مرحبا بك في منتدى الشرق الأوسط للعلوم العسكرية

انضم إلينا الآن للوصول إلى جميع ميزاتنا. بمجرد التسجيل وتسجيل الدخول ، ستتمكن من إنشاء مواضيع ونشر الردود على المواضيع الحالية وإعطاء سمعة لزملائك الأعضاء والحصول على برنامج المراسلة الخاص بك وغير ذلك الكثير. إنها أيضًا سريعة ومجانية تمامًا ، فماذا تنتظر؟
  • يمنع منعا باتا توجيه أي إهانات أو تعدي شخصي على أي عضوية أو رأي خاص بعضو أو دين وإلا سيتعرض للمخالفة وللحظر ... كل رأي يطرح في المنتدى هو رأى خاص بصاحبه ولا يمثل التوجه العام للمنتدى او رأي الإدارة أو القائمين علي المنتدى. هذا المنتدي يتبع أحكام القانون المصري......

هام بحث عن استخدام مقياس التسارع والجيروسكوب في توجية الصواريخ الذكية

هام

Shokry

ولقلبي أنتِ بعد الدين دين
طاقم الإدارة
إنضم
18 نوفمبر 2021
المشاركات
20,736
مستوى التفاعل
77,332
المستوي
11
الرتب
11
صاروخ موجه ذكي باستخدام مقياس التسارع والجيروسكو ب على أساس طريقة الشبكة العصبية backpropagation للحصول على التغذية الراجعة الخاصة بمخرجات التحكم الأمثل

MinutemanIIIGuidanceSystemB.jpg

Minuteman Missile Guidance System

الباحثين:
كميل فقيه أ، sujito b، *، siti sendari aفايز صايخوني عزيز أطالب دراسات عليا في الهندسة الكهربائية ، قسم الهندسة الكهربائية ، جامعة نيجري مالانججى. Semarang no. 5 sumbersari، lowokwaru، malang، east java، 65145، indonesia(ب) نظام الطاقة الذكي والمتقدم ، قسم الهندسة الكهربائية ، جامعة نيجري مالانججى. Semarang no. 5 sumbersari، lowokwaru، malang، east java، 65145، indonesiaتم استلامه في 25 يوليو 2020 ؛ مقبول 12 أكتوبر 2020 ؛ تم النشر على الإنترنت في 22 ديسمبر 2020


الملخص
كدولة بحرية ذات مساحة كبيرة ، بالإضافة إلى الحاجة للدفاع عن نفسها مع الجيش ، فإنها تحتاج أيضًا إلى حماية نفسها بتقنية الطيران التي يمكن التحكم فيها تلقائيًا. يهدف هذا البحث إلى تطوير نظام دفاع جوي قادر على ذلك التحكم في الصواريخ الموجهة آلياً بدقة عالية. يمكن أن توفر الطريقة الصحيحة مستوى عالٍ من الدقة في التحكم صواريخ على الهدف المستهدف. باستخدام طريقة الشبكة العصبية backpropagation للحصول على تعليقات إخراج التحكم الأمثل ، يمكن ذلك معالجة بيانات المعلومات من الرادار للتحكم في حركة الصاروخ بدرجة عالية من الدقة. يستخدم جهاز التحكم التغذية المرتدة لمخرجات التحكم الأمثل ، والمجهزة بنظام قفل ويستخدم مقياس تسارع يمكنه اكتشاف المنحدر للصاروخ وجيروسكوب يمكنه اكتشاف المنحدر بين اتجاه الهدف للصاروخ لمتابعة الهدف والتحكم موقع واتجاه الصاروخ. يمكن بسهولة تحديد سرعة الحركة المستهدفة ومتابعتها بواسطة الصاروخ من خلال نظام القفل. بيانات أخذ العينات تأتي من الإشارات التي تم إنشاؤها بواسطة الرادارات الموجودة في مناطق الدفاع ومن الصواريخ. يتم حساب سرعة معالجة البيانات لكل جزء باستخدام خوارزمية سريعة يمكن الاعتماد عليها ولديها مستوى من الدقة والسرعةيتم المعالجة. تؤثر معالجة البيانات على دقة تحركات الصواريخ على أي تغيير في موضع وحركة الأهداف والسرعة المستهدفة. دقة المناورة المحسّنة في نظام التدريب الأول يمكنها اكتشاف 1000 ملف بحمولة 273 ، أثناء وجودك فيفي التدريب الأخير ، يمكن للنظام اكتشاف 1000 ملف دون فترة تحميل. لذلك يمكن توجيه الصاروخ ليصيب الهدف بدونعقبات عند المناورة.© 2020 مركز أبحاث الطاقة الكهربائية والميكاترونكس - المعهد الإندونيسي للعلوم. هذا هو مقال مفتوحة المصدربموجب ترخيص cc by-nc-sa (
من فضلك, تسجيل الدخول أو تسجيل لعرض المحتوي!
الرئيسية: صاروخ ذكي. التكاثر العكسي. الشبكة العصبية؛ التحكم الأمثل ردود الفعل الإخراج ؛ قفل النظام.

NS-20MissileGuidanceSystemB.jpg

Minuteman Missile Guidance System

I. مقدمة
أصبحت الهجمات الجوية مشكلة خطيرة في عالم عسكري. يمكن أن تأتي الهجمات الجوية في شكل صواريخ كروز ، صواريخ قصيرة المدى ، طائرات حربية ، طائرات بدون طيار وغيرها. نتائج المرصد أنتوني داماتو في بحثه بعنوان بأثر رجعي من الغارة الجوية الإسرائيلية ضد مفاعل عسيرق [1] وهو ما يفسر ذلك الإسرائيلي تعتبر الضربات الجوية مفهومة و الدفاعات المشروعة. لذلك في الحرب ، يمكن للضربات الجوية أن تفعل ذلك يمكن تصنيفها على أنها وسيلة للدفاع عن النفس مسموح به حتى لو كان له تأثير قوي و عدد كبير من الضحايا.

