JP3241742B2 - ニューラルネットワーク軌道命令制御装置 - Google Patents

ニューラルネットワーク軌道命令制御装置

Info

Publication number
JP3241742B2
JP3241742B2 JP53631299A JP53631299A JP3241742B2 JP 3241742 B2 JP3241742 B2 JP 3241742B2 JP 53631299 A JP53631299 A JP 53631299A JP 53631299 A JP53631299 A JP 53631299A JP 3241742 B2 JP3241742 B2 JP 3241742B2
Authority
JP
Japan
Prior art keywords
neural network
missile
trajectory
layer
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Lifetime
Application number
JP53631299A
Other languages
English (en)
Other versions
JP2000510571A (ja
Inventor
ビガース、ジェームス・イー
フィン、ケビン・ピー
シュワルツ、ホーマー・エイチ・ザ・セカンド
マクレーン、リチャード・エー・ジュニア
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Raytheon Co
Original Assignee
Raytheon Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Raytheon Co filed Critical Raytheon Co
Publication of JP2000510571A publication Critical patent/JP2000510571A/ja
Application granted granted Critical
Publication of JP3241742B2 publication Critical patent/JP3241742B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41G—WEAPON SIGHTS; AIMING
    • F41G7/00—Direction control systems for self-propelled missiles
    • F41G7/20—Direction control systems for self-propelled missiles based on continuous observation of target position
    • F41G7/22—Homing guidance systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
  • Feedback Control In General (AREA)
  • Burglar Alarm Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Picture Signal Circuits (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Selective Calling Equipment (AREA)
  • Numerical Control (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Description

