基于粒子群优化支持向量机神经网络的弹丸落点预报

• 作者: 赵捍东 马焱 黄鑫
• 来源期刊: 探测与控制学报
• 关键词: 神经网络 PSO算法 SVM 落点预测
• 年，卷（期）: 2017,（2）
• 页码范围: 124-128
• 页数: 5页
• 分类号: K875.8
• 语种: 中文

摘要

针对目前弹丸落点预报方法预报时间较长和精度不高的问题,提出了基于粒子群(PSO)优化的支持向量机(SVM)神经网络预测方法.该方法采用PSO优化算法优化SVM训练参数,以获得最优SVM神经网络落点预测模型.在此基础上,使用卡尔曼滤波处理外弹道数据形成神经网络训练数据,进行落点预报仿真测试.仿真结果表明,射程最大误差为7.371 m,横偏最大误差为0.886 m;落点预报时间在35 ms之内,比数值积分法快了一个数量级,为弹丸落点预报的实际应用提供了一种途径.

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	马焱	中北大学机电工程学院	7	28	3.0	5.0
3	黄鑫	中北大学机电工程学院	5	17	3.0	4.0