KR100382526B1 - 뉴럴 네트워크 궤도 명령 제어기 - Google Patents

Abstract

오브젝트(47)의 궤도를 제1의 소정 위치로 제어하는 장치 및 방법이 제공된다. 이러한 장치는 제1의 소정 위치를 나타내는 입력 데이타를 수신하는 노드(22a-22f)를 갖는 입력층(22)을 갖는다. 제1 가중된 접속부(28)는 입력층(22)의 노드에 접속된다. 제1 가중된 접속부(28) 각각은 입력 데이타를 가중시키는 계수를 갖는다. 제1 가중된 접속부(28)에 접속된 노드(26a-26e)를 갖는 출력층(26)은 제1 가중된 입력 데이타를 기초로 궤도 데이타를 결정한다. 오브젝트의 궤도는 상기 결정된 궤도 데이타를 기초로 하여 제어된다.

Description

뉴럴 네트워크 궤도 명령 제어기{NEURAL NETWORK TRAJECTORY COMMAND CONTROLLER}

통상적으로, 시스템 설계에 따른 물리적 또는 기능적 제약을 위반하지 않고 미사일의 속도, 거리 및 기동성을 향상시킴으로써 미사일의 성능을 향상시키려는 요구가 있다. 특정 시나리오에 대한 미사일의 궤도 명령의 모든 면을 최적화하는 것을 목적으로 하는 대부분의 종래의 연구들은 한계치를 갖고 있었다. 다수의 시나리오에서 성능을 최적화하고자 하는 요구(예를 들어, 최소 비행 제어/기동성 요구를 충족시키면서도 미사일이 타겟까지 최단 경로를 취하고 요격시 "거리 오류(miss distance)"를 최소화하고자 하는 요구)에 의해 상황이 복잡하게 되었다. 몇몇 상황에서는, 이러한 여러 목표들은 분석자와 모순된 듯 보일 수도 있으며, 때때로, 특히 미사일이 발사된 후 미사일 비행중에 적응적으로 연속적으로 그리고 최적의 해법에 도달해야 하는 기동식(maneuvering)/회피형(evasive) 타겟의 경우에 이론적으로 최적의 해법의 정의를 무시하게 된다.

유도 미사일에서의 최적의 궤도 형성을 구현함에 있어서의 또 다른 문제점은 막대한 규모의 문제를 포함한다. 특정한 전술적 시나리오의 특징에 포함되는 다양한 변수들(예를 들어, 발사대 및 타겟 위치, 속도 및 발사후의 기동(postlaunch maneuvers)은 상당히 복잡한　물리적　관계에　원인이 되며 이러한 물리적 관계는 관련된 이들　팩터의 관련된 측정이 변화하는 불확실성에 의해 보다 복잡해진다.

유도 미사일 설계에서 이루어진 전술적인 결정에 대한 종래의 방식은 통상적으로 2가지의 과정들, 즉, 1) 개략적으로 정해진 입력 기준에 따른 선택된(및 정해진) 가능한 궤도 "스케쥴" 형성에 대한 문제를 간단화하는 과정, 또는 2) 모든 시뮬레이션으로부터 선택된 비행 경로(들)를 최상으로 수행하면서 내장형 미사일 처리 장비를 사용하여 "실시간"에서의 여러 궤도 결정의 가능한 결과를 시뮬레이트하는 과정중 하나를 채택하였다.