التقدم التكنولوجي في يجب تطوير مجال الدفاع الجوي جنبًا إلى جنب مع تطوير التكنولوجيا في أنظمة الهجوم الجوي. الدفاع الجوي ، الذي يتمتع بأكبر قدر من الإمكانات في مواجهة الضربات الجوية هي صواريخ ذات مستوى عال دقة المناورة مصحوبة بنظام الطيار الآلي الذي يمكنه توجيه الصواريخ لضرب الأهداف في الهواء. إلوي جارسيا وآخرون. صف فعالية الدفاع الجوي بموضوع التعاونية دليل صاروخي للدفاع النشط للمركبات الجوية [2]. حول الإجراءات المضادة النشطة ضد الصواريخ الهجمات التي تؤدي إلى الطائرات كهدف ، مع يمكن توقع هدف الضربات الجوية إلى أقصى حد ويمكن تجنب الإصابات والأضرار المادية. أحد أكثر أنظمة الدفاع الجوي المطلوبة هو أ صاروخ يمكن إطلاقه والتحكم فيه تلقائيا.

نظام استهداف الصواريخ بالعلم الموقع المستهدف لنظام التوجيه مثل نظام الملاحة بالقصور الذاتي (ins) ، ومطابقة كفاف التضاريس (tercom) أو نظام تحديد المواقع العالمي (gps). استخدام طريقة ins رياضيا تم تطويره بواسطة castro toscano m، j، et al. ، الموضوع هو الاستخدام المنهجي لأنظمة الملاحة بالقصور الذاتي لـ مهمة التنقل strapdown [3] ، والتي تقدم الأوصاف الرياضية للملاحة بالقصور الذاتي أنظمة وتكامل تطبيقات الجهاز. يستطيع المستشعر الافتراضي اكتشاف وزن التغييرات في الكائن (الهدف) ، احسب المتغيرات مثل السرعة والموقف والموقف على الجسم المتحرك لـ نظام الملاحة. لذلك يمكن لهذا النظام توجيه ملف صاروخ من خلال معرفة موقع الصاروخ والهدف الموقف ، ثم احسب المسافة والموضع على حد سواء. بالنسبة لرادار tercom (على أجسام الصواريخ) استخدام خوارزمية قياس الارتفاع. البحث عن تم تطوير رادار tercom بواسطة zhang hua و hu xiulin مع موضوع خوارزمية قياس الارتفاع تطبق على مقياس الارتفاع الراداري tercom [4] الذي يعمل على قياس مسافة الجسم. لهذا السبب يمكنه تقديم ملاحظات حول مناورة الصاروخ أداء. طريقة واحدة لقفل الصاروخ يستخدم النظام في tercom الأشعة تحت الحمراء. كما تم تطويره بواسطة عبد الرحمن ومازن ر تستخدم طريقة الأشعة تحت الحمراء كاشفًا يمكنه ذلك الكشف عن درجات حرارة عالية عند الهدف للاستجابة لها الدفاعات الصاروخية [5]. تصميم صاروخ بالأشعة تحت الحمراء تم استخدام النظام في فرنسا خلال الحرب العالمية الأولى [6]. كانت مسؤولية الصواريخ عن الأهداف تم تطويره بواسطة kerem g et al. مع الموضوع استجابة تحليل الأداء السطحي ل نظام صواريخ الدفاع الجوي الذي يهدف إلى تقليل العبء الحسابي في كل عملية كشف عند مناورة الصواريخ [7].

كان نظام إطلاق اختبار الصواريخ تم تطويره بواسطة baoquan li et al. حول ال نظام القياس والاختبار الآلي لـ العديد من صواريخ الطيار الآلي أرض جو ، والتي تركز حول استخدام التحكم في الكمبيوتر والوسائط المتعددة التكنولوجيا ، لزيادة سرعة ودقة القياس والاختبار إلى الحد الأقصى و تقليل وقت العمل التدريبي [8]. ابحث عن ذلك يناقش هندسة الصواريخ الدفاعية ناقشها ender. تي وآخرون. مع موضوع فعالية تحليل نظام الأنظمة هندسة الدفاع الصاروخي الباليستي من خلال النمذجة والمحاكاة البديلة [9] ، باستخدام النمذجة والمحاكاة التي تدعم تحليل المستوى المعماري للصواريخ الدفاعية بما في ذلك حساسية المقاييس على المستوى التشغيلي تجاه تشكيل (نظرة عامة) تتبع التكامل و اتخاذ القرارات الصحيحة. مسار الانطلاق ل تم تطوير صواريخ أرض - جو بواسطة guomin و hui gu لمحاكاة مدى توفر أنظمة أسلحة الصواريخ أرض - جو التي تركز عليها تقدير النقاط المستهدفة [10].

