基于广义回归神经网络的弹丸落点预报方法

• 作者: 赵捍东 黄鑫
• 来源期刊: 测试科学与仪器
• 学科: 工学
• 关键词: 弹道修正 落点预报 广义回归神经网络 数值积分法
• 年，卷（期）: 2016,（1）
• 页码范围: 7-12
• 页数: 6页
• 分类号: TP391
• 字数: 617字
• 语种: 英文
• DOI: 10.3969/j.issn.1674-8042.2016.01.002

摘要

为快速精确地预报弹丸落点,提出了基于一种广义回归神经网络的弹丸落点预报方法。首先,建立了 GRNN 网络落点预报模型；其次,采用粒子群算法对预报模型中的光滑因子进行了优化,得到了最佳的 GRNN 网络的落点预报模型；最后,对该预报模型进行数值仿真。结果表明,该方法预报射程的最大误差不超过40 m,横偏误差不超过0.2 m；且预报落点的平均时间为6.645 ms,与数值积分法相比,减少了1300.623 ms。因此,该方法快速精确地预报弹丸落点是有效可行的,可作为工程实际应用的理论参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵捍东	中北大学机电工程学院	74	431	10.0	17.0
2	黄鑫	中北大学机电工程学院	5	17	3.0	4.0