我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:516棋牌游戏 > 火力配系 >

BP神经网络在坦克分队火力配系中的应用pdf

归档日期:06-29       文本归类:火力配系      文章编辑:爱尚语录

  1.本站不保证该用户上传的文档完整性,不预览、不比对内容而直接下载产生的反悔问题本站不予受理。

  V0lJ33.No.10 火 力 与 指 挥 控 制 第 33卷 第 10期 October,2008 FireControlandCommandControl 2008年 1O月 文章编号:1002—0640(2008)10—0127—03 BP神经网络在坦克分队火力配系中的应用 刘芬 良 ,朱英贵 ,赵建江。,康传符。 (1.海军兵种指挥学院,广东 广州 510430,2.蚌埠坦克学院,安徽 蚌埠 233050, 3.成都军区兵种训练基地,四川 崇州 611237) 摘 要 :坦克分队火力配系是坦克分队防御战斗中指挥员实施战场指挥的重要内容,选取火力配系方案的优劣直接影响 着防御作战的胜负。首先介绍了BP神经网络的原理及使用方法,在系统分析制约坦克分队火力配系影响因素基础上,构建了 火力配系方案评估的指标体系,接着详细设计了用于评估火力配系方案的BP神经网络模型,并利用MATLAB仿真软件对 结果进行了计算和分析。结果表明BP神经网络具有很强的解决复杂非线性关系问题的特点,适用于对坦克分队火力配系方 案优劣分析和评价。 关键词:BP神经网络,坦克分队火力配系,方案评估 中图分类号:E919 文献标识码 :A ApplicationofBP NeuralNetworktoProposalEvaluation ofFireSystem forTankElement LIU Fen—liang,ZHU Ying—gui。,ZHAOJian—jiang。,KANG Chuan—fu。 (1.TheNavalArmyCommandAcademy,Guangzhou 510430,China,2.BengbuTankCollege,Bengbu233050,China, 3.ArmyTraining Base,ChengduMilitaryCommand,Chongzhou611237,China) Abstract:Tank element’Sfiresystem isan importantcontentforcommanderondefendingfields, whetherchoosingbetterproposalwilldirectlydecidetheresultsofthecampaigns.InthiSpaper,thebasic principleandusingmethodofBPneuralnetworkarefirstlyintroduced,basedonanalyzingtheimpacting factorsontank element’Sfiresystem ,theindexsystem forestimatingthefiresystem proposaisdesigned, then thepaperparticularlydesignsthemodelofBPneuralnetworkthatisusedtoestimatethefiresystem andtheresultiscalculatedandanalyzedbyusingMATLAB simulationsoftware.Theresultindicatesthat theBPneuralnetworkis8suitabletoolforsettlingacomplexnonlinearityrelationproblem ,anditcanbe usedforanalyzingandestimatingthefiresystem proposa1. Keywords:BPneuralnetwork,firesystem fortankelement,proposalevaluation 次分析法要考虑指标过多且难 以确定 ,后两者则需 引 言 要建立相应评估指标的隶属函数,受人的主观性影 火力配系是对参战的各种火器作适当配置和分 响较大。人工神经网络的出现 ,为这一问题的解决提 工构成火力系统 。坦克分队火力配系是防御战斗中 供了有效的途径。