يوفر النظام الذكي للتحكم في الصواريخ الابتكار في تحديد اتجاه الصاروخ التحرك نحو الهدف من خلال استخدام جهاز استشعار التسارع الذي يعمل للتحكم في إمالة الصاروخ ومستشعر الجيروسكوب للكشف ميل الهدف للصاروخ. نظام القفل تم الحصول عليها من البيانات المرسلة من ins و tercom. تم البحث عن الصواريخ باستخدام رادار ins تم تطويره بواسطة xinqi fu و meirong chen [11] تقريبًا تخصيص الصواريخ على أساس معدل الامتصاص النوعي الذي يحمله ثنائي القطب الصواريخ ، التي تستخدم ins دون الاعتماد عليها tercom ، لذا فإن مناورات الصواريخ أقل دقة في مطاردة الهدف لأن الصواريخ تواجه صعوبة الكشف عن الأهداف عندما تكون الصواريخ والأهداف في ارتفاع معين. التحكم الآلي باستخدام المستشعرات تم تطويره بواسطة فقيه. ك وآخرون. مع الموضوع مقياس تجريبي للنظام الكهروضوئي للشبكة الذكية باستخدام شدة ضوء الشمس وحالة الشحن (soc) للبطارية بناء على ممداني تحكم منطقي غامض [12] ، حوالي أنظمة التحكم التي تستخدم أجهزة الاستشعار للأوتوماتيكية التحكم في الأداء على مصادر الطاقة. تم إحراز تقدم كبير في تصميم التغذية الراجعة المثلى للتحكم الناتج باستخدام خوارزمية rl بواسطة modares et al [13]. التحكم الأمثل يتم تطبيقه لتطوير نظام التحكم. في أثناء، تحليل مجال التردد في نظرية التحكم الكلاسيكية يستخدم أيضًا للتحقق من أداء تردد النظام ، بما في ذلك الترددات المتقاطعة ، هوامش الطور ، و هوامش الربح ، مع فرض قيود على الأداء القيم. وحدة التحكم التي تم الحصول عليها هي الإخراج الأمثل تحكم التغذية الراجعة لنموذج مبسط مع متانة معينة. نظرية التحكم الأمثل و يتم الجمع بين تحليل مجال التردد للحصول على السرعة أداء التتبع وظروف الخطأ الصغيرة و بعض المتانة [14]. التحكم الأمثل للصاروخ تم تطوير أنظمة التوجيه بواسطة jingliang صن وآخرون مع موضوع "التحكم الأمثل القوي لـ أنظمة توجيه الهدف الصاروخي عبر التكيف البرمجة الديناميكية "، مع التركيز على فعالية وسيلة قوية للمراقبة المثلى ل اعتراض المناورات مع ردود الفعل باستخدام البرمجة الديناميكية التكيفية (adp) تقنية [15].

لتقليل معدل الخطأ في تحديد نقطة التقاء الصواريخ والأهداف يستخدم نظام الصواريخ الذكية مرشح كالمان في تقدير متغيرات الحالة من خطي منفصل نظام ديناميكي يقلل من الخطأ المقدر التغاير [16]. تقدير آخر هو امتداد يسمى مرشح كالمان مرشح المجموعة كالمان (enkf). في طريقة enkf ، الخوارزمية هي نفذت عن طريق إنتاج مجموعات محددة ل حساب التغاير المتوسط والخطأ للدولة المتغيرات [17]. في استخدام طريقة enkf ، بعض يمكن تنفيذ المخططات بطريقة enkf ، وهو مخطط الجذر التربيعي الذي يمكن أن يكون نفذت في enkf. يمكن أن يؤثر هذا المخطط على نتائج التقدير ، من حيث الدقة و الوقت الحسابي [18] ، لذلك يمكن تطبيقه على تقدير موقع الصاروخ والمحاكاة باستخدام برنامج ماتلاب. تصميم الطيار الآلي على صواريخ الدفاع الجوي تم تطويره بواسطة delin luo et al. [19]. استهداف يتم تحديد الهوية لاختبار الأداء من الطيار الآلي للصاروخ ، لكنه لا يزال غير قادر على اكتشافه اتجاه الهدف الذي تغير بشكل جذري ، وبالتالي فإن الحاجة إلى نظام مناورة أكثر دقة على الصواريخ المجهزة بخوارزميات ذكية. هناك أيضًا دراسة للسيطرة على الصواريخ مع أحد البنوك بدوره (btt) الذي يمكنه اكتشاف التغييرات في الاتجاه المستهدف ، ويمثل ميهتا هذه الدراسة ss مع موضوع الصواريخ التكيفية القائمة على الرؤية التوجيه في وجود تجنب الهدف مناورات [20]. مع التركيز على التقليل المناورة بأخطاء الأهداف التي تكون سرعتها غير معروف ويمكن أن يتغير. لا يزال نظام btt

يتطلب من المشغلين التحكم في اتجاه الصاروخ. لذالا تزال عملية التوجيه يدوية للغاية ، لذا أهناك حاجة إلى متحكم دقيق للضبط تلقائيًاجسم الصاروخ على الهدف.ينقسم نظام مناورة الصواريخ الذكية إلىعدة أنواع من العناقيد حسب الهدفالاتجاه ، البحث عن كتلة اتجاه الصاروختم تطويره بواسطة jan farlik [21]. الموضوع هومحاكاة وحدات صواريخ أرض - جو. الكتلةالنظام الذي ينفذه جان فارليك ليس بعدمجهزة بخوارزمية ذكية ، وبالتالي الهدفقد تكون الدقة أقل استقرارًا في بعض الظروف.تتطلب مناورة الصواريخ التنبؤ بالاجتماعنقطة بين الصاروخ والهدف ، والبحث عنتم تطوير التنبؤ بمناورة الصواريخ بواسطةلي س وآخرون. مع موضوع توجيه الصواريخعلى تتبع مسار الهدف المتوقع [22] التركيزفقط عند تحديد مناورات الصواريخ. حتى لا يكون هناكلا يوجد حل متاح حتى الآن إذا توقف الصاروخعند المناورة. يمكن أن تكون الخوارزميات الذكية أحل لتقليل التدخل في الصواريخمناورات.Backpropagation هو وسيلة فعالة لتعلم الشبكات العصبية وقد تم استخدامه على نطاق واسعفي تطبيقات مختلفة. دقة التعلمالنتيجة ، على الرغم من الحقائق الأخرى ، تتأثر بشدة بـحجم البيانات عالية الجودة المستخدمة في التعلم [23].

