该论文主要研究基于人工神经网络模式的导弹起竖过程的数学模型的建造技术,利用改进的BP算法,建立发射车导弹起竖控制过程的数学模型,实现导弹起竖过程的闭环控制.长期以来发射车控制系统都是采用开环控制方式,造成发射前准备时间长,生产调试和部队维修的时间长、难度大,这已经成为提高导弹部队快速反应能力、作战能力和生存能力的瓶颈.导弹起竖控制过程是一个动态的、时变的过程,在整个起竖过程中,起竖的角速度随着起竖角度的不同而变化,因此很难用机理分析的方法建立其数学模型,经过多方调研、论证,将人工神经网络技术引入到发射车控制系统中,其中多层前馈网络能以任意精度逼近在紧密集上任意连续实函数,因此采用多层前馈网络进行系统辨识的方法,来建立发射车导弹起竖过程的数学模型.在建立数学模型过程中,首先经过比较决定采用改进的BP算法进行计算,接下来面对的是如何获取足够数量的样本以及确定合适的网络规模这两个问题,由于发射车的工作特点所决定,因此很难利用发射车来采集充足的样本集,为了解决这个问题,进行了大量的实验比较,最终确定了利用实验室搭建起竖台架来采集样本,这样既能获取足够的样本,又能确保样本具有较高的准确性,在此基础上,对如何提高网络的推广能力、如何选择合适的网络模型结构进行了分析,并结合发射车控制系统的工作特点选择了适当的网络结构,利用改进的BP算法建立了导弹起竖过程的数学模型.根据发射车的工作环境要求,选择了相对成熟可靠的可编程控制器(PLC)作为系统的控制主机.按照任务要求,利用人工神经网络技术建立起来的数学模型,实现了对发射车导弹起竖过程控制的优化,设计并实现了发射车导弹起竖过程的闭环控制.在实验室搭建的试验平台上对此控制方法进行了反复测试,验证数学模型的正确性,及导弹起竖控制方法的稳定性,并且在实际发射车上对此控制方案进行了测试,试验证实采用此方法后,提高了发射车的可靠性、可维修性、降低了调试难度、缩短调试周期以及实现导弹的快速发射、发射后部队快速撤离——即对提高导弹部队的生存能力起着非常重要的作用.