基于最大似然估计和混合梯度优化的射手模型辨识
Identification of Shooter Model Using Maximum Likelihood Estimation and Hybrid Gradient Optimization作者机构:北京理工大学无人机自主控制技术北京市重点实验室北京100081 北京特种机电研究所北京100012
出 版 物:《兵工学报》 (Acta Armamentarii)
年 卷 期:2018年第39卷第12期
页 面:2399-2409页
核心收录:
学科分类:08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0801[工学-力学(可授工学、理学学位)]
基 金:北京理工大学基础研究基金项目(20150142009) 中国兵器红箭创新基金项目(20172014060)
主 题:光纤图像制导武器 射手模型 交叉模型 最大似然估计 混合梯度优化 输出误差法 遗传算法 高斯-牛顿优化
摘 要:光纤制导过程中射手对于光电显示的响应及其控制行为将直接影响弹药的制导控制性能。针对此问题,将最大似然估计法应用于射手模型辨识研究中。为解决辨识过程中遇到的非线性优化问题,采用遗传算法和高斯-牛顿优化算法混合策略提高寻找全局最优解的概率,并使用单纯形法提高算法鲁棒性。基于交叉原理提出适用于导引头回路的精确模型,设计仿真实验平台并进行了多轮次人在回路实验,将输出误差框架下的最大似然估计方法成功应用于实验数据中。结果表明:混合梯度优化算法能够找到全局最优值,辨识模型能够准确反映射手本身的动态特性,辨识方法和辨识的射手模型对于光纤寻的弹药制导控制系统设计具有一定的实际意义。