【発明の詳細な説明】 ［発明の技術分野］ 本発明は、一般的に目的物の軌道制御に関し、特に、
ニューラルネットワークを使用するミサイル等の目的物
の軌道制御に関する。
［関連技術の説明］ システム設計に禁止的な物理的または機能的制御を与
えることなくその速度、距離、および機動性等を増加さ
せてミサイルの性能を改善することは基本的に望まれて
いることである。過去に行われた多くの研究は、限定さ
れた価値しかない特定のシナリオに対するミサイルの軌
道命令をあらゆる観点で最良にすることを目的としてい
る。多数のシナリオにおける性能を最良にするための多
くの要求（例えば、全ての最小限の飛行制御／機動性要
求に合致させながら、ミサイルに対してそのターゲット
まで最も早い経路を取らせ、或いは迎撃における“距離
のミス”を最小にすること、）によって状態は複雑にな
る。状況によっては、これらの多くの目的は解析者に対
して反対の作用として現れ、しばしば理論的な最適解を
得ることはできず、特に、機動性があり捕捉困難なター
ゲットの場合にミサイルの発射後および飛行中に最適の
解に適応的に連続して到達するようにすることは困難で
ある。
誘導されるミサイルの最適な軌道成形を実行するとき
の別の問題は、問題の無限のスケールを含んでいること
である。特定の戦術シナリオ（例えば発射装置、目標位
置、速度、発射後の操縦性）の特徴に含まれた多数の変
数は、莫大な複雑な物理的関係に影響し、それはこれら
の要因の関連する測定の変化する不確実性によってさら
に複雑となる。
従来の誘導ミサイル設計において行れる戦術的決定に
対する方法は、典型的に次の２つのコースの１つを採用
している。すなわち、 １）大まかに定められた入力基準に基づいて“スケジュ
ール”を成形する選択された（および固定された）１組
の可能な軌道に問題を簡単化し、または、 ２）行われた全てのシミュレーションランから選択され
た最良の行われる飛行路を有するミサイル上の処理装置
を使用する“実時間”における異なった軌道決定の可能
な効果をシミュレートする試みの２つである。従来の研
究では、これらの方法のそれぞれには大きい欠点がある
ことを示している。
例えば、第１の方法は、制約された誘導ミサイル電子
パッケージ内で実現されるが、多くの応用シナリオで最
適のものよりも劣る性能しか得られない。多次元の関係
および複雑性を有することが知られているそのような問
題の簡単化は効率的で妥協的であり、広い範囲で変化す
るシナリオにおける最適にされた性能のゴールにおいて
妥協しなければならず、またその使用においても妥協し
なければならない。この方法は複雑な（および時には十
分理解できない）物理的現象をミサイルのソフトウエア
またはハードウエア制御装置の簡単な“平均的な”式、
または“検索”テーブルに簡単化し、それから簡単な補
間技術が使用される。この結果として次にそのようなミ
サイルに対して可能な無限の多数の使命のシナリオの妥
協した特性を生じる。それにもかかわらず、この方法は
典型的に既存の誘導ミサイルで使用されており、十分な
試験および解析が性能における顕著な不足が存在する場
合を識別するために行われることができる。
上記の第２の方法（機上のシミュレーションおよびミ
サイルが使用される特定の発射シナリオに対する反復的
な最適化）は機上に搭載されたデータ処理装置の能力不
足と戦術的決定が要求される緊密な時間フレームとによ
り実効的に使用できない。複雑な飛行中の誘導ミサイル
運動力学の高忠実度のシミュレーションを行うことは、
高電力の地上ベースの研究所のコンピュータシステムで
あっても重い負担であり、機上に搭載されたデータ処理
装置で処理することはできない。そのようなミサイルシ
ミュレーションの実行は、しばしば実際のミサイクルの
飛行に含まれる実行時間に匹敵する時間を必要とする。
それ故、機上の戦術的データ処理装置が研究所のシミュ
レーション（一般的ではない）で典型的に使用されるよ
うな速度およびメモリ容量に匹敵するものであっても、
可能の１つの不十分なシミュレーションでさえもミサイ
ルの飛行全体に必要なものである。明らかに順次のシミ
ュレーションでは“実時間”における最適の解に近いも
のを得ることは非常に困難である。
［発明の解決しようとする課題］ それ故、本発明の目的は、種々の戦略的状況に対して
特定した目標とする多数の運動性能を最適に実現するの
に適した軌道制御装置およびシステムを提供することで
ある。
［課題解決のための手段］ 本発明の原理にしたがって、第１の予め定められた位
置に対する目的物の軌道の制御を行う装置および方法が
提供される。
本発明は、最終的な位置の手前の予め定められた第１
の位置までの目的物の軌道を制御するニューラルネット
ワーク装置において、第１の位置を示す入力データを受
信するノードを有する入力層と、軌道データを決定する
ノードを有し、それらのノードによって決定された軌道
データに基づいて目的物の軌道を制御する出力層と、入
