基于Elman神经网络的战斗机空战轨迹预测

轨迹预测是空战态势感知中的关键问题。针对传统轨迹预测方法模型简化程度大、预测精度偏低的问题,提出了基于Elman神经网络的战斗机空战轨迹预测方法。首先,以一对一空战为背景,建立了基于Elman神经网络的目标机空战轨迹预测模型;其次,在利用空战训练测量仪(ACMI)中记录的空战数据基础上,选取了一对一空战轨迹,并构建了训练样本和测试样本;然后,通过仿真分析了不同算法进行轨迹预测的精度。结果表明,与传统粒子滤波算法相比,Elman网络模型预测误差更小、预测效果更好,可以更加准确地进行目标机空战轨迹的预测。

基于Transformer模型的空战飞行器轨迹预测误差补偿方法

空战过程中对目标飞行器轨迹的精准预测,能够大幅提升我机取得空中优势的能力。为此,针对现有的各类轨迹预测算法求解出的基准预测值,提出了一种通用性强、计算耗时短、精度提升高的基于Transformer模型的预测误差补偿(TFPEC)方法,以进一步提高轨迹预测结果的准确性。首先,在基准预测值的基础上,建立了基于Transformer的特征提取模型来处理目标飞行器的历史轨迹序列,得到轨迹特征矩阵;其次,利用多层感知机结构对特征矩阵进行回归计算,求解轨迹预测误差补偿值;然后,利用傅里叶变换将轨迹变换到频域进行模值分析,计算误差补偿系数;最后,对基准预测值、误差补偿值以及补偿系数进行综合计算,以获得最终的轨迹预测结果。为验证所提方法的有效性,结合了4种现有轨迹预测算法,在飞行员一对一格斗空战中所产生的数据集上进行了测试。仿真结果表明所提方法能够有效地提升轨迹预测结果的精度,适用于空战环境下的飞行器轨迹预测任务。