基于BP神经网络的TBM拦截效果评估

为了综合考虑TBM拦截作战中各种因素对拦截效果评估的影响,基于红外成像、ISAR成像和机动目标跟踪3种方法分析了TBM拦截效果评估体系的构成,利用神经网络在处理非线性复杂问题上的优势,提出了基于BP神经网络的TBM拦截效果评估模型,并详细阐述了模型的构建过程。由于标准BP算法存在易形成局部极小点和收敛速度慢等问题,采用加入动量项和实时调整系数法对算法进行了改进。仿真分析证明:改进的BP算法具有较快的收敛速度和较高的收敛精度,同时验证了该神经网络模型在TBM拦截效果评估中的有效性。

TBM拦截效果的混合层次模糊综合评估

分析了TBM拦截效果评估体系的构成及其评价指标,针对影响拦截效果评估的众多随机性、模糊性因素以及评估系统的具体特点,提出了基于混合层次模糊综合评估的TBM拦截效果评估模型,分析研究了评估流程,并通过实例验证了评估方法的有效性。