本文通过构造坦克分队火力配系 分队指挥员实施火力指挥的重要内容。火力配系方 方案 比较的基准样本 ,再通过这些基准样本 的人工 案的优劣对能否达成作战 目的、提高防御的稳定性、 神经 网络的 自学习,获得坦克分 队火力配系方案 比 有效地杀伤敌人和保护 自己具有重要的决定意义。 较神经网络模型的输人层、隐含层和输出层之间的 目前,坦克分队火力配系方案评估使用较多的是层 联系系数,形成一个存贮有大量信息的稳定系统,然 次分析法、模糊综合评判法和灰色关联分析法 。但层 后将要比较 的一组方案输入系统 ,根据系统的输出 可以得出该组方案的优劣排序 。 收稿 日期 :2007—08—11 修 回 日期 :2007—10-12 1 BP神经网络理论 作者简介 :刘芬 良(1974一 ),男,湖南双峰人 ,硕士,主要 BP神经网络,即多层前馈式误差反传播神经网 从事海军陆战队战术科研与教学工作 。 络 ,是人工神经网络 中最具代表性和广泛应用的一 · 128 ·(总第 33—1498) 火 力 与指 挥 控 制 2008年 第 10期 种,其主要优点是 :只要有足够的隐层和隐结点,BP 3.1 输入层、隐含层、输 出层的设计 网络可以逼近任意的非线性映射关系。BP神经网 将影响坦克分队火力配系的因素作为输入层, 络,通常由输入层、输 出层和若干隐含层构成,每层 输入单元数为 13,将方案的评估指标值设为x (一 由若干个结点组成,每一个结点表示一个神经元, 1,2,A,13),将 Ol10zl,A,Ol3】设为输入层节点;把 上层结点与下层结点之间通过权联接 ,同一层结点 对方案的评估得分作为输出层,每套方案只有一个 之间没有联系。BP神经网络的学习过程分为信息的 评估结果 ,故输 出层节点数为 1,将 o。设为输出层 正向传播过程和误差的反 向传播过程两个阶段。在 节点;隐含层神经元是中间量,没有确定的物理意 正向传递中,输入信息从输入层经隐含层逐层计算 义。需要进一步确定的主要是中间隐含层的个数以 传 向输 出层,每一层神经元的输 出作用于下一层神 及隐含层 中神经元的个数。1989年 ,Hct—Nlsn证明 经元的输入。如果输出层没有得到期望的输 出,则计 了对于任何闭区间内的一个连续函数都可以用一个 算输出层的误差变化值,转向反 向传播,通过网络将 隐含层的BP网络来逼近 ,也就是说一个三层 的BP 误差信号沿原来的连接通路反传回来修改各层神经 网络可以完成任意的 维到m维的映射。所以本文 元的权值直至达到期望的目标 。 在研究中将采用含有一层隐含层 的三层BP网络 , 在确定隐含层 中神经元的个数时,这里采用一种经 o1 验确定法 :m一2n+1;其中 为输入层节点数 ,m为 恐 o2 隐层节点数。设0。,0 A,O 为隐含层节点。 · On 一 1 一 1 3.2 学习步长、初始权值、目标精度及激活函数和 On 萋 训练函数的选取 图 1 BP神经网络模型 学习步长是在学习过程 中对权值的修正量 ,与 网络的稳定性有关 。步长过短 ,则学习效率低 ,步长 2 坦克分队火力配系指标体系的确定 过长 ,则网络稳定性差。学习步长取为0.05。初始权 衡量坦克分队火力配系方案的优劣指标很多, 值选取对于输 出结果是否最接近实际、是否能够收 依据防御作战的目的,可归结为:①有效地杀伤敌人 敛,以及 学 习时 间 的长 短 等关 系很 大。由于 的程度 ;②有利于保护己方的程度 。据此,从坦克分 MATLAB仿真软件会根据初始化函数 自动生成相 队防御作战的特点出发,根据因素分析法建立坦克 应的初始权值和阈值,故这里不作考虑 。目标精度是 分队火力配系方案层次结构指标体系如表 1。 确定神经网络的精度标准,当误差达到 目标精度要 表 1 坦克分队火力配系评估指标体系 求后,网络停止训练。在该BP神经网络中,以广义S 型函数作为激活函数,其表达式为: y = /L1+exp(--aU )] 上式中y 为节点 O 的输出; 为节点0 的输 入饱和值 ; 为 S函数的斜率, 为节点的内部输 —_、 人转换,其表达式为:U一25WiYiH +Q 上式中, 为第k一1层第 个节点与第k层 第 i个节点间的连接权值 ;Q 为节点的值 。对坦克分 队火力配系方案 的比较 ,就是以人为制定的比较基 准作为标准样本,通过这些标准样本的自学习,调整 网络中每个节点的参数 和 Ⅲ的值,使得网络的 输出与实际的标准样本的比较结果在规定的误差范 围之 内。