力層のノードと出力層のノードとの間に設けられて、入
力データを加重するための係数を与える加重された接続
とを具備し、加重された入力データに基づいて出力層の
ノードが軌道データを決定することを可能にされている
ことを特徴とする。
本発明の付加的な利点および特徴は添付図面を伴った
以下の説明と特許請求の範囲から明白になるであろう。
［図面の簡単な説明］ 図１は、本発明にしたがって軌道パラメータの決定を
示した例示的なニューラルネットワークトポロジであ
る。
図２は、“非適応性”ニューラルネットワークのデー
タ流を示したデータ流図である。
図３は、“適応性”と“予測的適応性”ニューラルネ
ットワークのデータ流を示したデータ流図である。
図４は、本発明のニューラルネットワークを含んでい
る動作シーケンスを示したフローチャートである。
図５は、本発明と従来の通常の軌道成形方法との高度
対ミサイル位置ダウン距離関係を示したｘ−ｙグラフで
ある。
図6A−6Bは、最適にされた軌道シミュレーションモデ
ルと５度の自由度のシミュレーションモデルで実施され
た本発明の性能確証を示したｘ−ｙグラフである。
図７は、本発明と従来の軌道成形方法のＦポール対発
射距離関係を示したｘ−ｙグラフである。
［好ましい実施形態の説明］ 図１は、ミサイルシステムの軌道を制御するニューラ
ルネットワーク20を示している。この例では、ニューラ
ルネットワーク20は最少のミサイル飛行時間をエル目的
に対して最適にされたものであり、以下のような構成を
備えている。ニューラルネットワーク20は入力層22、隠
蔽層24、出力層26を有する。入力層22は６つの入力22a
−22fを備えている。隠蔽層24は６つのノード24a−24f
を備えている。出力層26は５つの出力26a−26eを備えて
いる。
最初の２つの入力22aと22bはミサイル／発射飛翔体の
初期条件、即ち発射飛翔体高度と速度のデータである。
残りの４つの入力22c−22fは発射時のターゲット可観察
物、即ちターゲット高度および速度、ターゲット距離、
発射アスペクトのデータである。出力26a−26eは飛行中
にミサイルが取る攻撃角度と、最終的な攻撃角度を開始
するためのミサイルとターゲットとの距離キュー（合
図）であるターゲット距離出力のデータである。最初の
３つの攻撃角度の開始時間は本発明のこの例示的な説明
では他のミサイル設計要因により予め定められる。入力
係数を表す加重を有する接続28は入力層22と隠蔽層24と
を接続する。出力係数を表す加重を有する接続30は隠蔽
層24と出力層26とを接続する。
この例は攻撃角度と距離の指示である出力を示してい
るが、本発明はこれらの制御装置の出力のみに限定され
ないことを理解すべきである。例えば、制御装置の出力
は命令されたＧレベルのようなその他の出力を含んでも
よく、ここで命令されたＧレベルはミサイル方向指示命
令である。付加的に、本発明は所望であるならばその他
のミサイル機能を制御する。本発明の構造は既存のミサ
イル設計にも非常によく適合可能である。
この例では、ニューラルネットワーク20は動作におい
て以下の式を使用することが好ましい。
ここで、ｇ（ｕ）＝1/（１＋exp（−ｕ）） ニューラルネットワーク20は加重された接続28（即ち
入力層係数Ｙ）の使用によって入力層22（ｘ）の入力を
加重し、全ての加重された積の合計を隠蔽層24の各ノー
ドへ与え、加重された項の合計はバイアスθによりオフ
セットされる。加重された項のオフセット合計は非線形
スカッシュ関数ｇ（ｕ）により演算され、これはこの場
合ロジスティック関数である。
隠蔽層24の各ノードの応答は非線形スカッシュ関数の
出力である。隠蔽ノード出力は加重された接続30（即ち
出力層係数β）により加重される。隠蔽層24の各ノード
からの加重された項は出力層26において１乃至ｋの出力
を生成するために合計され、これはこの場合には、最適
の攻撃角度と最終的な攻撃角度におけるターゲットへの
距離である。本発明はまた２以上の隠蔽層を使用して軌
道出力を生成することも含んでいる。さらに、加重され
た係数の値はミサイルが達成しようとする目的に関連し
て変化する。例えば、ターゲットが発射位置から非常に
離れている場合にはミサイルは燃料消費を経済的にする
ことを主要な目的として軌道を制御されることが多く、
また、別の目的として最も速くターゲットに到達するこ
とが要求される場合もある。また、迎撃時間におけるミ
サイルのＧを最大にしてミサイルが非常に迅速に操縦さ
れることを可能にすることが要求される場合もある。ま
た、それらの幾つかの要求が組合わされることもある。
本発明のニューラルネットワークは要求される目的に基
づいて加重係数の異なった値を検索テーブルに記憶して
いる。
ニューラルネットワーク20は、制御の精密さの程度に
よって次の３つの形態に大別される。すなわち、それら
は“非適応性”、“適応性”、“予測的適応性”であ
る。
図２は、“非適応性”の１例を示した本発明の第１の
実施形態を示している。“非適応性”ニューラルネット
