龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明属于制导技术领域，涉及一种基于深度神经网络的智能制导律及其预测方法，所述智能制导律包括目标机动分支预测模型和预测制导点计算模型以及深度神经网络模型，其中，由目标机动分支预测模型预测目标机动弹道数据，由预测制导点计算模型根据目标机动弹道数据计算制导点，由深度神经网络模型根据制导点计算制导控制量；通过数据驱动的方式对目标机动进行预测，从而在小数据样本下能提前预测某一类特定弹道，根据弹道计算出预测拦截点；同时采用深度神经网络，可以通过大量的训练数据学习到预测拦截点机动的变化场景和最优的制导路径，确保拦截导弹能适应动态、复杂拦截场景，进而提高拦截导弹的拦截性能。
主权项：1.一种基于深度神经网络的智能制导律，其特征在于，所述智能制导律包括目标机动分支预测模型和预测制导点计算模型以及深度神经网络模型，其中，由目标机动分支预测模型预测目标机动弹道数据，由预测制导点计算模型根据目标机动弹道数据计算制导点，由深度神经网络模型根据制导点计算制导控制量；其中：所述目标机动分支预测模型的构建是基于Seq2Seq模型，分别采用两层门控循环单元网络搭建编码器和解码器，并采用计划采样方法随机选择采用上一时刻的真实输入或者上一时刻的预测输入来预测本时刻的输出，将前一段时间的弹道坐标输入进目标机动分支预测模型后，通过数据驱动方式预测出目标机动弹道；所述预测制导点计算模型，采用拦截高度在拦截窗口遍历，分别计算目标导弹和拦截导弹到达该高度坐标的制导时间，对比两个制导时间，选取两制导时间之差的绝对值小于拦截时间容错量的拦截高度，根据所述目标机动弹道数据计算出制导点；所述深度神经网络模型是由DQN算法训练得到的，能通过训练数据学习到预测制导点机动的变化场景和制导路径；所述深度神经网络模型是由输入层、隐藏层和输出层组成的，每一层都是由至少两个神经元构成的，每个神经元都与上一层的所有神经元连接，并通过权重和偏置参数来进行连接权重的调节和信息传递。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种基于深度神经网络的智能制导律及其预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号