基于lmbp算法的防空兵群射击指挥能力评估模型

基于lmbp算法的防空兵群射击指挥能力评估模型

ID:34029342

大小:70.86 KB

页数:4页

时间:2019-03-03

基于lmbp算法的防空兵群射击指挥能力评估模型_第1页
基于lmbp算法的防空兵群射击指挥能力评估模型_第2页
基于lmbp算法的防空兵群射击指挥能力评估模型_第3页
基于lmbp算法的防空兵群射击指挥能力评估模型_第4页
资源描述:

《基于lmbp算法的防空兵群射击指挥能力评估模型》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、Vol.30,Supplement火力与指挥控制第30卷Aug,2005FireControlandCommandControl增刊文章编号:1002206402(2005)增刊231203基于LMBP算法的防空兵群射击指挥能力评估模型梁宇,尤志锋,王海峰,郝海燕(郑州防空兵指挥学院,河南郑州450052)摘要:介绍了一种基于BP神经网络的防空兵群射击指挥能力综合评估方法。首先确立了评估的指标集,其次在阐述BP神经网络相关原理的基础上,对LMBP算法进行了描述,建立了基于该网络的防空兵群射击指挥能力评估模型,最后介绍了该方法的实际应用情况。实例证明此方法是可行的。关键词:LMBP算法;防空兵群

2、;射击指挥能力中图分类号:E9文献标识码:AResearchontheAirDefenceArtilleryGroupFiringCommandAbilitybasedontheLMBPAlgorithmLIANGYu,YOUZhi2feng,WANGHai2feng,HAOHai2yan(AirDefenceForcesCommandAcademy,Zhengzhou450052,China)Abstract:ThispaperintroducesthemethodofairdefenceartillerygroupfiringcommandabilitybasedontheLMBParit

3、hmetic.Atfirst,theindexsetisgiven,then,thetheoryofnetworkisexpatiated,theLMBPalgorithmisbewrittenandamodelisestablishedbyapplyingforwardneuralnetwork.Thepracticalcalculationshowsthemethodisfeasible.Keywords:LMBPalgorithm,airdefenceartillerygroup,firingcommandability一个科学的评估指标体系。该指标体系必须具备以下三个特引言性:一是完备

4、性,即所有体现指挥员射击指挥能力的指标,都应包括在指标体系中。二是独立性,即所选指标应彼此独立,防空兵群射击指挥是指从发现目标开始到目标全部消没有相关性。三是一致性,即所选指标应与评估目标相一致。失这段时间内,防空兵群指挥所(由群指挥员及参谋人员组根据上述原则,确定评估群指射击指挥能力的指标体系层结成,以下简称群指)组织选用火力,指挥部(分)队射击的全部构如图1所示。活动。其目的是通过正确、灵活、高效的火力运用,在防空兵获取和利用远、近方空情的能力X1群所属部(分)队阵地位置相对固定的情况下,充分发挥群属空情保障能力获取和利用其他辅助空情的能力X2兵力、兵器的特长,以迅速、准确、突然、猛烈的火

5、力打击各种向群属目标指示雷达和部队指示目标的能力X3空中目标,最大限度地提高防空整体威力。群指的射击指挥对目标主攻方向的判断能力X4射能力,严重影响着整个防空兵群的作战能力。因此,能否准确情报判断能力对目标攻击企图和手段的判断能力X5击地评估群指射击指挥能力,是一个具有很大现实意义的问对主攻目标和佯攻目标的鉴别能力X6指题。本文运用人工神经网络的理论和方法,建立了群射击指正确选择目标的能力X7挥挥能力的评估模型,并采用Levenberg2Marquardt算法加快群属火力资源的利用能力X8能指挥决策能力网络的收敛速度,实现了对群射击指挥能力的综合评估。把握口令下达时机的能力X9力空情获取不足时

6、的决策能力X101建立射击指挥能力评估指标集群指挥所进入一等战备的速度X11快速反应能力对突发空情的临机处置能力X12要对群指的射击指挥能力进行较为准确的评估,必须有组织火力转移和支援的速度X13图1防空兵群射击指挥能力指标集收稿日期:2004209220修回日期:2004211210作者简介:梁宇(19802),男,湖南岳阳人,硕士研究生,2BP神经网络的基本原理研究方向为防空兵数字化作战指挥。人工神经网络ANN(ArtificialNeuralNetwork)是对人·32·火力与指挥控制2005年增刊脑或自然的神经网络若干基本特征的抽象模拟,是一种非线性的动力学系统。它具有自学习、自适应以

7、及非线性处理能力。目前,在人工神经网络的实际应用中,绝大部分的神经网络模型是采用BP网络及它的变化形式,它体现了人工神经网络的精华所在,是前向型神经网络的核心部分。典型的BP网络是3层前向网络,即:输入层、隐层和输出层,各层之间实行全连接。BP网络的学习,由4个过程组成:输入模式由输入层经是搜索减少性能指数的参数空间,即调整网络的权值和偏置隐层向输出层的“模式顺传播”过程;网络的预期输出与网值。通

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。