基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测

摘要：

针对弹丸非线性轨迹预测问题,提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型.通过建立6自由度弹丸运动模型,并使用4阶龙格库塔法外弹道仿真,得到大量轨迹数据样本;提出CNN-LSTM神经网络的混合轨迹预测模型,并利用滑动窗口法和差分法构造输入输出的轨迹数据对,将预测问题转化为有监督的学习问题;将所提模型与LSTM神经网络模型、门控循环单元(GRU)神经网络模型和反向传播(BP)神经网络模型在同一数据集下进行仿真实验.研究结果表明,CNN-LSTM神经网络模型预测3 s后的平均累积预测误差在x轴方向约为14.83 m,y轴方向约为20.77 m,z轴方向约为0.75 m,且轨迹预测精度优于单一模型,为弹丸轨迹预测研究提供了一定的参考.

关键词：弹道模型、深度学习、监督学习、卷积神经网络与长短期记忆神经网络模型、轨迹预测

所属期刊栏目：44

分类号：TJ012.3(一般性问题)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2975-2983