ワーク20には初期発射キューが与えられ、その時“飛行
する”コースを決定し、ミサイル誘導システムが迎撃の
ためにミサイル47を制御し誘導することができる空間内
でミサイル47をその予め定められた最適地点へ誘導す
る。必要とされる訓練ケースを生成することは比較的簡
単であり、ニューラルネットワーク訓練は“非適応性”
ニューラルネットワーク20ではより短い。
図３を参照すると、“適応性”ニューラルネットワー
クを示す本発明の第２の実施形態が示されている。“適
応性”ニューラルネットワーク20は発射キュー42、デー
タリンク更新データ52、ミサイル可観察物データ54を使
用し、それによってミサイル誘導システムがミサイル47
に迎撃するように制御し誘導することができる空間の最
適地点へのマサイル47の飛行軌道を決定する。ニューラ
ルネットワーク20はこの実施形態では、連続的に飛行中
であるので“適応性”であり、“適応性”ニューラルネ
ットワーク20はターゲットの状態／操縦性を変化するよ
うに応答し、それによりミサイル47は最適な軌道で連続
的に飛行することができる。
データリンク更新データ52は航空機または船のような
ソースからの実時間データの更新データであり、ターゲ
ット形態データを示す以下のタイプ、即ちターゲットの
位置および速度のデータ指示を含んでもよい。同様にミ
サイル可観察物データ54はミサイルに搭載されたセンサ
からの実時間データ（例えばレーダから得られるデー
タ）であり、以下のタイプのデータ、即ち位置および速
度、ミサイル位置および速度およびミサイル時間（即ち
ミサイルが発射装置から発射した後に経過した時間）を
含んでいる。
第３の形態である“予測的適応性”な機能のニューラ
ルネットワーク20においては、初期発射キュー42、デー
タリンク更新データ52、ミサイル可観察物データ54を使
用する。連続的な飛行期間中は“適応性”の実施形態の
ようにターゲットの状態／操縦性の変化に応答するだけ
でなく、付加的なターゲット状態／操縦性を“予測”
し、ターゲットが予測された操縦を行うか否かには関係
なく、ミサイル誘導システムが迎撃のためにミサイルを
制御し、誘導することができる空間地点へミサイルを誘
導する。
本発明の実施形態に対する訓練においては、所望の出
力を得るように既知の入力が反復的に与えられる。それ
ぞれの反復の終了のときに、所望の出力がより正確に生
成されるように、出力のエラーが検査され、ニューラル
ネットワークの加重の調節方法が決定される。このよう
にして出力が設定エラー許容度内になればそのニューラ
ルネットワークは訓練されたと考えられる。
“予測的適応性”の実施形態は、“非適応性”または
“適応性”実施形態とは異なった訓練データを使用す
る。しかしながら、“予測的適応性”は“適応性”ネッ
トワークと類似のニューラルネットワークトポロジを使
用する。“予測的適応性”の実施形態に必要な訓練の場
合には、ターゲットの位置および速度の関数としてター
ゲットの操縦能力についての係数（即ち加重）について
の知識が必要とされる。
図４は本発明の動作を示したフローチャートである。
開始ブロック60はブロック62が最初に実行されることを
示している。ブロック62はミサイルが発射されミサイル
時間がゼロ秒に設定されたことを示している。時間ゼロ
のミサイル位置は発射装置の位置である。
ブロック64で、ニューラルネットワーク（N,N）はミ
サイルの位置および速度のデータを獲得し、ブロック66
で、ニューラルネットワークはターゲット位置および速
度のデータを得る。ブロック68はミサイル発射後に経過
した時間である現在のミサイル時間のデータを得る。
決定ブロック70はミサイルが航空機から安全な距離に
あるか否かを問合わせる。ミサイルがまだ安全な距離に
到達していないならば、ブロック72による処理が行わ
れ、ここでゼロ角度の攻撃命令がミサイルのオートパイ
ロットシステムに送信され、その後ブロック74が実行さ
れ、ここではニューラルネットワークはブロック64を実
行する前に予め定められた時間量（例えば0.2秒）待機
する。
決定ブロック70が、ミサイルが航空機から安全な距離
にあることを決定したならば、決定ブロック76における
処理が行われる。決定ブロック76がミサイル制御が誘導
システムに転送されるべきではないことを決定したなら
ば、ニューラルネットワークはブロック78で計算された
攻撃角度命令を出力し、ニューラルネットワークはブロ
ック64を実行する前にブロック80で予め定められた時間
量（例えば0.2秒）待機する。
しかしながら、決定ブロック76がミサイル制御が誘導
システムに転送されるべきであると決定したならば、ミ
サイルはブロック82で最終的な誘導モードを開始する。
本発明の処理は終了ブロック84で終了する。
例 ミサイルニューラルネットワーク制御モデルは予め定
められた運動仕様に対して構成された。“非適応性”の
実施形態の出力は解析され、出力軌道データが通常の軌