1658691370505.png
 

المرفقات

  • 1658691427581.png
    1658691427581.png
    42.1 KB · المشاهدات: 1
  • 1658691576891.png
    1658691576891.png
    42.1 KB · المشاهدات: 1

Shokry

ولقلبي أنتِ بعد الدين دين
طاقم الإدارة
إنضم
18 نوفمبر 2021
المشاركات
20,736
مستوى التفاعل
77,332
المستوي
11
الرتب
11
زرع الشبكة العصبية هي إحدى الطرق المتقدمة لتكنولوجيا الصواريخ للدفاع الجوي. كما لديها تم تطويره بواسطة deyun. Z و feng. Z مع موضوع التحكم في اندماج البيانات وسطح جوتوجيه الصواريخ في ظل ظروف معقدة تعتمد على تقنية الشبكة العصبية [24] باستخدام طريقة المجموعة لمعالجة البيانات لزيادة فعالية أنظمة أسلحة الصواريخ الأرضية - جو بناءً على بيانات التصفية تعقبها بنظام حلقات. كمية البياناتتم تدريب 500 بحيث يمكن تطويره عن طريق الإضافة عدد التكرارات في مرحلة التدريب أيضًا كنظام حلقات أكثر مثالية.البحث الذي تم تطويره بواسطة delin ولا يزال ميهتا يستخدم التحكم اليدوي btt على الصاروخ مناورات. لذلك يمكن أن يكون أكثر كفاءة إذا كان الصاروخ تم تجهيز نظام التحكم في المناورة بأجهزة استشعار والميكروكونترولر الكافية لتوجيه صاروخ على الهدف تلقائيا. أثناء البحث تم تطويره بواسطة jan farlik and lee. S ، النظام الكتلة ، ومناورة التنبؤ الخاصة به لا تزال غير مجهز بخوارزمية ذكية للتعامل معها ملفات حول مناورات الصواريخ. التضمين الذكي يمكن أن تكون الخوارزميات على الصواريخ حلاً للتقليل الاهتزاز (فشل) عند مناورة الصواريخ.يهدف هذا البحث إلى تطوير نظام للهواء صواريخ دفاعية يمكنها المناورة بمطاردة الأهداف تلقائيًا مع التغذية المرتدة المثلى للتحكم في ذلك يستخدم قراءات مستشعر التسارع للتلقائي مراقبة. يمكن لهذا النظام تقليل الاهتزازات عن طريقا ستخدام الشبكة العصبية backpropagation الخوارزمية على جهاز الاستشعار الذي يمكن التحكم فيه مناورات صاروخية منتظمة بناءً على قيمة المستشعر تَجَمَّع. حتى تكون مناورة الصاروخ أفضل دون الحاجة إلى التحكم اليدوي.Ii. المواد والأساليب أ. هندسة الصواريخ كانت بنية أداء الصواريخ أعدت حول مواصفات الجهاز لا تتلف قاذفة الصواريخ والجسم قبل وأثناء مناورة صاروخية. نظام الصواريخ الذكية لديه تدفق التشغيل كما هو موضح في المخطط الانسيابي للشكل 1.يبدأ تدفق العملية عندما يحصل الرادار على ملف معلومات الهدف حتى يتمكن الصاروخ من الوصول إلى الهدف هدف. تتم معالجة مناورة البيانات باستخدام matlab برنامج مجهز بشبكة عصبية أدوات لإجراء التدريب من البيانات التي تم إنشاؤها بواسطة أجهزة الاستشعار ، مع شبكة عصبية backpropagation أساليب التدريب. تصبح نتائج التدريب أمرجع للتحكم الآلي في الفوهة. معجهاز الاستشعار المدمج في التحكم الآلي في الخوارزمية الذكية للتحكم في تنشيط الفوهة ، فإنعملية مناورة الصواريخ الذكية أكثر تنظيماًودقيقة في مطاردة الأهداف.ب- صاروخ الشبكة العصبية العكسي الخوارزمية يمكن أن تساعد أنظمة الشبكة العصبية بدقة القدرة على المناورة للتحكم الآلي الذكيالصواريخ. لأن الشبكة العصبية يمكن أن تتعرف كائن غير خطي. التحكم في الشبكة العصبية يوفر التعلم ملاحظات مع العديد من الشروط ،

