基于神经网络和无迹卡尔曼滤波融合的天线罩误差斜率估计方法

摘要：

为消除导引头天线罩引入的瞄准误差对制导系统稳定性和精度造成的负面影响,提出了一种基于神经网络和无迹卡尔曼滤波融合的天线罩误差斜率估计方法.考虑先验模型知识,分别建立导引头、自动驾驶仪、弹目相对运动系统和弹体动力学系统的动态模型,选取真实视线角、视角和天线罩误差斜率作为状态变量,根据视线角观测值建立测量模型.考虑到模型的不确定性,基于神经网络技术学习非线性滤波模型中的动力学方程,结合无迹卡尔曼滤波技术,根据所学习的代理模型和带噪声的系统量测,对天线罩误差斜率等状态进行实时在线估计.与传统采用非线性滤波技术的天线罩误差斜率估计方法相比,本方法基于数据驱动思想,减少了对精确动力学模型的依赖,能有效消除模型不确定性的影响.与单纯采用离线训练构造的神经网络相比,本方法结合贝叶斯滤波理论,对实时数据具有更强的适应性.经多次仿真实验,证实该方法能够有效控制预测误差,具有较高精度.

关键词：天线罩误差斜率、雷达制导、雷达导引头、深度学习、神经网络、数据驱动、无迹卡尔曼滤波

分类号：TJ765(火箭、导弹)

资助基金：国家自然科学基金61903084

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：121-131,161