針對(duì)空戰(zhàn)軌跡預(yù)測(cè)精度不高的問題,提出一種由改進(jìn)灰狼算法優(yōu)化的無跡卡爾曼濾波算法（Unscented Kalman Filter,UKF）。首先介紹了UKF算法并對(duì)其進(jìn)行了分析;其次針對(duì)傳統(tǒng)灰狼優(yōu)化算法（Grey Wolf Optimizer,GWO）的不足,提出使用基于適應(yīng)度值的動(dòng)態(tài)權(quán)重、根據(jù)適應(yīng)度值變化率調(diào)節(jié)的自適應(yīng)控制參數(shù)調(diào)整、反向多倍中心對(duì)稱變異策略的改進(jìn)措施,形成改進(jìn)的灰狼優(yōu)化算法（IGWO）,并運(yùn)用IGWO算法對(duì)UKF中的濾波參數(shù)Q、R進(jìn)行實(shí)時(shí)優(yōu)化;最后,運(yùn)用所提出的IGWO-UKF算法與GWO-UKF、UKF、BP神經(jīng)網(wǎng)絡(luò)算法一起對(duì)空戰(zhàn)軌跡進(jìn)行預(yù)測(cè)仿真,形成三維軌跡圖、各方向軌跡圖與相對(duì)誤差圖。結(jié)果表明,所提算法誤差小、精度高,具有良好的預(yù)測(cè)效果。 

【文章來源】：戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2020,(01)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

X方向相對(duì)誤差隨時(shí)間變化曲線

Y方向預(yù)測(cè)軌跡隨時(shí)間變化曲線

每次迭代后，選出當(dāng)前最優(yōu)的三個(gè)個(gè)體，按照適應(yīng)度值好壞，依次標(biāo)記為新的α、β、δ，進(jìn)入下一次迭代，直至迭代結(jié)束，最優(yōu)的灰狼位置就是問題的最優(yōu)解，GWO中位置更新如圖1所示。3.2 GWO改進(jìn)策略

【參考文獻(xiàn)】：
期刊論文
[1]基于貝葉斯正則化的Elman-NARX神經(jīng)網(wǎng)絡(luò)飛行軌跡預(yù)測(cè)[J]. 張振興,楊任農(nóng),房育寰.  火力與指揮控制. 2018(03)
[2]基于卡爾曼濾波的動(dòng)態(tài)軌跡預(yù)測(cè)算法[J]. 喬少杰,韓楠,朱新文,舒紅平,鄭皎凌,元昌安.  電子學(xué)報(bào). 2018(02)
[3]基于BP神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)航跡預(yù)測(cè)模型[J]. 錢夔,周穎,楊柳靜,謝榮平,何錫點(diǎn).  指揮信息系統(tǒng)與技術(shù). 2017(03)
[4]基于灰狼算法的改進(jìn)研究[J]. 郭振洲,劉然,拱長(zhǎng)青,趙亮.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[5]控制參數(shù)值非線性調(diào)整策略的灰狼優(yōu)化算法[J]. 魏政磊,趙輝,李牧東,王淵,柯益明.  空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[6]基于蟻群優(yōu)化UKF算法的汽車狀態(tài)估計(jì)[J]. 張鳳嬌,魏民祥,趙萬忠.  中國(guó)機(jī)械工程. 2015(22)
[7]求解約束優(yōu)化問題的改進(jìn)灰狼優(yōu)化算法[J]. 龍文,趙東泉,徐松金.  計(jì)算機(jī)應(yīng)用. 2015(09)
[8]一種基于高斯混合模型的軌跡預(yù)測(cè)算法[J]. 喬少杰,金琨,韓楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ.  軟件學(xué)報(bào). 2015(05)
[9]基于BADA及航空器意圖的四維航跡預(yù)測(cè)[J]. 張軍峰,蔣海行,武曉光,湯新民.  西南交通大學(xué)學(xué)報(bào). 2014(03)
[10]基于改進(jìn)卡爾曼濾波的四維飛行航跡預(yù)測(cè)模型[J]. 王濤波,黃寶軍.  計(jì)算機(jī)應(yīng)用. 2014(06)

博士論文
[1]基于四元數(shù)非線性濾波的飛行器姿態(tài)確定算法研究[D]. 喬相偉.哈爾濱工程大學(xué) 2011



本文編號(hào)：3376293