[发明专利]基于极限学习的弹丸气动系数辨识方法

说明书

本发明公开一种基于极限学习的弹丸气动系数辨识方法。包括如下步骤：(1)：建立弹丸二自由度动力学模型；(2)：构建极限学习机网络模型；(3)：根据构建好的极限学习机网络模型，进行参数辨识；确定隐含层和输出层的连接权值矩阵在确定连接权值矩阵的基础上，求解模型的输出矩阵，实现参数辨识。本发明模型建立简单，需要调节的参数少，训练速度快，不易陷入局部最优；只需要确定输入特征向量个数、隐含层神经元节点数、激活函数以及输出特征向量个数，即可建立网络模型；输入层与隐含层连接权值以及隐含层阈值均随机产生，不需要迭代微调，就可以基于最小二乘原理求解输出权值，实现弹丸气动参数辨识。

技术领域

本发明属于弹丸参数辨识领域，具体涉及一种基于极限学习的弹丸气动系数 辨识方法。

背景技术

火炮武器在战场中反应迅速，能够提供强大且持续的火力支援，是未来部队 联合作战的重要组成单元。获取传统高速旋转稳定弹丸准确的气动参数，对于提 高火炮射表精度、减小落点散布、增强打击精度具有重要的意义。获取弹丸气动 参数的方法主要有三种：第一种方法通过理论计算得出气动参数，第二种方法采 用风洞吹风法，第三种方法利用弹丸的自由飞行数据对弹丸的气动参数进行离线 辨识。其中，理论计算方法虽然简单，但由于模型中的未建模因素和不确定因素 导致计算结果存在一定的误差；风洞吹风法作用于弹丸模型，结果较为准确但由 于其成本较高，不能够精准地模拟高速旋转等状态，因而该方法也有缺陷；利用 弹丸自由飞行数据辨识弹丸的气动参数，不仅符合实际情况，还能根据辨识结果， 及时对弹丸进行调整，从而提高炮弹的打击精度。

用于参数辨识的方法通常有递推最小二乘法、递推极大似然法、卡尔曼滤波 法等。管军等人在《基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨 识》兵工学报,2017,38(01):73-80中提出一种新的自适应混沌变异粒子群算法 来求解该准则下的气动参数最优解，进而得到弹丸的气动参数，但是其在工程上 比较难以实现；史金光等人在《弹道修正弹落点预报方法研究》.弹道学 报,2014,26(02):29-33.中利用扩展卡尔曼滤波法对弹道修正弹的阻力和升力符 合系数进行了辨识，并且由此对后续弹道进行了修正，然而该方法要求较高，难 以在实际应用中实现。夏智勋等人在《极大似然法辨识轴对称飞行器的气动参数》. 航空学报,1998,19(5):53-55中采用分段辨识策略，利用估计法计算出辨识初 值，然后基于极大似然法成功实现了对大攻角非线性气动参数的辨识，但是该方 法计算耗时较长，不能满足实时估计的要求。

发明内容

本发明的目的在于提供一种基于极限学习机的辨识弹丸气动参数的方法，旨 在利用弹丸的飞行数据，基于极限学习机对弹丸的气动参数进行辨识，为获取弹 丸气动参数提供了新的途径。

实现本发明目的的技术解决方案为：一种基于极限学习的弹丸气动系数辨识 方法，包括如下步骤：

步骤(1)：建立弹丸二自由度动力学模型；

步骤(2)：构建极限学习机网络模型；确定输入层节点数、隐含层神经元个 数、激活函数以及输出层节点数；

步骤(3)：根据构建好的极限学习机网络模型，进行参数辨识；确定隐含层 和输出层的连接权值矩阵在确定连接权值矩阵的基础上，求解模型的输出 矩阵，实现参数辨识。

进一步的，所述步骤(1)“建立弹丸二自由度动力学模型”具体为：二自由 度动力学模型建立在自然坐标系下，u表示弹丸的速度，θ为弹道倾角，x、y为 弹丸的位置坐标，ρ为空气密度；S为特征面积，通常取为弹丸的最大横截面积； m₀为弹丸质量；g₀为重力加速度；C_D为阻力系数；

进一步的，步骤(2)具体包括如下步骤：