道成形方法よりも優れた結果を生じたか否かを決定す
る。
図５はミサイル位置のダウン距離を横座標軸とするグ
ラフであり、その単位は距離の単位（例えばメートル）
である。縦座標軸はミサイルの高度であり、その単位は
距離の単位（例えばメートル）である。曲線106は非適
応性ニューラルネットワークの制御によるミサイル軌道
を表している。曲線108は通常の軌道成形方法によるミ
サイル軌道を表している。
各曲線上の数字は時間分割点を表している。一方の曲
線上の数字は他方の曲線上の同じ数字の位置は同じ時間
に対応する。１つの曲線上の２つの時分割点間の線の長
さはミサイルの平均速度に比例する。
結果は、本発明のニューラルネットワーク制御装置を
有するミサイルが、通常の方法よりも非常に優れて行わ
れることを示している。例えば、曲線106上の15番目の
時間分割点におけるミサイルの位置は曲線108上の15番
目の時間分割点におけるミサイルの位置とは離れてい
る。事実、通常の軌道成形方法を使用したミサイルで
は、本発明の方法を使用したミサイルの曲線106上の15
番目の時間分割点と同じ距離には曲線108上の17番目の
時間分割点にならなければ到達することができない。
さらに、本発明のニューラルネットワークによって制
御されたミサイルモデルの性能は、精巧で計算により集
約された５度の自由度のシミュレーションプログラムで
ニューラルネットワーク出力を使用することによって確
認された。
図6Aは、時間に関するミサイル高度に対する本発明に
より開発されたミサイルモデルの“非適応性”ニューラ
ルネットワーク実施形態を使用して得られた軌道110
と、精巧で計算により集約された５度の自由度のミサイ
ルシミュレーションプログラムを使用した軌道結果112
とを示している。
図6Bは、時間に関するミサイルマッハに対する本発明
による開発したミサイルモデルの結果120と、５度の自
由度のシミュレーションプログラムの結果122とを示し
ている。
図6Aと6Bで示されているように、開発中のミサイルモ
デルの性能は、精巧で計算上厳密な５度の自由度のシミ
ュレーションプログラムと非常に良好に一致する。
最適な軌道および関連する最適な軌道命令データは種
々の発射条件とターゲットシナリオに対して発見され
た。
前述のミサイル発射条件は、対応する最適な軌道命令
データと結合され、入力／ターゲット学習セットを生成
し、このデータによって図１の“非適応性”ニューラル
ネットワークが訓練された。比較的短期間で、このニュ
ーラルネットワークは入力／ターゲットデータの傾向を
学習して記憶し、適切な小さいエラーで最適な軌道命令
を出力することができる。
図７は“非適応性”ニューラルネットワーク実施形態
を使用したミサイルシステムの性能結果130と、通常の
軌道成形方法を使用した同一のミサイルシステムの性能
結果132を示している。横座標軸はミサイル発射距離で
ある。縦座標軸はＦポール性能指数（フィギュウア・オ
ブ・メリット）。Ｆポールは、発射航空機とターゲット
航空機がミサイル発射後に直線敵上を水平に飛行を続け
た場合に、ミサイルがターゲットを迎撃するときの発射
航空機とターゲットとの間の距離として定義される。動
作的には、Ｆポールの性能指数はミサイル発射距離と平
均的な速度能力を示している。
図７は、通常の軌道成形ミサイル（結果132で示され
ている）よりも本発明のニューラルネットワークにより
制御されたミサイル（結果130で示されている）が、さ
らに長い発射距離とさらに高い平均速度と、増加したＦ
ポールが可能であることを示している。
通常の軌道成形を有するミサイルシステムは、距離
“A"から発射されたとき最大の性能を有し、“C"のＦポ
ールを得ることができる。本発明のニューラルネットワ
ークによれば、Ｆポールの“C"から“D"への対応する増
加を伴ってミサイル発射距離特性は“A"から“B"へ増加
された。付加的に、本発明のニューラルネットワークに
よる制御が行われるミサイルは、図７で示されているミ
サイルよりも長い発射距離の性能においても増加し続け
る。
請求の範囲により記載されている本発明の技術的範囲
を逸脱せずに明細書で説明した実施形態に種々の変化お
よび変形が行われることが当業者により認識されよう。
例えば、魚雷その他の類似のビークルに対するニューラ
ルネットワーク制御による誘導の最適化もまた本発明に
対する適切な応用範囲に含まれるものである。
フロントページの続き (72)発明者 シュワルツ、ホーマー・エイチ・ザ・セ カンド アメリカ合衆国、アリゾナ州 85737、 オロ・バリー、ダブリュ・デザート・ハ イランズ 1989 (72)発明者 マクレーン、リチャード・エー・ジュニ ア アメリカ合衆国、アリゾナ州 85745、 タクソン、ダブリュ・アイアンウッド・ ヒル・ナンバー7233 2600 (56)参考文献 西独国特許出願公開19645556（ＤＥ, Ａ１) (58)調査した分野(Int.Cl.7，ＤＢ名) F41G 7/34