مشاهدة المرفق 10562
مما يسهل تعيين المدخلات إلى نتيجة قادرة علىالتكيف مع التعرف على شيء ما ، والتسامح لخطأ في التعرف على كائن ، يمكن أن يكون على الأجهزة ، ويمكن تنفيذها بالتوازي [25]. عادة ما تتكون الشبكات العصبية الاصطناعية من العناصر في طبقات متصلة وموزون. هذه الشبكة تعدل هذه الأوزان بناءً على سلسلة من المدخلات المقدمة من خارج النظام ، لإنتاج مخرجات متسقة ومماثلة لالمدخلات المعطاة. عادة ، سيتم معالجة كل عنصر على أساس العمليات الحسابية التي تم تعطى لكل عنصر [26]. أنظمة الصواريخ الذكية استخدام طريقة الشبكة العصبية backpropagation. حيث يكون backpropagation هو التعلم الخاضع للإشراف الخوارزمية وعادة ما يستخدمها perceptron مع العديد من الطبقات لتغيير الأوزان الموجودة متصل بالخلايا العصبية في الطبقة المخفية [26]. الزرع الشبكة العصبية backpropagationتم تطوير خوارزمية في الصواريخ بواسطة da هوانغ وآخرون. فيما يتعلق بضوابط التنشيط علىذيل الصاروخ لمطابقة حجم الطيف الدقيقذات المقاومة القوية [27]. التكاثر العكسيتستخدم الخوارزمية ناتج الخطأ لتغيير قيمتها. إلى الحصول على هذا الخطأ ، يتم تنشيط الخلايا العصبية باستخدام وظيفة التنشيط التي يمكن تمييزها.كما هو مبين في الشكل 2 ، مناورة صاروخية ذكيةيتم وزنه وفقًا لزاوية الانحدار المستهدفة وإمالة الصاروخ. الوزن الذي يمكن تحقيقه هومسجلة بسرعة -10 م / ث 2 إلى 10 م / ث 2.

كلما زاد حجم وزن المنحدر المستهدف ، أداء الفوهة سيتم تكبيره مع أقصر تأخير ممكن. يتم الحصول على قيمة الوزن من مقارنة يتم إمالة نظام القفل المستهدف بشكل دوري وإمالة الصواريخ بشكل دوري. أنتجت المعادلة فييمثل الصاروخ الذكي كل خلية عصبية كما هو موضحفي الشكل 3. يتم ترتيب كل خلية عصبية عن طريق التجميععدة مجموعات تعتمد على أجهزة استشعار الصواريخ الذكية الوزن لتوجيه الصاروخ إلى الهدف. يستمر في العمل حتى يمكن أن يكون الهدف المكتشف أصيب بصاروخ ذكي.يتم تجميع محور البيانات في 72 مجموعة على أنها الخلايا العصبية ، بحيث يمكن للصاروخ اكتشاف ومطاردة الأهداف قادم من أي اتجاه. متغيرات الخلايا العصبية يتم استعراضها للتركيز على حركة الصاروخ قم بالإمالة عن طريق تقليل قراءة الاهتزازات إلى أدنى حدأن تنشيط الفوهة أكثر انتظامًا. بالإضافة إلى الخلايا العصبية ، مناورات التحكم مثل الطبقات المخفية أيضًا مجمعة (عنقودية) حسب الهدف والصاروخ الظروف. يتم ترتيب المجموعات في الطبقات المخفية بتنسيقتسع مجموعات للتحكم في 24 فوهة كما هو موضح فيالشكل 4.تسع طبقات مخفية مرتبة لتكييفتفعيل الفوهة على النحو التالي ؛• قدرة منخفضة على المناورة. إذا تم تنشيط فوهة واحدة• مناورة متوسطة. عندما اثنان (في مجموعة) يتم تنشيط الفوهات• مناورات صعبة. عندما ثلاثة (في مجموعة)يتم تنشيط الفوهات• قدرة منخفضة ومنخفضة على المناورة. عندما اثنان (في اثنين المجموعات) يتم تنشيط الفوهات• مناورات منخفضة ومتوسطة. عندما ثلاثة (في اثنين المجموعات) يتم تنشيط الفوهات• مناورات منخفضة وصعبة. إذا كان أربعة (في مجموعتين)يتم تنشيط الفوهات• مناورات متوسطة ومتوسطة. إذا كان أربعة (في اثنين المجموعات) يتم تنشيط الفوهات• مناورات متوسطة وصعبة. إذا كان خمسة (في اثنين المجموعات) يتم تنشيط الفوهات• مناورات صعبة وصعبة. إذا ستة (في مجموعتين)يتم تنشيط الفوهات

مشاهدة المرفق 10564
توجد معادلة لعدد الفتحات التي يتم تنشيطها ، وهي متوسطة ومتوسطةمناورة ومناورة منخفضة وصعبة ، مجموعها أربعة فوهات نشطة. الفرق هو ، إذا كان متوسط كل مجموعة تنشط فتحتين ، بينما لمنخفضة وصلبة ، المجموعة الأولى تنشط فوهة واحدة وتقوم المجموعة الثانية بتشغيل ثلاث فوهات (أو نائب بالعكس). تعمل الطبقات المخفية على الصاروخ الذكي كـفوهة تحكم يمكنها تغيير اتجاه صاروخ وفقا لتوجيهات الخلايا العصبية ، لزيادة دقة الصاروخ خلال مناورة.ج - نظام توجيه مناورة الصواريخيعمل نظام التوجيه الصاروخي كمدفع رشاش محدد اتجاه الصاروخ نحو الهدف عن طريق تعديل منحدر الصاروخ إلىتطابق الموقف المستهدف. تم تطوير المخطط

