基于方向加速法的RLV再入预测制导研究

来源 :计算机仿真 | 被引量 : 10次 | 上传用户:yin_guohan163
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对可重复使用运载器(RLV)再入制导问题,为克服算法复杂度高、时效性差、以及环境扰动引起制导精度降低的问题,提出了一种基于修正方向加速法的再入预测制导方法,通过实时预测落点偏差及性能指标来在线搜索最优控制量增量。该方法以无约束极值理论为基础,将多约束的非线性最优化问题转化为无约束最优化问题。采用修正的方向加速法将多维搜索转化为一维搜索;同时进行最佳搜索方向替换,在性能指标收敛最快的方向上直接搜索可行解,降低了算法复杂度并提高了RLV抗扰动能力。仿真结果表明,与单纯形替换法相比,该方法可有效提高制导
其他文献
锚固技术是水利、铁路、公路建设中边坡支护的重要手段。然而,锚杆施工的质量往往受地质条件、施工工艺和施工管理等因素的影响。因此,锚杆施工中经常存在质量缺陷,造成安全
无线传感器网络节能路由的效率会严重影响网络的整体生存时间。为了有效的解决无线传感器网络路由节能问题,在对D-LEACH算法进行研究的基础上,提出了一种新的无线传感器网络节点密度与功能分类算法DR-LEACH(Density Relay-Low-energy Adaptive Clustering Hierarchy)。DR-LEACH根据节点密度来决定节点所担任的功能,节点密度较大区域的工作节点划
信息化时代的到来,也给我们的教育带来深刻的变革。教育也不例外。信息技术与学科课程整合成为国内外普遍关注的问题。本文从信息技术与学科课程整合的必要性出发,对信息技术
在导弹稳定性优化控制的研究中,针对直接力/气动力复合控制导弹两个子系统之间的控制分配问题,建立了复合控制导弹的数学模型,根据控制律和控制分配分离设计的原则,提出一种新的控制分配算法。首先根据弹目相对距离与过载跟踪误差的变化情况,采用模糊控制理论为直接力和气动力子系统分别设计了一种控制分配算法,避免了不确定干扰对系统的影响;然后针对模糊控制精度较低的问题,采用自适应遗传算法对分配参数进行了优化,提高
脑白质病变是一种弥漫性脑缺血所致的神经传导纤维脱髓鞘疾病。脑白质起着传递神经信号作用。当脑白质病变时,则可能引起认知功能障碍。从中医方面来看,"虚、痰、瘀"既是认知
研究末敏子弹效能优化问题。针对末敏弹系统结构复杂,影响因素众多的情况,由于子弹应提高生存能力和抗风漂移能力,必须提高速度减小留空时间提高效能。为改善系统优化设计提出了混合神经网络的末敏弹命中概率预报模型的建模方法。首先通过构建灰色神经网络,得到了命中概率的预测模型,考虑到小样本容量的预测网络易陷入局部最优的问题,采用遗传算法对网络权值阈值进行优化,通过MATLAB仿真最终获得了影响系统效能的几个主
针对传感器动态的非线性、动态特性,精确建模比较难。为此,提出一种非线性的传感器动态建模方法。首先将LSS-VM参数作为蚂蚁的位置向量,传感器动态建模精度作为目标函数,然后采用动态随机抽取的方法来确定目标个体引导蚁群进行全局搜索,并在最优蚂蚁邻域内进行小步长局部搜索,找到算法的最优参数,最后建立传感器动态模型。结果表明,ACO-LSSVM所建模型具有较强的实用性和可靠性,为改善传感器动态性能及在线补
数据收集是无线传感器网络的根本任务。在数据收集过程中,一些传感器节点因承担过多的数据传输任务,需要消耗较多的能量而过早死亡,缩短了网络的生命周期。为解决上述问题,引入移动sink节点来解决传感器网络的数据收集问题。建立圆形传感器网络的数据收集模型,并在上述基础上研究sink节点的部署和移动策略,进而提出一种分时使用静态sink和移动sink的混合通信算法。仿真结果表明,采用混合通信的数据收集算法较
研究薄膜厚度系统控制器优化问题,由于神经网络初始权值难以确定,使PID神经网络对控制器参数的自适应、自学习能力变差,最终导致控制效果不理想。为了解决这一问题,提出一种混合的粒子群算法,用来优化神经网络初始权值,进而实现控制器的优化,并应用于薄膜厚度控制系统。仿真结果表明:与PID神经网络控制器相比,优化后的控制器更好的实现了多变量控制系统的解耦控制,提高了控制器参数的自适应自学习能力,控制效果明显
研究机会网络的高效路由通信优化问题。机会网络中不需要源节点和目的节点建立完整路径,利用节点移动带来的相遇机会实现网络通信,就会造成网络的拓扑结构随时发生改变,连通性的固定性往往不能得到保证。传统的网络路由协议中,缺少对上述动态变化的约束,很难在变化节点中选出最优路径,导致通信效率下降。为了避免上述缺陷,提出了一种动态粒子协同搜索的机会网络路由算法。利用节点感知方法,计算机会网络覆盖区域中的节点感知