目錄
序
前言
第1章 緒論 1
1.1 導(dǎo)彈工作原理和系統(tǒng)組成 1
1.1.1 導(dǎo)彈工作原理 1
1.1.2 導(dǎo)彈系統(tǒng)組成 3
1.2 導(dǎo)彈系統(tǒng)工程與總體設(shè)計(jì) 4
1.2.1 導(dǎo)彈系統(tǒng)工程 4
1.2.2 導(dǎo)彈研制階段 7
1.2.3 導(dǎo)彈性能要求 8
1.2.4 導(dǎo)彈總體設(shè)計(jì)內(nèi)容 12
1.3 導(dǎo)彈先進(jìn)設(shè)計(jì)方法 20
1.3.1 優(yōu)化設(shè)計(jì)和多學(xué)科優(yōu)化設(shè)計(jì) 21
1.3.2 基于模型的系統(tǒng)設(shè)計(jì) 25
1.3.3 專家系統(tǒng)設(shè)計(jì) 27
1.4 人工智能及導(dǎo)彈智能設(shè)計(jì) 28
1.4.1 人工智能技術(shù)與智能算法 28
1.4.2 導(dǎo)彈智能設(shè)計(jì)技術(shù) 30
1.5 本章小結(jié) 32
習(xí)題 33
參考文獻(xiàn) 33
第2章 機(jī)器學(xué)習(xí)算法在導(dǎo)彈學(xué)科分析中的應(yīng)用 34
2.1 典型機(jī)器學(xué)習(xí)算法 34
2.1.1 機(jī)器學(xué)習(xí)算法簡(jiǎn)介 34
2.1.2 淺層神經(jīng)網(wǎng)絡(luò) 36
2.1.3 數(shù)據(jù)降維與特征提取算法 38
2.1.4 基于降階模型和神經(jīng)網(wǎng)絡(luò)的算法 41
2.1.5 深度神經(jīng)網(wǎng)絡(luò) 42
2.1.6 循環(huán)神經(jīng)網(wǎng)絡(luò) 44
2.1.7 集成學(xué)習(xí)算法 46
2.2 一般應(yīng)用過(guò)程 47
2.2.1 傳統(tǒng)的學(xué)科分析方法 47
2.2.2 基于機(jī)器學(xué)習(xí)的學(xué)科分析框架 49
2.3 基于機(jī)器學(xué)習(xí)算法的分析案例 50
2.3.1 翼型氣動(dòng)集中力智能預(yù)測(cè) 50
2.3.2 翼型氣動(dòng)場(chǎng)數(shù)據(jù)智能預(yù)測(cè) 52
2.3.3 某導(dǎo)彈部件表面氣動(dòng)分布力智能預(yù)測(cè) 57
2.3.4 智能預(yù)測(cè)在氣動(dòng)優(yōu)化中的應(yīng)用 60
2.3.5 某導(dǎo)彈部件結(jié)構(gòu)位移響應(yīng)智能預(yù)測(cè) 62
2.4 本章小結(jié) 63
習(xí)題 63
參考文獻(xiàn) 64
第3章 智能優(yōu)化算法及優(yōu)化過(guò)程 66
3.1 優(yōu)化設(shè)計(jì)基本原理 66
3.1.1 設(shè)計(jì)變量 66
3.1.2 約束條件 68
3.1.3 目標(biāo)函數(shù) 69
3.1.4 計(jì)算模型 70
3.1.5 優(yōu)化模型 70
3.1.6 優(yōu)化算法 71
3.2 智能優(yōu)化算法 72
3.2.1 遺傳算法 73
3.2.2 粒子群算法 76
3.2.3 蟻群算法 79
3.2.4 模擬退火算法 83
3.2.5 大猩猩部隊(duì)優(yōu)化算法 86
3.2.6 堆優(yōu)化算法 89
3.3 基于代理模型的智能優(yōu)化過(guò)程 92
3.3.1 代理優(yōu)化框架 93
3.3.2 代理模型建模方法 94
3.3.3 代理模型自適應(yīng)抽樣方法 99
3.4 導(dǎo)彈優(yōu)化設(shè)計(jì)案例 103
3.4.1 氣動(dòng)外形優(yōu)化設(shè)計(jì)案例 103
3.4.2 導(dǎo)彈多學(xué)科優(yōu)化應(yīng)用 105
3.5 本章小結(jié) 113
習(xí)題 113
參考文獻(xiàn) 114
第4章 彈道優(yōu)化與智能生成方法 115