1658691652412.png
1658691671322.png
يمكن التحكم في اتجاه الصاروخ بشكل عشوائي الأهداف القادمة من خلال الاستفادة من الشبكة العصبية. يستخدم نظام درجة الحرية (dof) على الجيروسكوب عن طريق حساب بيانات المحور من مقياس التسارع.باستخدام ديناميكيات dof كحساب متغير ،تقنية الفوهة على جسم الصاروخ يسمح للصاروخ بالمناورة بشكل مثالي تجاهه الهدف المقفل ويمكن تقليل الإزعاج منضغط جوي. يوجد 24 فوهة ملحقة بـجسم الصاروخ كما هو مبين في الشكل 4. عدد الفوهات التي يتم تنشيطها تعتمد على البيانات حصل عليها المستشعر. تقنية فوهة جدا يشيع استخدامها في الصواريخ ، كلاهما كمعزز رئيسي وضبط صاروخ الجسم الموقف. الهدف يتم معالجة الاتجاه وحالة الصاروخ بواسطةنظام الطيار الآلي كما هو موضح في الشكل 5 وهو جزءا لا يتجزأ من backpropagation ذكي خوارزمية الشبكة العصبية لتحسين الصاروخ دقة المناورات. يعمل نظام الطيار الآلي بعد الصاروخ يترك المشغل حتى يصل إلى الهدف ، لذلك لا يوجد احتكاك بين جسم الصاروخ وقاذفة صواريخ. يستمر نظام الطيار الآلي في العمل على الرغم من أن الهدف يغير اتجاهه (يخدع) ، والبيانات من جهاز الاستشعار تتم معالجتها بشكل مستمر باستخدام الذكاء backpropagation خوارزمية الشبكة العصبية لذلك فإن القدرة على المناورة أفضل بكثير والصاروخ مستوى الدقة آخذ في الازدياد.

ثالثا. النتائج والمناقشات الوزن الناتج عن المحور السيني والمحور الصادييتم حساب التسارع الصاروخي والهدف بواسطةحساب النسبة والفرق لكل محور. التظهر نتائج بيانات التدريب الأداء والتدريبالدولة ، وتدرجات نظام الصواريخ الذكية.نتائج بيانات التدريبيتم تدريب حساب بيانات مقياس التسارع مع خوارزمية الشبكة العصبية backpropagation. تم تجميع الخوارزمية مع 72 خلية عصبية من الخلايا العصبية المعادلة متصلة بتسع طبقات مخفية ،بالإضافة إلى نوعين من محاور البيانات المستهدفة (المحور السيني والمحور ص). كما في الشكل 6 ، يتم تدريب الشبكة بواسط ةإدخال 1000 ملف كحد أقصى في كل مرحلة.الحساب بين المتغير التابع والمتغير المستقل في صاروخ ذكي جهاز الاستشعار هو الهدف الرئيسي لهذا البحث. بحيث أن طريقة تدريب الشبكة العصبية باستخدام يعطي backpropagation نتائج عالية الدقة والحد الأدنى من الاهتزازات لمناورة الصواريخ الذكية نحو الهدف.يمكن إثبات زيادة دقة المناورةمن خلال الاطلاع على نتائج التدريب الأول حتىتم تسجيل آخر تدريب ، في أول تدريب للنظام استغرق الأمر 9 ثوانٍ فقط لاكتشاف 1000 إخفاق ، بينما فيآخر تدريب استغرق النظام حوالي 1 دقيقةالكشف عن 1000 فشل ، وهذا يشير إلى أن النظاميزداد سوءا. غالبًا ما يتم تدريبهم ، وتكون الأخطاء ضئيلة ،لذلك يصعب على النظام العثور على 1000 ملف في النهايةتمرين.ب. أداء الشبكة العصبيةأداء الشبكة العصبية على جهاز ذكي يعرض الصاروخ رسمًا بيانيًا للقطار والتحقق من الصحة والاختبار مبين في الشكل 7. أداء الشبكة العصبية يعرض الرسم البياني عدة مراحل تدريب بامتداد أداء مختلف في كل مرحلة. التحقق يستخدم الرسم البياني طريقة متوسط الخطأ التربيعي (mse) أمسك الرسم البياني للاختبار بحيث يكون الأداء أكثر مستقر أثناء التدريب. يتم الحصول على mse منأدنى نقطة على الرسم البياني للتحقق.عند تقليل الاهتزاز في الصواريخ ، فإنه ينتج تغييرًا كبيرًا جدًا منبداية التدريب حتى نهاية التدريب.
1658691756520.png
 

Shokry

ولقلبي أنتِ بعد الدين دين
طاقم الإدارة
إنضم
18 نوفمبر 2021
المشاركات
20,736
مستوى التفاعل
77,332
المستوي
11
الرتب
11
1658691818462.png
يمكن إثبات ذلك في التدريب الأولي بكتلة حمولة 273 إلى 0.في التدريب النهائي ، وأفضل نقطة كان أداء التحقق 3715 (حوالي 100.57) بوصة التدريب الأولي ، إلى 0.3423 (حوالي 10-0.46) في التدريب النهائي. إلى جانب ذلك ، مخطط التدريب الأولي يظهر تقلب الأشكال ، بينما التدريب النهائي يظهر الرسم البياني شكل ثابت. هذا يمكن أن يشير إلى ذلك يمكن للنظام تقليل موجات الاهتزاز على سمارت أنظمة الصواريخ. تدريب شبكة الدولة العصبية حالة تدريب الشبكة العصبية على الأجهزة الذكية يعرض الصاروخ رسمًا بيانيًا متدرجًا وشيكًا التحقق من صحة الرسم البياني كما هو مبين في الشكل 8. والعصبي يعرض الرسم البياني للتدريب على الشبكة العديد من التدريبا تمراحل مع إحصائيات مختلفة في كل مرحلة.