Claims (11)

    (57)【特許請求の範囲】
  1. 【請求項１】最終的な位置の手前の予め定められた第１
    の位置までの目的物（47）の軌道を制御するニューラル
    ネットワーク装置において、 前記第１の位置を示す入力データを受信するノード（22
    a−22f）を有する入力層（22）と、 軌道データを決定するノード（26a−26e）を有し、それ
    らのノード（26a−26e）によって決定された軌道データ
    に基づいて目的物（47）の軌道を制御する出力層（26）
    と、 前記入力層のノード（22a−22f）と出力層のノード（26
    a−26e）との間に設けられて、前記入力データを加重す
    るための係数を与える加重された接続とを具備し、 加重された入力データに基づいて出力層のノード（26a
    −26e）が軌道データを決定することを可能にされてい
    ることを特徴とするニューラルネットワーク装置。
  2. 【請求項２】さらに、前記入力層（22）と出力層（26）
    との間に挿入されたノード（24a−24f）を有する隠蔽層
    （24）を具備し、 前記加重された接続（28,30）は前記入力層（22）のノ
    ード（22a−22f）と前記隠蔽層（24）のノード（24a−2
    4f）との間に接続された第１の加重された接続（28）
    と、前記隠蔽層（24）のノード（24a−24f）と出力層
    （26）のノード（26a−26e）との間に接続された第２の
    加重された接続（30）とを具備している請求項１記載の
    ニューラルネットワーク装置。
  3. 【請求項３】前記隠蔽層（24）のノード（24a−24f）か
    ら前記出力層（26）のノード（26a−26e）への入力は非
    線計のスカッシュ関数に基づいている請求項２記載のニ
    ューラルネットワーク装置。
  4. 【請求項４】加重された入力データから決定された軌道
    データは方位角と上下角の飛行制御データ（44）を含ん
    でいる請求項１乃至３のいずれか１項記載のニューラル
    ネットワーク装置。
  5. 【請求項５】請求項１乃至４のいずれか１項記載のニュ
    ーラルネットワーク装置を含み、さらにそのニューラル
    ネットワーク装置から独立して前記最終的ではない位置
    から前記最終的な位置までの目的物（47）の軌道を決定
    する誘導制御システムを具備していることを特徴とする
    システム。
  6. 【請求項６】目的物（47）はミサイルであり、前記最終
    的な位置は運動しているターゲットである請求項５記載
    のシステム。
  7. 【請求項７】前記出力層（26）のノード（26a−26e）
    は、制御が誘導制御システムに転送される時点と、目的
    物（47）のレーダが付勢される時点および目的物（47）
    の武器が付勢される時期との少なくとも一方とを決定す
    る請求項５または６記載のシステム。
  8. 【請求項８】前記ニューラルネットワーク装置は、最初
    の発射キュー（42）に基づいて前記最終的ではない位置
    までのコースが決定される請求項５乃至７のいずれか１
    項記載のシステム。
  9. 【請求項９】前記ニューラルネットワーク装置は、飛行
    中に行われた更新および観察に基づいて、最終的ではな
    い位置までの目的物（47）の経路を変化させる請求項５
    乃至８のいずれか１項記載のシステム。
  10. 【請求項１０】前記ニューラルネットワーク装置は、最
    終的な位置にあるターゲットの予想される操縦性に基づ
    いて最終的な位置の手前の第１の位置までの目的物（4
    7）の経路を変化させる請求項５乃至９のいずれか１項
    記載のシステム。
  11. 【請求項１１】ニューラルネットワーク装置（20）によ
    り最終的な位置の手前の予め定められた第１の位置まで
    目的物（47）を誘導し、 最終的ではない位置から最終的な位置まで誘導制御装置
    によって目的物（47）を誘導するステップを含んでいる
    ことを特徴とする請求項５乃至９のいずれか１項記載の
    システムを使用する方法。
JP53631299A 1998-01-09 1999-01-06 ニューラルネットワーク軌道命令制御装置 Expired - Lifetime JP3241742B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/004,947 US6473747B1 (en) 1998-01-09 1998-01-09 Neural network trajectory command controller
US09/004,947 1998-01-09
PCT/US1999/000247 WO1999035460A1 (en) 1998-01-09 1999-01-06 Neural network trajectory command controller