4.1 彈道優(yōu)化基礎(chǔ) 115
4.1.1 彈道優(yōu)化問(wèn)題 115
4.1.2 彈道優(yōu)化方法 117
4.1.3 彈道優(yōu)化案例 122
4.2 彈道智能快速生成方法 124
4.2.1 傳統(tǒng)彈道生成方法 124
4.2.2 彈道智能快速生成框架 125
4.2.3 彈道數(shù)據(jù)庫(kù)生成與管理策略 126
4.2.4 基于智能算法的彈道生成模型 136
4.3 彈道智能生成應(yīng)用 138
4.3.1 導(dǎo)彈射前彈道規(guī)劃應(yīng)用 138
4.3.2 導(dǎo)彈在線彈道規(guī)劃應(yīng)用 140
4.4 本章小結(jié) 142
習(xí)題 143
參考文獻(xiàn) 143
第5章 智能制導(dǎo)律設(shè)計(jì) 144
5.1 飛行力學(xué)基礎(chǔ) 144
5.1.1 相對(duì)運(yùn)動(dòng)方程 144
5.1.2 經(jīng)典制導(dǎo)律及飛行特性分析 145
5.2 深度強(qiáng)化學(xué)習(xí)基礎(chǔ) 151
5.2.1 基本概念 151
5.2.2 算例展示 151
5.2.3 應(yīng)用前景 154
5.3 智能中制導(dǎo)律 155
5.3.1 空空導(dǎo)彈動(dòng)力學(xué)建模 155
5.3.2 基于深度強(qiáng)化學(xué)習(xí)的越肩發(fā)射中制導(dǎo)律設(shè)計(jì) 156
5.4 多彈智能時(shí)間協(xié)同制導(dǎo)律 160
5.4.1 多彈協(xié)同攻擊問(wèn)題建模及飛行約束條件 161
5.4.2 基于深度強(qiáng)化學(xué)習(xí)的橫程機(jī)動(dòng)再入?yún)f(xié)同制導(dǎo)律設(shè)計(jì) 161
5.5 本章小結(jié) 164
習(xí)題 165
參考文獻(xiàn) 166
第6章 基于人工智能的電視制導(dǎo) 167
6.1 目標(biāo)檢測(cè)與識(shí)別技術(shù) 167
6.1.1 圖像處理基礎(chǔ) 168
6.1.2 深度學(xué)習(xí)基礎(chǔ) 174
6.1.3 基于深度學(xué)習(xí)的目標(biāo)檢測(cè) 177
6.2 濾波理論與目標(biāo)跟蹤 179
6.2.1 卡爾曼濾波理論 179
6.2.2 基于深度學(xué)習(xí)的目標(biāo)跟蹤 181
6.3 視線角速度提取技術(shù) 183
6.3.1 射影幾何學(xué)基礎(chǔ) 183
6.3.2 視線角速度提取方法 186
6.4 本章小結(jié) 187
習(xí)題 188
參考文獻(xiàn) 188
第7章 模型化導(dǎo)彈設(shè)計(jì)框架和導(dǎo)彈設(shè)計(jì)方案智能推理 190
7.1 模型化系統(tǒng)工程概述 190
7.2 模型化導(dǎo)彈設(shè)計(jì)框架 191
7.2.1 基于MBSE的導(dǎo)彈設(shè)計(jì)一般流程 192
7.2.2 導(dǎo)彈需求分析 193
7.2.3 導(dǎo)彈邏輯架構(gòu)設(shè)計(jì) 194
7.2.4 導(dǎo)彈物理架構(gòu)設(shè)計(jì) 197
7.2.5 導(dǎo)彈系統(tǒng)分析 198
7.2.6 導(dǎo)彈系統(tǒng)評(píng)價(jià) 199
7.2.7 實(shí)現(xiàn)步驟和方法 200
7.3 導(dǎo)彈設(shè)計(jì)方案智能推理 201
7.3.1 導(dǎo)彈知識(shí)智能利用方法 202
7.3.2 導(dǎo)彈設(shè)計(jì)知識(shí)數(shù)據(jù)庫(kù)構(gòu)建 205
7.3.3 基于知識(shí)工程的導(dǎo)彈基準(zhǔn)方案智能推理原理 208
7.3.4 導(dǎo)彈智能推理方案應(yīng)用 213
7.4 本章小結(jié) 220
習(xí)題 220
參考文獻(xiàn) 220