الرسوم البيانية المتدرجة والرسوم البيانية الفاشلة التي تواجهها يتغير في كل مرحلة من مراحل التدريب. النتيجة تشير التغييرات إلى أن قيمة التدرج اللوني 1000التكرارات تصبح أصغر والتقلبات تصبح أصغر أيضًا. حيث قيمة التدرج الأوليمن 7.88 يصبح 0.00056 ، وفي النهاية ، يصبح التذبذب يختفي في التدريب النهائي. بالفشل تعرض الرسوم البيانية في حالة التدريب أيضًا التغييرات في الشكل في كل مرحلة ، في المراحل الأولى من نموذج الرسم البياني غير المستمر مع فترة التحقق من صحتها727 من 1000 ، ثم في المرحلة النهائية منحالة التدريب ، وشكل الرسم البياني الفشل ليس كذلك تمت مقاطعته (تابع) بفترة مصدق عليها من قبل1000 من 1000. هذا يدل على أن التدريب مرحلة الصاروخ الذكي يمكن أن يوجه الصاروخ هكذا أنه يمكنه المناورة بأقل اهتزاز ، بحيث المناورات (الفشل) يمكن تصغيرها أو التغلب عليها.د- انحدار الشبكة العصبية انحدار الشبكة العصبية في الصاروخ الذكي إلى يعرض الهدف سطرًا واحدًا من الإدراك اعتراض خط التدريب ، اعتراض خط التحقق ، الاختبار اعتراض الخط ، وكل خط اعتراض. كما هو موضح فيالشكل 9 ، تعرض كل مرحلة تدريب مختلفة شروط كل خط اعتراض.

اعتراض الخط في انحدار الشبكة العصبيةيظهر التغييرات في المتغيرات المستقلة التي هي قريب بشكل متزايد من المتغير التابع من بيانات نتائج مستشعر الصواريخ الذكي. الا لتغيير الأكثر أهمية في كل مرحلة من مراحل التدريب تم عرضه بواسطة اختبار الخط ، مع اختلاف في
1658691865006.png
1658691881672.png
متغيرات 4.2 في المرحلة الأولى من التدريب يجري 0.32 في نهاية التدريب. هذا يدل على أن الفرق بين منحدر الهدف كمامتغير ثابت ، والصاروخ مستقل متغير ، ينتج عنه مقارنة تقترب من تشابه المحاور. لذلك يمكن أن يكون الصاروخ في المناورة الصحيحة لضرب الهدف.رابعا.

استنتاج
نظام صاروخي ذكي موجه باستخدام مقياس التسارع والجيروسكوب ، يمكن أن يوجه الصاروخ إلى الهدف مع اختلاف دقيق للغاية في المتغيرات. المنحدر بين مناورة الصاروخ ضد الهدف يمكن تقليله بفارق 0.32 م / ثانية 2. عودة الشبكة العصبية مع التحكم الأمثل في التغذية الراجعة يجعل هذا النظام قادرًا على ذلك تقليل الاهتزاز حتى 0.34 م / ث 2، لذلك هذا الصاروخ المناورات أفضل بكثير مع الحد الأدنى من التعرج حركة. الفشل الذي يمكن اكتشافه والتحقق من صحته على أنه ككل ، أي 1000 ملف من أصل 1000 مرة (حقبة) لذلك يمكن أن يكون نظام الطيار الآلي أكثر انتظامًا في تعديل جسم الصاروخ عند المناورة نحو الهدف.

إعتراف
شكرًا لـ universitas negeri malang من أجل الدعم في شكل توجيهات ، والتسهيلات ، ومرافق البحث في شكل مختبرات لنجاح وسلاسة هذا البحث.

الإعلانات
مساهمة المؤلف تم تطوير محاكاة بيانات البحث بواسطة k.فقيه. أسس سوجيتو فكرة البحث والإشراف العمل. تحسين اللغة الإنجليزية وأشرف على هيكل الورقة س. سنداري. بياناتجمع وتصميم مقدم من ف. س. عزيز.

ساهم ك. فقيه ، وسوجيتو ، وس. سنداري ، وف. س. عزيزبالتساوي مع الحدث الرئيسي في هذه الحالة. كل المؤلفين قراءة والمعرفة على الورقة النهائية.بيان التمويل تم تمويل هذا البحث بواسطة sujito من جهة خاصة قطاع. تضارب المصالح الكتاب تعلن عن تضارب في المصالح.معلومات إضافية توجد معلومات متاحة متاحة لهذه الورقة.