Publications (2)

Publication Number Publication Date
JP2000510571A JP2000510571A (ja) 2000-08-15
JP3241742B2 true JP3241742B2 (ja) 2001-12-25

Family

ID=21713341

Family Applications (1)

Application Number Title Priority Date Filing Date
JP53631299A Expired - Lifetime JP3241742B2 (ja) 1998-01-09 1999-01-06 ニューラルネットワーク軌道命令制御装置

Country Status (12)

Country Link
US (2) US6473747B1 (ja)
EP (1) EP0970343B1 (ja)
JP (1) JP3241742B2 (ja)
KR (1) KR100382526B1 (ja)
AT (1) ATE326001T1 (ja)
AU (1) AU731363B2 (ja)
CA (1) CA2283526C (ja)
DE (1) DE69931216T2 (ja)
IL (1) IL131725A (ja)
NO (1) NO322766B1 (ja)
TR (1) TR199902154T1 (ja)
WO (1) WO1999035460A1 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9827358D0 (en) * 1998-12-12 2000-01-19 British Aerospace Combat aid system
US6418378B1 (en) 2000-06-26 2002-07-09 Westerngeco, L.L.C. Neural net prediction of seismic streamer shape
DE10033368A1 (de) * 2000-07-08 2002-01-17 Bodenseewerk Geraetetech Lenkstruktur für Flugkörper
US7202794B2 (en) * 2004-07-20 2007-04-10 General Monitors, Inc. Flame detection system
US8140261B2 (en) 2005-11-23 2012-03-20 Alcatel Lucent Locating sensor nodes through correlations
US7566026B2 (en) 2006-03-29 2009-07-28 Raytheon Company Onboard guidance method for ballistic missiles
US20100245166A1 (en) * 2009-03-25 2010-09-30 Honeywell International Inc. Turbulence prediction over extended ranges
US9761148B2 (en) * 2010-08-03 2017-09-12 Honeywell International Inc. Airborne separation assurance system and required time of arrival function cooperation
US10041774B2 (en) * 2014-10-06 2018-08-07 The Charles Stark Draper Laboratory, Inc. Multi-hypothesis fire control and guidance
CN112925200B (zh) * 2019-12-06 2024-07-05 浙江大学宁波理工学院 一种基于Anderson加速的迭代学习控制方法
DE102022001285B4 (de) * 2022-04-13 2024-08-22 Diehl Defence Gmbh & Co. Kg Verfahren zum Lenken eines Flugkörpers
DE102022001286A1 (de) * 2022-04-13 2023-10-19 Diehl Defence Gmbh & Co. Kg Verfahren zur Midcourse-Lenkung eines im Schub steuerbaren Flugkörpers

