基于改进灰狼算法优化的UKF在空战轨迹预测中的应用

发布时间：2021-09-01 04:51

　　针对空战轨迹预测精度不高的问题,提出一种由改进灰狼算法优化的无迹卡尔曼滤波算法（Unscented Kalman Filter,UKF）。首先介绍了UKF算法并对其进行了分析;其次针对传统灰狼优化算法（Grey Wolf Optimizer,GWO）的不足,提出使用基于适应度值的动态权重、根据适应度值变化率调节的自适应控制参数调整、反向多倍中心对称变异策略的改进措施,形成改进的灰狼优化算法（IGWO）,并运用IGWO算法对UKF中的滤波参数Q、R进行实时优化;最后,运用所提出的IGWO-UKF算法与GWO-UKF、UKF、BP神经网络算法一起对空战轨迹进行预测仿真,形成三维轨迹图、各方向轨迹图与相对误差图。结果表明,所提算法误差小、精度高,具有良好的预测效果。 

【文章来源】：战术导弹技术. 2020,(01)北大核心

【文章页数】：8 页

【部分图文】：

X方向相对误差随时间变化曲线

Y方向预测轨迹随时间变化曲线

每次迭代后，选出当前最优的三个个体，按照适应度值好坏，依次标记为新的α、β、δ，进入下一次迭代，直至迭代结束，最优的灰狼位置就是问题的最优解，GWO中位置更新如图1所示。3.2 GWO改进策略

【参考文献】：
期刊论文
[1]基于贝叶斯正则化的Elman-NARX神经网络飞行轨迹预测[J]. 张振兴,杨任农,房育寰.  火力与指挥控制. 2018(03)
[2]基于卡尔曼滤波的动态轨迹预测算法[J]. 乔少杰,韩楠,朱新文,舒红平,郑皎凌,元昌安.  电子学报. 2018(02)
[3]基于BP神经网络的空中目标航迹预测模型[J]. 钱夔,周颖,杨柳静,谢荣平,何锡点.  指挥信息系统与技术. 2017(03)
[4]基于灰狼算法的改进研究[J]. 郭振洲,刘然,拱长青,赵亮.  计算机应用研究. 2017(12)
[5]控制参数值非线性调整策略的灰狼优化算法[J]. 魏政磊,赵辉,李牧东,王渊,柯益明.  空军工程大学学报(自然科学版). 2016(03)
[6]基于蚁群优化UKF算法的汽车状态估计[J]. 张凤娇,魏民祥,赵万忠.  中国机械工程. 2015(22)
[7]求解约束优化问题的改进灰狼优化算法[J]. 龙文,赵东泉,徐松金.  计算机应用. 2015(09)
[8]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ.  软件学报. 2015(05)
[9]基于BADA及航空器意图的四维航迹预测[J]. 张军峰,蒋海行,武晓光,汤新民.  西南交通大学学报. 2014(03)
[10]基于改进卡尔曼滤波的四维飞行航迹预测模型[J]. 王涛波,黄宝军.  计算机应用. 2014(06)

博士论文
[1]基于四元数非线性滤波的飞行器姿态确定算法研究[D]. 乔相伟.哈尔滨工程大学 2011



本文编号：3376293