المراجع
[1] Anthony D’Amato, “Israel’s Air Strike Against the Osiraq Reactor: A Retrospective,” Northwest. Univ. Sch. Law Sch. Commons, vol. 10 Temp. Int'l & Comp. L.J. 259-264, 2010. [2] E. Garcia, D. W. Casbeer, Z. E. Fuchs, and M. Pachter, “Cooperative Missile Guidance for Active Defense of Air Vehicles,” IEEE Trans. Aerosp. Electron. Syst., vol. 54, no. 2, pp. 706–721, Apr. 2018. [3] M. J. Castro-Toscano et al., “A methodological use of inertial navigation systems for strapdown navigation task,” in 2017 IEEE 26th International Symposium on Industrial Electronics (ISIE), Jun. 2017, pp. 1589–1595. [4] Zhang Hua and Hu Xiulin, “A height-measuring algorithm applied to TERCOM radar altimeter,” in 2010 3rd International Conference on Advanced Computer Theory and Engineering(ICACTE), Aug. 2010, vol. 5, pp. V5-43-V5-46. [5] M. S. Ab-Rahman and M. R. Hassan, “Lock-on range of infrared heat seeker missile,” in 2009 International Conference on Electrical Engineering and Informatics, Aug. 2009, vol. 02, pp. 472–477. [6] I. F. Gibbons and J. J. Botha, “Tactical radar missile challenges,” in 2015 IEEE Radar Conference, Oct. 2015, pp. 46–50. [7] K. Günaydin, T. Çimen, and O. Tekinalp, “Response surface based performance analysis of an Air-Defense Missile System,” in 2014 IEEE Aerospace Conference, Mar. 2014, pp. 1–10. [8] B. Li, G. He, and J. Wu, “A Research of Automatic Measuring and Test System of Some Surface-to-Air Missile Autopilot,” in 2009 IEEE Circuits and Systems International Conference on Testing and Diagnosis, Apr. 2009, pp. 1–3. [9] T. Ender et al., “Systems-of-Systems Analysis of Ballistic Missile Defense Architecture Effectiveness Through Surrogate (a) (b) Figure 9. Neural network regression: (a) First train; (b) End train K. Faqih et al. / Journal of Mechatronics, Electrical Power, and Vehicular Technology 11 (2020) 55-63 63 Modeling and Simulation,” IEEE Syst. J., vol. 4, no. 2, pp. 156– 166, Jun. 2010. [10] Guo-Min Zheng and Hui Gu, “Research on availability simulation of Surface-to-Air missile weapon systems,” in 2010 International Conference On Computer Design and Applications, Jun. 2010, vol. 5, pp. V5-99-V5-103. [11] X. Fu and M. Chen, “Missile Location Based on Missile-Borne Bistatic SAR,” in 2014 Seventh International Symposium on Computational Intelligence and Design, Dec. 2014, vol. 2, pp. 232–235. [12] K. Faqih et al., “Smart grid photovoltaic system pilot scale using sunlight intensity and state of charge (SoC) battery based on Mamdani fuzzy logic control,” J. Mechatron. Electr. Power Veh. Technol., vol. 10, no. 1, Art. no. 1, Dec. 2019. [13] H. Modares, F. L. Lewis, and Z.-P. Jiang, “Optimal OutputFeedback Control of Unknown Continuous-Time Linear Systems Using Off-policy Reinforcement Learning,” IEEE Trans. Cybern., vol. 46, no. 11, pp. 2401–2410, Nov. 2016. [14] X. Lidan, Z. Ke’nan, C. Wanchun, and Y. Xingliang, “Optimal Control and Output Feedback Considerations for Missile with Blended Aero-fin and Lateral Impulsive Thrust,” Chin. J. Aeronaut., vol. 23, no. 4, pp. 401–408, Aug. 2010. [15] J. Sun, C. Liu, and J. Dai, “Robust optimal control for missiletarget guidance systems via adaptive dynamic programming,” in 2018 Chinese Automation Congress (CAC), Nov. 2018, pp. 836–841. [16] F. L. Lewis, Optimal Estimation: With an Introduction to Stochastic Control Theory, 1 edition. New York: WileyInterscience, 1986. [17] T. Herlambang, E. B. Djatmiko, and H. Nurhadi, “Navigation and guidance control system of AUV with trajectory estimation of linear modelling,” in 2015 International Conference on Advanced Mechatronics, Intelligent Manufacture, and Industrial Automation (ICAMIMIA), Oct. 2015, pp. 184–187. [18] T. Herlambang, E. B. Djatmiko, and H. Nurhadi, “Ensemble Kalman Filter with a Square Root Scheme (EnKF-SR) for Trajectory Estimation of AUV SEGOROGENI ITS,” Int. Rev. Mech. Eng. IREME, vol. 9, no. 6, pp. 553-560–560, Nov. 2015. [19] D. Luo, J. Zhang, and Y. Liu, “Autopilot design for bank to turn missile,” in 2016 12th IEEE International Conference on Control and Automation (ICCA), Jun. 2016, pp. 401–406. [20] S. S. Mehta, W. MacKunis, and J. W. Curtis, “Adaptive Visionbased Missile Guidance in the Presence of Evasive Target Maneuvers,” IFAC Proc. Vol., vol. 44, no. 1, pp. 5471–5476, Jan. 2011. [21] J. Farlik, “Simulation of surface-to-air missile units: Cluster design,” in International Conference on Military Technologies (ICMT) 2015, May 2015, pp. 1–6. [22] S. Lee, N. Cho, and Y. Kim, “Missile Guidance Based on Tracking of Predicted Target Trajectory,” in 2018 26th Mediterranean Conference on Control and Automation (MED), Jun. 2018, pp. 229–234. [23] D. E. Rumelhart, “Hinton and Williams, RJ (1986):‘Learning internal representations by error propagation,’” Parallel Distrib. Process., vol. 1, 1986. [24] Z. Deyun and Z. Feng, “Data fusion control and guidance of surface-to-air missile under the complex circumstance based on neural-net technology,” J. Syst. Eng. Electron., vol. 19, no. 5, pp. 996–1002, Oct. 2008. [25] Y.-J. Liu, J. Li, S. Tong, and C. L. P. Chen, “Neural Network Control-Based Adaptive Learning Design for Nonlinear Systems With Full-State Constraints,” IEEE Trans. Neural Netw. Learn. Syst., vol. 27, no. 7, pp. 1562–1571, Jul. 2016. [26] V. Amrizal and Q. Aini, Kecerdasan Buatan. Halaman Moeka Publishing, 2013. [27] D. Huang, S. Huang, Y. Tang, W. Zhao, and W. Cao, “Matching algorithm of missile tail flame based on back-propagation neural network,” in Fourth Seminar on Novel Optoelectronic Detection Technology and Application, Feb. 2018, vol. 10697, p. 1069702.
من فضلك, تسجيل الدخول أو تسجيل لعرض المحتوي!
 

الذين يشاهدون الموضوع الآن

أعلى أسفل