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.