예를 들어, 한가지 방식에 따르면, 제약된 유도 미사일의 전자 패키지로 실현될 수 있지만 많은 응용 시나리오에서 최적의 성능에 못미치는 성능을 생성한다. 다차원 관계 및 복잡성을 가지는 것으로 알려진 문제점의 간단화는 효율적으로 절충안을 가지며 광범위하게 변하는 시나리오의 최적 성능의 목표가 그 사용면에서 절충된다. 이러한 방식은 복잡한(및 때때로 거의 이해하지 못하는) 물리적 현상을 간단한 보간 기술이 사용되는 미사일의 소프트웨어 또는 하드웨어 제어 장치에서 간단한 "평균" 방정식 또는 "룩업" 테이블로 간단화시킨다. 이것은 그러한 미사일에 대하여 가능한 다수의 무한수의 미션 시나리오에서 절충된 성능을 생성한다. 그럼에도 불구하고, 이러한 방식은, 성능면에 있어서 상당한 부족분이 어디에 존재하는지를 식별하기 위한 충분한 검사 및 분석이 행해질 수 있다는 기대로 인해 기존의 유도 미사일에서 통상적으로 채용되었다.

언급된 제2 방식(즉, 미사일이 사용되는 특정 발사 시나리오에 대한 내장형 시뮬레이션 및 반복적 최적화)의 사용은, 내장형 데이타 처리 장비의 무능 및 전술적인 결정이 필요한 긴밀한 시간 프레임(tight time frame)에 의해 효율적으로 방지된다. 높은 전력이 공급된 그라운드형 실험실 컴퓨터 시스템에서도 복잡한 비행중인 유도 미사일 역학의 고성능의 시뮬레이션을 부과한다. 그러한 미사일 시뮬레이션 추세는 실제 미사일 비행시에 포함되는 것과 유사한 실행 시간을 필요로 한다. 그러므로, 내장형 전술적 데이타 처리 장비가 속도 및 메모리 용량에 있어서 실험실 시뮬레이션(일반적이지 않음)에서 통상적으로 사용되는 것과 유사한 경우에도, 하나의 가능한 결과의 시물레이션이 실행을 위한 완전한 미사일 비행을 필요로 한다. 명확히, 순차적 시뮬레이션은 "실시간"에서의 최적의 해법을 나타내는 것이 매우 어렵다.

그러므로, 미사일이, 각각의 전술적인 상황에 특정한 다수의 운동학적인 성능 목표를 최적으로 달성하는 데 적합한 연속적으로 적응된 기동식 제어를 통해 얻어질 수 있는 향상된 성능을 가질 필요가 있다.

본 발명은 일반적으로 오브젝트의 궤도 제어에 관한 것으로, 특히 오브젝트의 궤도 제어에 사용되는 뉴럴 네트워크(neural network)에 관한 것이다.

도 1은 본 발명에 따른 궤도 파라미터의 결정을 도시하는 예시적 뉴럴 네트워크 위상도이다.

도 2는 "비적응" 뉴럴 네트워크의 데이타 흐름을 도시한 데이타 흐름도이다.

도 3은 "적응" 및 "예상 적응" 뉴럴 네트워크의 데이타 흐름을 도시한 데이타 흐름도이다.

도 4는 본 발명의 뉴럴 네트워크를 포함하는 동작의 시퀀스를 도시하는 흐름도이다.

도 5는 본 발명의 경우와 종래의 경로 형성 방식의 경우 고도 대 미사일 위치 하강 거리의 관계를 도시하는 x-y 그래프이다.

도 6a-6b는 최적화된 경로 시뮬레이션 모델과 5 등급의 자유 시뮬레이션 모델로 구현되는 본 발명의 성능 확인을 도시하는 x-y 그래프이다.

도 7은 본 발명의 경우와 종래의 경로 형성 방식의 경우 F-폴 대 발사 거리의 관계를 도시하는 x-y 그래프이다.

본 발명의 기술에 따르면, 오브젝트의 궤도를 제1의 소정 위치로 제어하기 위한 장치 및 방법이 제공된다. 이러한 장치는 제1의 소정 위치를 나타내는 입력 데이타를 수신하는 노드를 갖는 입력층을 갖는다. 제1 가중된 접속부는 입력층의 노드에 접속된다. 제1 가중된 접속부 각각은 입력 데이타를 가중시키는 계수를 갖는다. 제1 가중된 접속부에 접속된 노드를 갖는 출력층은 제1 가중된 입력 데이타를 기초로 궤도 데이타를 결정한다. 오브젝트의 궤도는 상기 결정된 궤도 데이타를 기초로 하여 제어된다.