训练 函数采用速度很快 的Levenberg— marquardtBP函数 。 3.3 学习样本矩阵、目标输出矩阵、待评估矩阵的 设计 3 BP神经网络设计 根据实际作战中的经验和专家评定结果,可以 以坦克分 队火力配系方案评估为例,进行 BP 确定学习样本。由于各评估指标的量纲不同,且有的 神经网络模型方法的设计。本文运用 BP神经网络 是数字、有的只是用程度表示 (程度表示分较好 、好、 模型方法,对坦克分队某一火力配系方案评估方法 一 般、差、较差 ,换算为数字分别为 9、7、5、3、1),给 进行设计 ,得出评估模型。其设计步骤如下。 计算带来了很大的不便 ,因此,首先要对数据进行归 刘芬 良,等:BP神经网络在坦克分队火力配系中的应用 (总第 33—1499) ·129 · 一 化处理,使输入值的范围在[O,1]之间,用矩阵P Q—Lql,qz,A,g_J 表示 。 4 MATLAB仿线 A Pl] 在 BP神经网络的分析和设计 中,会涉及大量 p — IIPA21PAzzAAPA2mI『 的计算 问题,MATLAB仿真软件 的使用为神经网 L l P2 A P _J 络 的计 算 带 来 了极 大 的便 利 ,本 文 将 应 用 其 中:s为样本组数 , 为输入矩阵的维数 。 MATLAB仿真软件对坦克分队火力配系方案进行 目标输出矩阵为各方案的评估值 。因此 ,目标值 评估。根据实战经验和专家评定,选定用于训练的 t的范围也在[0,1]之间,用矩阵T—Et。,t,A,] 10组样本数据 。 表示 。神经网络训练结束后,输入待评估的样本矩 4.1 学习样本矩阵、目标输 出矩阵、待评估矩阵的 阵,用矩阵Q===Eq,qz,A,qm]表示,即可获得相应的 数据输入 输 出矩阵,即需获得的所要评估方案的评估值 。 给出原始学习样本数据 (见表 2)。 表 2 学习样本方案指标值 7 5 7 6 6 5 1500 3500 3 5 3 4 5 3 1300 3200 11O0 3000 125O 3200 9 5 7 6 6 6 5 7 1000 2800 9 4 6 8 1500 2600 6 4 7 3 5 4 2 5 归一化处理后 的学习样本矩阵如下 : 5 5 5 8 3 4 1.00 1.00 1.00 0.78 0.71 1.00 0.6O 0.78 1.00 1.00 0.63 1.00 1.00 1.00 0.87 0.91 1.00 1.00 0.71 1.00 0.56 0.56 0.43 0.63 0.43 0.56 7 3 4 6 6 2 0.67 0.73 0.86 1.00 0.71 1.00 0.6O 0.56 0.78 0.70 0.63 0.57 0.67 P样一 0.89 O.83 0.91 0.78 0.71 0.85 O.80 1.00 0.67 0.57 1.00 0.86 0.33 9 5 6 3 9 4 0.78 0.67 0.80 1.00 0.57 0.85 1.00 0.78 0.67 0.30 0.37 0.86 1.00 O.89 1.0O 0.74 0.67 0.57 0.71 0.60 0.22 0.67 0.70 0.50 0.30 O.44 目标输出矩阵T样一[0.94,0.88,0.75,0.71,0.50,0.43]; 待评估方案输入矩阵: l0.86 1.OO 0.92 0.66 0.83 0.76 0.38 0.67 0.82 0.64 0.96 0.73 0.44I Q待一l0.66 0.85 0.35 0.76 0.92 0.38 0.56 0.67 0.82 0.49 0.98 0.68 0.39l Lo.95 o.38 o.56 o.86 1.OO o.58 o.71 o.36 o.88 o.35 o.41 o.58 o.59J b1=:=Eo.8;o.6;o.4;o.7;o.66;o.8;o.4;o.2; 4.2 BP神经网络模型程序代码设计 o.55;o.38;o.66;o.47;o.8j; 在 MATLAB6.5运行环境下,输入样本指标矩 b2一 [o.86;0.79;o.44;o.96;1;0.88;0.76; 阵和标准输 出矩阵,而后键入如下命令 : o.91;0.83;o.79;0.5;0.47;0.71J; net—newcf(minmax(P),[271],{’tansig’, 专家组经过综合评价给 出的结果为:0.58、 ’logsig’},’trainlm’); o.89。 