技术,国内外都已历经多年的研究和实践。本文比较全面地分析了国内外开展这项研究的现状,简要地阐述了落点预报的作用,指出落点预报具有航程安全性评估,弹道导弹拦截试验、再入体搜索范围划定、发射辅助决策、提高命中精度和验证天地关系6种作用。论述了构成落点预报的3个要素,即信息获取、飞行仿真和统计综合。明确了精度分析在落点预报工作中的基础地位。

基于插值型径向基神经网络的弹丸落点预报方法

针对数值积分法预报弹丸落点存在的解算时间较长、迭代过程中易产生大的累积误差等问题,提出了基于插值型径向基(RBF)神经网络的弹丸落点预报方法。该方法首先建立了落点预报数学模型,然后采用严格插值的方法离线训练RBF神经网络,分别逼近射程和横向偏差(横偏)非线性方程,最后利用预报模型进行落点预报仿真测试。仿真结果表明,该方法预报弹丸射程和横偏的平均误差分别为0.060 2m和0.001m,其预报落点的时间在40ms以内,并与数值积分法相比,预报落点的时间少1 268.22ms。因此,提出的插值型RBF算法预报弹丸落点是有效可行的,可为实际工程应用提供参考。

基于径向基函数神经网络和无迹卡尔曼滤波的弹丸落点预报方法研究

为了能够在飞行数据不尽精确的情况下进行快速、准确的落点预报,提出一种基于径向基函数(RBF)神经网络和无迹卡尔曼滤波技术的弹丸落点预报方法。使用RBF神经网络逼近外弹道方程用以预报弹丸落点,并用改进型量子行为粒子群算法优化网络结构和权阈值,在此基础上对基于神经网络的初步预报数据进行滤波处理。最后进行预报仿真,在输入数据有噪声的情况下依然得到了较高的预报精度,从而证明该方法对预报弹丸落点是有效可行的,为弹丸的落点预报的实际应用提供了参考。

弹道导弹落点预报方法研究

提高导弹落点预报精度是反导雷达的重要研究内容,采用轨道直接外推的方法给出的落点预报精度低,且不能给出落点的误差分布。采用Lambert算法进行初始定轨,采用扩展卡尔曼(EKF)进行滤波处理,采用协方差分析描述函数法(CADET)进行落点预报,在预报落点的同时,提供落点的误差分布。仿真计算结果表明,该方法落点预报精度高,落点预报的圆概率误差准确,是一种有效的地基雷达弹道导弹落点预报方法。

弹道式再入航天器落点预报技术

建立了航天器弹道式再入动力学模型,并针对航天器在着陆前开减速伞导致高空风对航天器落点影响大的特点,建立了高空风对航天器的动力学模型。提出了基于高空风实时修正的航天器落点预报算法。相比以往的算法,该算法无需提前计算高空风修正插值表。经实测数据验证,算法显著提高了航天器的落点预报精度。

基于高维插值的末修弹落点预报方法研究

为快速精确的预报弹丸落点,提出了基于高维插值的末修弹落点预报方法。在介绍高维插值法的基础上,以末段弹道参数为离散点,对其高维插值,得到落点预报显示方程,并利用显示方程进行落点预报仿真测试。仿真结果表明,该方法预报落点的精度较高,且平均预报时间为3.508 ms,比数值积分法少709.393 3ms。因此,采用高维插值法预报落点是有效可行的,可为实际应用提供参考。

大气阻力对静稳态飞行目标落点预报影响评估

大气阻力对高空静稳态飞行目标运行轨迹的影响是航天测控领域的研究热点与难点问题。在分析空间飞行器受力状况基础上,根据飞行器运动学状态方程,通过数值模拟方式定量评估了大气阻力对飞行器运行轨迹影响。结论表明:在再入段中,大气阻力是影响飞行器运行轨迹的最主要影响因素,对飞行器落点位置会造成数百米乃至数千米位置偏差,同时使落地时间有较大变化。

基于神经网络补偿的线性弹道落点预报方法

针对线性化法预报弹丸落点存在侧向速度、角速度计算复杂和适用范围小的问题,提出了基于神经网络补偿的线性弹道落点预报方法。该方法在线性假设下,对刚体六自由度弹道进行线性化处理,得到线性弹道模型;将弹丸的圆周运动方程组视为线性定常系统,利用系统的解得到圆周运动的解析式,并利用梯形近似法处理其他参数的导数,得到基于线性弹道的落点预报解析式;然后利用神经网络理论设计了补偿项,不仅解决了线性化法适用范围小的问题,还提高了线性弹道预报落点精度。数值仿真测试结果表明,该方法预报弹丸射程和横偏的最大误差分别约为4m和7m,预报落点时间约0.024ms,比解算6D弹道的时间少了1.451s。因此,该方法可为快速精确预报弹丸落点提供理论参考。

基于统计分析模型的飞行器落点预报方法

目前飞行器落点预报主要采用人机交互方式进行处理,而不同人员计算出的结果存在较大差异。针对该问题,提出了一种基于四阶龙格库塔计算方法的落点预报分布式计算统计分析模型。该模型根据飞行器的运行轨迹特性和在无动力、无控制、常质量段的预报落点具有集中分布的特点,采用零假设和备择假设统计方法对预报落点过滤选择,并对有效预报落点求其数学期望值。采用实际测量数据对所提出的模型进行了可行性和有效性验证,试验结果表明,该模型不仅具有较强的实时性、稳定性,而且当飞行器运行距离在数千千米时,该方法计算出的平面位置误差仅为几十米。

