為提升復(fù)合制導(dǎo)武器系統(tǒng)性能,有必要對其進行精度分析和評估。而在其試驗過程中由于多種因素的限制,標準狀態(tài)下的試驗難以實現(xiàn),需要設(shè)計大量的等效試驗來輔助鑒定定型。通常無法直接利用等效試驗數(shù)據(jù)對武器在標準狀態(tài)下的性能進行評估,需要對其進行等效試驗折合,之后進行相應(yīng)的適應(yīng)性評估。然后目前現(xiàn)有的復(fù)合制導(dǎo)等效折合方法不成體系,并且適應(yīng)性評估方法不夠完善。本文針對上述問題進行了相關(guān)研究。主要內(nèi)容和創(chuàng)新點如下:1.給出了復(fù)合制導(dǎo)武器系統(tǒng)誤差模型的形式化數(shù)學(xué)描述,建立了復(fù)合制導(dǎo)等效試驗折合及評估的一體化框架;對SINS/SMNS系統(tǒng)進行了誤差分析與誤差建模,詳細梳理了SINS的誤差源;基于非等間隔濾波算法建立了SINS/SMNS誤差一體化響應(yīng)模型,并對該系統(tǒng)的等效試驗折合進行了算例驗證。2.在融合評估方法方面,先驗信息和真實現(xiàn)場數(shù)據(jù)的融合一直是難點�；诖睃c理論,綜合了信息損失和信息偏差因素,設(shè)計了Bayes評估中先驗樣本量的優(yōu)化方法。在不同階段分布函數(shù)存在系統(tǒng)偏差的情形下,基于代表點方法的估計精度高于基于可信度的Bayes估計方法,經(jīng)典Bayes估計方法精度最低。以落點CEP的正態(tài)總體參數(shù)的估計問題... 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號使用說明
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 制導(dǎo)精度分析
        1.2.2 適應(yīng)性評估方法
    1.3 本文主要工作
第2章 復(fù)合制導(dǎo)等效試驗折合
    2.1 復(fù)合制導(dǎo)武器系統(tǒng)誤差模型的數(shù)學(xué)描述
    2.2 復(fù)合制導(dǎo)等效試驗折合框架
    2.3 SINS/SMNS系統(tǒng)誤差分析與建模
        2.3.1 SINS/SMNS系統(tǒng)簡介
        2.3.2 SINS/SMNS系統(tǒng)主要誤差源
    2.4 SINS工作原理及誤差源分析
        2.4.1 SINS力學(xué)編排方程
        2.4.2 SINS誤差分析
    2.5 SINS/SMNS一體化響應(yīng)模型與誤差分析
        2.5.1 Kalman濾波建模
        2.5.2 非等間隔濾波與反饋校正
        2.5.3 總誤差響應(yīng)模型分析
        2.5.4 不確定性建模與分析
        2.5.5 等效試驗折合
    2.6 小結(jié)
第3章 Bayes可信度融合評估的代表點優(yōu)化方法
    3.1 概述
    3.2 基于可信度的Bayes估計
        3.2.1 CEP的Bayes估計
        3.2.2 基于可信度的后驗加權(quán)估計
    3.3 先驗樣本的代表點
        3.3.1 代表點數(shù)目的優(yōu)化方法
        3.3.2 基于代表點的Bayes后驗融合
    3.4 代表點方法優(yōu)化性能分析
    3.5 數(shù)值試驗
        3.5.1 代表點數(shù)目的優(yōu)化選取
        3.5.2 方法性能對比
    3.6 小結(jié)
第4章 多條件概率下的混合CEP模型及算法
    4.1 概述
    4.2 基于Bayes混合模型的多條件概率CEP建模
        4.2.1 經(jīng)典CEP定義
        4.2.2 Bayes非參數(shù)混合模型
        4.2.3 混合CEP方程
    4.3 多條件概率下的混合CEP算法
        4.3.1 混合CEP方程的簡化
        4.3.2 混合CEP點估計
        4.3.3 混合CEP區(qū)間估計
    4.4 算法性能分析
        4.4.1 統(tǒng)計性質(zhì)對比
        4.4.2 先驗失真對混合CEP誤差的影響
    4.5 數(shù)值試驗
        4.5.1 兩正態(tài)分布混合總體
        4.5.2 先驗失真的誤差上界
        4.5.3 小子樣下的混合CEP計算
    4.6 小結(jié)
第5章 結(jié)束語
    5.1 研究工作小結(jié)
    5.2 可繼續(xù)深入的研究工作
致謝
參考文獻
作者在學(xué)期間取得的學(xué)術(shù)成果


【參考文獻】：
期刊論文
[1]基于機器學(xué)習(xí)的SMN可靠性分析及量測誤差建模[J]. 余璐,程詠梅,劉夏雷,劉楠.  西北工業(yè)大學(xué)學(xué)報. 2016(02)
[2]基于多代表點近鄰傳播的大數(shù)據(jù)圖像分割算法[J]. 許曉麗.  圖學(xué)學(xué)報. 2016(01)
[3]不確定性量化的高精度數(shù)值方法和理論 獻給林群教授80華誕[J]. 湯濤,周濤.  中國科學(xué):數(shù)學(xué). 2015(07)
[4]一種代表點的近似折半層次聚類算法[J]. 王寅同,王建東,陳海燕,徐濤,孫博.  小型微型計算機系統(tǒng). 2015(02)
[5]基于證據(jù)推理的慣性/景象匹配組合導(dǎo)航方法[J]. 鄭辛,孫偉,李群,郭元江.  中國慣性技術(shù)學(xué)報. 2014(05)
[6]景象匹配區(qū)選取方法研究[J]. 劉中華,王暉,陳寶國.  計算機技術(shù)與發(fā)展. 2013(12)
[7]基于神經(jīng)網(wǎng)絡(luò)的INS/SAR組合導(dǎo)航航跡狀態(tài)估計算法研究[J]. 馬傳焱,熊智,柏青青,劉建業(yè).  導(dǎo)航與控制. 2012(04)
[8]景象匹配算法研究進展與展望[J]. 譚志園,孫繼銀,王忠,張財興.  計算機技術(shù)與發(fā)展. 2012(09)
[9]一種基于代表點的增量聚類算法[J]. 孟凡榮,李曉翠,周勇.  計算機應(yīng)用研究. 2012(08)
[10]最近鄰分類的多代表點學(xué)習(xí)算法[J]. 陳黎飛,郭躬德.  模式識別與人工智能. 2011(06)

博士論文
[1]復(fù)合制導(dǎo)武器系統(tǒng)戰(zhàn)技指標的融合評估方法研究[D]. 陳璇.國防科學(xué)技術(shù)大學(xué) 2011
[2]車載自主定位定向系統(tǒng)研究[D]. 嚴恭敏.西北工業(yè)大學(xué) 2006

碩士論文
[1]捷聯(lián)慣導(dǎo)算法及車載組合導(dǎo)航系統(tǒng)研究[D]. 嚴恭敏.西北工業(yè)大學(xué) 2004



本文編號：3529327