net.trainParam.epochs一 100: 在以上训练好的网络中,键入如下命令: net.trainParam.goal一 0.0000001: 61一Eo.8;o.6;o.4;o.7;o.66;o.8;o.4;o.2; net—train(net,P,T); o.55;o.38;o.66;o.47;o.8.J; 训练结果如 134页图 2所示。 Jl=sire(net,b1) 4.3 网络测试 b2一 [0.86;0.79;0.44;0.96;1;0.88;0.76; 为 了测试训练好的网络性能,选取两组样本方 0.91;0.83;0.79;0.5;0.47;0.71_J; 案进行测试 。样本各指标值经归一划处理后 ,如下 : 2=sim (net,b2) (下转第 134页) ·134 · (总第 33—1504) 火 力与 指 挥 控 制 2008年 第 1O期 由此得到本题的精确解 。 程序,便于推广应用。 2.2 用平面几何算法 参考文献 : 平面几何算法不是本文论述 的主要 内容,所 以 只给出简略过程和计算结果,用于验证解析算法的 [1] 邱成龙.地地导弹火力运用方法 [M].北京:国防工 正确性。简略运算过程请参考图2和下文的简要叙 业 出版社 ,2002. [2] 陈立新.像素一仿真法研究[J].指挥技术学院学报, 述 。 1999,6(10):80—83. [3] 樊映川.高等数学讲义 [M].北京:人民教育出版社, 1964. [4] 陈智江.导弹武器打击复杂形状面 目标毁伤判定研 究 [D].西安:第二炮兵工程学院硕 士学位论文, 2002. (上接 第 129页) 图2 平面几何算法 运行后 网络输 出结果为:.『一0.5767;Jz一 区域 1的面积为 17030. 0.9099。训练结果如图3所示 : 9 . Perfetmanceis405319e一012, 区域 2的面积为 20001. Goatisle一007 3 区域 3的面积为 14534. 4 区域 4的面积为 7418. O2 图2 训练结果 总面积为S一58985.833 测试结果和专家组给出的结果误差相当小,符 40233466 合要求,该网络可以使用 。 2.3 两种算法的对比 针对此 问题,能够求出精确解 的算法只有平面 5 结束语 几何算法和本文提出的解析算法。本文给出了解析 BP神经网络评估方法是一种基于非线性系统 算法的算例 ,并与平面几何算法的计算结果进行 了 的预测方法,对坦克分队火力配系方案进行综合评 比较。算例显示,两种算法的计算结果的前 3O位有 估能够较为准确地提供决策依据,坦克分队指挥员 效数字相同。此算例表明,本文所述的解析算法与平 只需将几组分队火力配系方案 的13个性能指标值 面几何算法一样准确可靠。 输入网络,训练好的网络即给出每组方案的评估值, 与平面几何算法相 比较,解析算法还具有能够 根据评估值 的大小 ,指挥员即可确定出几组被选方 编制统一的计算程序的优点。由于解析算法计算过 案的优劣 。随着对火力配系问题研究的不断深入和 程的主体部分由本文所述 的式 (3)和式(4)构成 ,形 神经网络技术的发展 ,BP神经网络方法将会更有 式很规则,所以很便于编制统一的计算程序,便于推 效、更精确地解决部(分)队的火力配系问题 。 广应用 。而平面几何算法 ,由于图形几何位置关系的 参考文献: 多样性 ,所 以很难编制程序 ,从而限制了其应用范 围。因此,在能够求出精确解的算法当中,解析算法 [1] [美]哈根 (Hagan,M.T.).神经 网络设计 [M].北 的优越性是独一无二的。 京 :机械工业出版社 ,2002. 3结论 用 篆 与 本文提出的解析算法适用于计算多发导弹,可 . [3] 王忠义,王 钰·坦克分队火力运用与指挥[M]·北 以是不同型号导弹 ,联合打击复杂形状面 目标 。该算 京:海潮出版社,00· 法计算量小 ,-.j-以求出精确解,可以编制统一的计算

  “原创力文档”前称为“文档投稿赚钱网”,本网站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有【成交的100%(原创)】

本文链接:http://channelsra.com/huolipeixi/41.html