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4218600C2 (de) 1992-06-05 1994-09-22 Bodenseewerk Geraetetech Einrichtung zur Bestimmung von Bewegungsgrößen eines Flugkörpers
US5631830A (en) * 1995-02-03 1997-05-20 Loral Vought Systems Corporation Dual-control scheme for improved missle maneuverability
DE19645562A1 (de) 1996-04-02 1997-10-09 Bodenseewerk Geraetetech Regelvorrichtung für nichtlineare Regelstrecken

Also Published As

Publication number Publication date
NO994329L (no) 1999-11-02
CA2283526A1 (en) 1999-07-15
AU2652499A (en) 1999-07-26
KR20000076076A (ko) 2000-12-26
EP0970343A1 (en) 2000-01-12
US20020083027A1 (en) 2002-06-27
EP0970343B1 (en) 2006-05-10
JP2000510571A (ja) 2000-08-15
WO1999035460A1 (en) 1999-07-15
DE69931216T2 (de) 2007-05-24
IL131725A (en) 2003-06-24
US6542879B2 (en) 2003-04-01
KR100382526B1 (ko) 2003-05-01
CA2283526C (en) 2002-05-21
US6473747B1 (en) 2002-10-29
NO322766B1 (no) 2006-12-04
IL131725A0 (en) 2001-03-19
DE69931216D1 (de) 2006-06-14
ATE326001T1 (de) 2006-06-15
AU731363B2 (en) 2001-03-29
NO994329D0 (no) 1999-09-06
TR199902154T1 (xx) 2000-06-21

Similar Documents

Publication Publication Date Title
JP3241742B2 (ja) ニューラルネットワーク軌道命令制御装置
US20080206718A1 (en) Apparatus, method and computer program product for weapon flyout modeling and target damage assessment
KR101301666B1 (ko) 포탄의 탄도 수정 방법
JP2017026190A (ja) 航空機管理装置、航空機、及び航空機の軌道算出方法
Burgin et al. Rule-based air combat simulation
Li et al. Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm
US10591254B1 (en) Ballistic wind correction to improve artillery accuracy
CN111898201B (zh) 一种空战模拟环境中的战斗机高精度自主攻击引导方法
Bae et al. Deep reinforcement learning-based air-to-air combat maneuver generation in a realistic environment
Hu et al. Field-of-view limited guidance with impact angle constraint and feasibility analysis
Sisle et al. Hardware-in-the-loop simulation for an active missile
Jiang et al. Realizing midcourse penetration with deep reinforcement learning
CN114063644A (zh) 基于鸽群反向对抗学习的无人作战飞机空战自主决策方法
Moritz et al. Pursuit-evasion in medium-range air-combat scenarios
CN115388719A (zh) 一种基于激光制导武器的飞行器激光照射航路规划方法
Riss et al. Concurrent Airframe-Controller Optimization of a Guided Projectile Fitted with Lifting Surfaces
RU2782035C2 (ru) Имитационная модель системы управления воздушной мишенью на основе беспилотного летательного аппарата из состава мишенного комплекса
Faqih et al. Smart guided missile using accelerometer and gyroscope based on backpropagation neural network method for optimal control output feedback
Zhang et al. Penetration Strategy for High-Speed Unmanned Aerial Vehicles: A Memory-Based Deep Reinforcement Learning Approach
Massey et al. A System-of-System Design of a Guided Projectile Mortar Defense System
CN116048116A (zh) 一种中末制导协同飞行时间重构方法
Nan et al. Influencing Factor Analysis of Interception Probability and Classification-Regression Neural Network Based Estimation
CN117910353A (zh) 低信息支撑条件下的弹道预报方法和装置
Wang et al. RESEARCH ON HYBRID GUIDANCE STRATEGY OF ONE-TO-ONE INTERCEPTION BASED ON GAME THEORY
Zhang et al. Prediction Technology of Uncontrolled Ammunition Landing Point Based on Bi-LSTM

Legal Events

Date Code Title Description
R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20071019

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20081019

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20091019

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20091019

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20101019

Year of fee payment: 9

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20111019

Year of fee payment: 10

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121019

Year of fee payment: 11

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131019

Year of fee payment: 12

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

EXPY Cancellation because of completion of term