AdaBoost-PSO-LSTM网络实时预测机动轨迹

摘要：

针对自主空战中轨迹预测难以同时保持高预测精度和短预测时间的问题,提出一种自适应增强的粒子群优化长短期记忆网络预测方法.首先,建立三自由度无人机动力学模型,解决机动轨迹的数据来源问题.其次,分析长短期记忆网络,并引入在线预测的滑动模块输入矩阵,利用粒子群优化算法代替传统基于时间的反向传播算法进行网络内部权值更新;同时为解决优化算法非定向性问题,提出数据共享方法.然后,为进一步提高预测精度,采用自适应增强算法搭建外框架,通过控制弱预测器的数量平衡预测精度与预测时间.最后,在一段变化较为频繁的轨迹进行预测,与5种神经网络预测方法进行比较,结果表明所提方法能够较好地满足精度和时间要求.

关键词：轨迹预测、粒子群优化长短期记忆网络、动力学模型、无人机

所属期刊栏目：43

分类号：V247.5(航空仪表、航空设备、飞行控制与导航)

资助基金：航空科学基金201951096002

在线出版日期：2021-06-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1651-1658