机器学习在电磁炮系统效能评估中的应用研究

摘要

武器装备的效能评估对装备的发展有至关重要的作用，高射武器是末端防空力量和现代战争的重要组成，电磁炮是新型高射武器系统的研发重点，因此对电磁炮系统进行效能评估是很有必要的。 本文对电磁炮效能评估的研究主要分三个部分。首先研究的是电磁炮综合效能指标体系的构建，并对5个综合指标值的求解方法和思路进行了研究。然后研究的是与毁伤相关的命中效能，基于“某型电磁炮方案论证”项目，对电磁炮的命中概率计算相关的目标确定、诸元求解、误差分析等问题进行研究，并用MATLAB编写了电磁炮命中概率计算程序，给出了计算示例，与普通高炮的命中概率进行了对比。最后采用自适应粒子群和支持向量回归机、BP神经网络相结合的机器学习方法，对电磁炮的综合效能进行了研究。机器学习是当前大数据时代和人工智能时代的关键技术，效能评估技术需要紧跟时代的步伐，推陈出新，进行评估方法的创新研究。本文结合自适应粒子群算法的寻优特性，对支持向量机回归模型和BP神经网络进行调参优化，建立新的机器学习模型，作为电磁炮系统综合效能的评估模型，并对电磁炮系统的综合效能进行评估和分析。 本文还对效能评估和机器学习的基础理论进行了较为系统的研究，并且介绍了后面机器学习所用数据的来源。数据是机器学习的基础，从数据中学习规律，确定模型的待定参数，从而得到模型用于评估分析。本文由某仿真系统，得到电磁炮的服务概率和毁歼概率主要数据，再结合WSEIAC的经典评估模型ADC法，求得电磁炮的综合效能，作为机器学习训练用到的完整数据集，用来进行监督学习。 最后是模型的程序实现。本文采用当下人工智能领域应用最广的语言Python，编写了评估模型的主程序和特征工程的数据处理程序，导入数据并进行训练。并编写了机器学习性能度量指标的求解函数和评估结果的图像输出，用于更直观的观察模型对电磁炮综合效能评估的结果和模型的性能好坏。

目录

声明

第1章 绪论

1.1 研究的背景与意义

1.1.1 研究的背景

1.1.2 研究的意义

1.2 国内外相关研究进展

1.2.1 国外研究现状

1.2.2 国内研究现状

1.3 论文主要研究内容和组织结构

1.3.1 主要内容

1.3.2 组织结构

第2章 效能评估和机器学习的基础理论研究

2.1 效能评估理论研究

2.1.1效能评估的定义

2.1.2效能评估的一般步骤

2.1.3效能指标的选取

2.1.4 效能评估方法研究

2.2 机器学习理论研究

2.2.1 机器学习定义

2.2.2 机器学习训练流程

2.3 本章小结

第3章 电磁炮综合效能指标体系的建立和数据来源

3.1 电磁炮效能评估指标体系

3.1.1 电磁炮系统组成

3.1.2 电磁炮系统综合性能指标

3.2 数据来源

3.2.1 电磁炮服务概率和毁歼概率的来源

3.2.2 系统效能计算

3.2.3 训练用到的数据集

3.3 本章小结

第4章 电磁炮命中效能的计算

4.1打击目标的确定

4.2 目标命中面积计算

4.3 弹道诸元的计算

4.4 射击误差模型的转换

4.5 着发射击命中概率数学模型

4.6 射击命中概率计算

(1) 积分变换

(2) 截成有限区域的积分

(3) 数值积分

4.7 本章小结

第5章 基于改进的机器学习算法的电磁炮系统效能评估方法

5.1 粒子群算法理论

5.1.1 基本粒子群算法理论

5.1.2 改进的粒子群算法理论

5.2 基于自适应粒子群算法的SVR改进模型

5.2.1 支持向量机回归模型

5.2.2 评估模型的建立

5.2.3 仿真评估

5.3 基于自适应粒子群算法的BPNN改进模型

5.3.1 BPNN原理

5.3.2 BP学习算法

5.3.3 评估模型的建立

5.3.4 仿真评估

5.4 本章小结

第6章 总结和展望

6.1 总结

6.2 展望

参考文献

攻读硕士期间发表的论文及所取得的研究成果

致谢