动能拦截器多目标模糊识别方法

【前言】动能拦截器多目标模糊识别方法由文秘帮小编整理而成，但愿对你的学习工作带来帮助。二、模糊神经网络设计 模糊神经网络（Fuzzy Neural Network，FNN）将模糊系统和神经网络相结合，能充分发挥神经网络的并行处理、自适应学习和模糊推理对人的知识进行决策的功能[3]。FNN是由大量形式相同的模糊神经元相互连接起来构成的网络系统，其本质是将常规的神经...

摘要：在现代防御战争中，往往存在真假目标并存的情况。基于碰撞杀伤技术的动能拦截器必须准确命中真目标才能发挥作用，这就使真假目标识别成为关键。本文提出一种基于模糊神经网络的多目标识别方法，仿真验证了该方法的有效性。

关键词： 模糊神经网络 多目标识别 动能拦截器

一、引言

在大气层外拦截中，动能拦截弹从地面发射以后，经过初始制导和中制导过程将其携带的动能拦截器（Kinetic Kill Vehicle， KKV）送入预定拦截区域，在距离目标较近的范围内测量其视线角信息，通过控制轨控发动机开关机，来调整KKV的飞行轨迹[1]。整个过程中，弹目视线角及其角速率是设计KKV制导导引律的关键参数。

在现代防御战争中，往往存在真假目标并存的情况。假目标可分为轻型假目标、重型假目标和集群假目标[2]。轻型假目标用于大气层外，在进入大气层后很快被烧毁，如气球诱饵、金属平板、角反射器等。重型假目标与真目标同速伴飞，具有与真目标相近的雷达信号反射特性和红外辐射特性。集群假目标是指在弹头上有偶极子、角反射体及壳体碎片等组成的假目标群，会造成雷达需同时处理上百个目标，可迷惑雷达或使其饱和[2]。假目标模拟真目标的物理特征信号，与真目标一起形成多目标，会吸引防御方的探测器，为真目标袭击创造有利条件。对于多目标来说，拦截器完成真目标识别后要重新计算、预估遭遇点、瞄准目标机动飞行等操作，会导致脱靶概率的增加，更严重的情况是丢失目标。因此，若能在较短时间内准备地识别出真目标，将会大大提高KKV的目标拦截效率。本文利用模糊理论和神经网络，运用模糊神经网络来识别目标，在KKV飞行过程中不断更新目标特征权值，能较快地完成真目标的识别。

二、模糊神经网络设计

模糊神经网络（Fuzzy Neural Network，FNN）将模糊系统和神经网络相结合，能充分发挥神经网络的并行处理、自适应学习和模糊推理对人的知识进行决策的功能[3]。FNN是由大量形式相同的模糊神经元相互连接起来构成的网络系统，其本质是将常规的神经网络输入模糊信号和模糊权值。

图1 模糊神经网络结构图

一个完整的前向模糊神经网络通常由输入层、模糊化层、模糊推理层和去模糊化层构成，如图1所示：第一层为输入层，r是输入变量数；第二层为模糊化层，该层实现输入变量的模糊化，计算出变量相对于每个模糊子空间的隶属度，隶属函数采用高斯函数；第三层为模糊推理层，是网络的核心，它完成模糊合成和模糊蕴含运算，实现模糊推理映射；第四层为去模糊化层，对模糊推理层输出的结果进行去模糊化处理，表征形式为输入信号的加权和。

三、KKV拦截目标过程

在末制导中，KKV拦截目标的全过程可分为以下三步：①目标进入可识别区域，开始检测目标特征信息；②模糊神经网络开始学习，不断更新目标权值；③判断是否为真目标，若是，不再检测其它目标，读取弹目视线角等参数，导引律开始起作用，控制KKV实施拦截；若不能确定是真目标，返回①，继续检测和识别。迭代终止条件为识别时间大于某个阈值。详细流程如图2所示。

图2 FNN识别目标流程图

四、仿真验证

假设某空域中出现三个目标，其中只有一个为真目标，其余为假目标。目标初始位置为（30，0，0）、（30，30，0）、（0，30，0）（km），初始速度均为300m/s，真目标径向角速率为0.1rad/s，假目标无机动。KKV初始速度为600m/s。FNN有四个输入节点，两个输出节点，模糊层和推理层根据经验选取5层，初始权值ω为0.2，学习步长为0.01s，假设所有初始值均无测量误差。

图3 识别出真目标前后的KKV加速度曲线

仿真开始，目标进入可识别区域，检测目标特征，模糊神经网络开始学习，不断更新权值，FNN识别出真目标后，如图3所示，制导位置发生突变，KKV轨控加速度也相应突变，随之产生机动飞行，加速度迅速下降，KKV拦截新目标，脱靶量为1.1m。

经过多次仿真试验，可以得出脱靶量与剩余时间的关系：导弹剩余时间越短，目标识别耗时长，造成KKV机动时间越短，脱靶量越大。因此，应尽量延长剩余时间，加快模糊神经网络的学习效率，提高KKV的拦截效率。

五、结论

本文结合模糊理论与神经网络知识，采用模糊神经网络识别多目标，可有效提高KKV的拦截效率，减少脱靶概率的产生。但是，若目标特征模糊，或假目标有极大的迷惑性，造成FNN识别难度增大，识别时间过长，影响KKV成功拦截。因此，针对多目标迷惑性大的情况，需要继续研究具有鲁棒性的目标识别方法。■

参考文献

[1] 王磊，大气层外动能多拦截器目标拦截策略研究[J]，导弹与航天运载技术，2011（05）

[2] 刘石泉，弹道导弹突防技术导论[M]，中国宇航出版社，2003

[3] 许抗，基于模糊神经网络的雷达对抗目标识别模型[J]，舰船电子对抗，2009（08）