基于DSP导弹预警系统的导弹弹道确定及落点预报精度分析

系统分析了DSP导弹预警系统的工作流程,研究了DSP导弹预警熊对战略导弹的弹道确定和落点预报原理。在此基础上,构建了DSP系统在双星凝视跟踪模式下的观测模型,并根据战略导弹主动段动力学模型特性和自由端导弹动力学方程,构建了导弹实时弹道确定中的简化状态模型和落点预报模型。在观测模型和状态模型基础上,提出了双星观测模式下的弹道导弹主动段实时弹道确定方法。基于UKF非线性滤波技术,通过随机采样点逼近非线性观测方程和导弹主动段,在不必求解雅克比矩阵的情况下,实现了DSP导弹防御系统对战略导弹主动段的实时弹道确定和实时落点预报功能。最后,基于STK仿真实现了DSP导弹预警的全过程,仿真结果表明,双星观测模式下,DSP导弹预警系统对战略导弹的落点预警精度能达到10~50 km,完全满足战术需求。

一种改进的导弹落点预报算法

传统的落点预报算法建立的被动段弹道动力学模型适用于只有地球引力、空气阻力等情况下的运动模型。实际任务中导弹被动段有机动的情况下,预报落点偏差很大。针对这个问题,分析了落点预报误差原因,并在模型加入控制力因素改进了基于四阶的"龙格-库塔"微分算法,经试验数据证明,改进后的落点预报算法误差明显小于原算法,为试验任务的脱靶量计算辅助判决起到重要作用。

单台脉冲雷达火箭子级落点预报稳健性方法

火箭残骸的回收是每次航天任务必不可少的环节。对于残骸进行准确实时落点预报可以很大程度上减少地面搜索的时间,尽快回收未爆火工品,保证运载火箭落区安全。论文设计了一种稳健性算法流程,在算法层对空气阻力系数进行插值同时考虑高空风的影响,增强了算法的准确性;在策略层利用预测散布平面的椭圆中心作为预测落点,增强了算法的稳健性。利用实测数据进行验证,对于飞行距离大于1000km的火箭,残骸落点解算的误差比传统算法减少了85%,残骸搜索面积减少了97.6%,证明文中提出算法的有效性。

载人飞船返回舱外测高精度弹道计算与落点预报

针对返回舱再入返回过程中外测弹道计算精度低、稳定性差的问题,仿真分析比较了单点定位、滤波方法和动态滑窗处理等多种外弹道计算方法的精度,提出了一种弹道加权融合计算的实时自动弹道优选方法。结果表明:动态滑窗处理方法精度最高,实时自动弹道优选方法可全程获取多测元跟踪条件下的最优弹道;返回舱外测弹道计算精度和稳定性有明显提高,外测弹道落点预报精度可达到百米量级,着陆时间偏差在1 min以内。

预警卫星系统对导弹落点预报功能建模

预警卫星系统在弹道导弹防御系统中处在最前沿,对其他预警系统和拦截系统起着重要的引导作用。从导弹落点预报功能出发,分析了预警卫星系统的作战流程,根据空间二体力学原理,依据预警卫星系统提供的关机点参数,构建了导弹被动段的弹道模型和考虑地球自转影响的落点预报模型,通过仿真分析,验证了该模型的有效性和准确性。

战术弹道导弹弹道和落点预报探讨

给出了利用地基预警雷达的测量数据预报战术弹道导弹 (TBM)弹道和落点的方法 ,对应用雷达测量数据预报战术弹道导弹弹道和落点的数据处理工作作了初步偿试 ,对反战术弹道导弹(ATBM)作战理论研究具有一定的参考价值。

跳跃式返回航天器落点预报技术研究

建立了航天器再入动力学模型,提出了使用动能定理计算再入航天器质阻比和升阻比的方法。针对着陆场系统无法获取返回舱升力控制模型的实际情况,提出了一种使用理论机动弹道进行修正的再入航天器航迹预报算法;使用"嫦娥五号"再入段实测数据进行验证,结果显示本文算法显著提高了跳跃式返回航天器落点预报精度。

改进小波神经网络在弹丸落点预报中的应用

针对传统数值积分法在解算落点位置过程中的解算时间长、易累积误差且精度和实时性差等问题,提出了用布谷鸟算法(Cuckoo Search,CS)改进的小波神经网络来提高落点预报的精度和效率.首先建立了落点预报的非线性数学模型和基于该模型的小波神经网络(Wavelet Neural Network,WNN)的拓扑结构,然后根据训练好的弹道数据进行数值仿真,对两种算法落点预报的准确性和快速性进行了分析与比较.结果表明,与自适应粒子群算法(Adaptive Particle Swarm Optimization,APSO)相比,CS算法具有更高的预报精度和速度,用布谷鸟算法优化WNN方法预报的射程和横偏平均误差均很小,总预报用时小于1 ms,且在30°,35°,40°和51°射角下均适用,理论上能满足实际工程中快速性和准确性的需求,可为实际应用提供理论参考.

一种火箭子级残骸六自由度落点预报方法

火箭子级这类较大外形的残骸,不同的姿态影响其受到的气动力,进而影响残骸的质心运动。在质心运动的基础上,对残骸的姿态运动进行了分析与建模,提出火箭子级残骸六自由度落点预报方法。通过数值仿真,将某次任务火箭一子级残骸的落点预报值与真实落点坐标进行了对比,结果显示:射向偏差1.2km,横向偏差0.1km,两部分偏差均在2km以内,将理论落区的搜索范围缩小了约90%,表明该预报方法可增强搜索的针对性并提高搜索效率。