본 발명의 부가적인 이점 및 특징들은, 첨부된 도면과 관련하여 얻어진 다음의 상세한 설명 및 첨부된 청구범위로부터 분명해질 것이다.

도 1은 미사일 시스템의 궤도를 제어하는 뉴럴 네트워크를 도시한다. 이 실시예에서, 뉴럴 네트워크(20)는 미사일의 최소 비행 시간 동안 최적화되는 다음의 구성을 갖는다. 뉴럴 네트워크(20)는 입력층(22), 히든층(24) 및 출력층(26)을 구비한다. 입력층(22)은 6개의 입력(22a-22f)을 갖는다. 히든층(24)은 6개의 노드(24a-24f)를 갖는다. 출력층(26)은 5개의 출력(26a-26e)을 갖는다.

제1의 2개의 입력(22a 및 22b)은 미사일/발사 항공기 초기 조건들, 즉 발사 항공기 고도 및 속도이다. 나머지 4개의 입력(22c-22f)은 발사시에 관측가능한 타겟 고도 및 속도; 타겟 거리; 및 발사 방위이다. 출력(26a-26e)은 비행 중에 미사일이 취하는 공격 각도; 및 최종적인 공격 각도를 개시하는 미사일-타겟 거리 큐(missile-to-target range cue)인 타겟 거리 출력이다. 제1의 3개의 공격 각도의 개시 시간은 본 발명의 예시적 설명에서 다른 미사일 설계 팩터에 의해 사전에 정해진다. 입력 계수를 나타내는 가중(28)은 입력층(22)을 히든층(24)과 접속시킨다. 출력 계수를 나타내는 가중(30)은 히든층(24)을 출력층(26)과 접속시킨다.

본 실시예에서는 공격 각도 및 거리 큐인 출력을 보여주지만, 본 발명이 이들 제어기 출력에만 한정되는 것은 아니라는 것을 알아야 한다. 예를 들어, 제어기 출력은 그러한 다른 출력들을 명령된 G 레벨 - 이러한 명령된 G 레벨은 미사일 방향 표시 명령임 - 로서 포함할 수도 있다. 부가적으로, 본 발명은 필요한 경우 미사일 기능을 제어할 수 있다. 본 발명의 구성은 기존의 미사일 설계에 가장 적합하다.

본 실시예에서, 뉴럴 네트워크(20)는 양호하게는 그 동작에 있어서 다음의수학식을 사용한다.

뉴럴 네트워크(20)는 가중(28)(즉, 입력층 계수 γ)를 사용하여 입력층(22)의 입력 (χ)을 가중시키며 모든 가중 결과의 합을 히든층(24)의 각 노드에 제공하며, 가중된 구간의 합은 바이어스 θ만큼 오프셋된다. 가중된 구간의 오프셋 합은 비선형 스쿼싱 함수(nonlinear squashing function) g(u)에 의해 연산되며 이 경우 이것은 기호 논리학 함수이다. 히든층(24)의 각 노드의 응답은 비선형 스쿼싱 함수의 출력이다. 히든 노드 출력은 가중(30)(즉, 출력층 계수 β)에 의해 가중된다. 히든층(24)의 각 노드로부터의 가중 구간들은 합산되어 출력층(26)에서 출력(1 내지 k)을 생성하며, 이들은 이 경우에 최적의 공격 각도 및 최종적인 공격 각도에서의 타겟까지의 거리이다. 본 발명은 또한 2개 이상의 히든층을 사용하여 궤도 출력을 생성하는 것을 포함한다. 더우기, 가중 계수 값들은 미사일이 달성하고자 하는 목표에 대해 가변된다. 예를 들어, 미사일이 추구하는 목표는, 타겟이 발사 지점으로부터 상당한 거리에 있기 때문에 연료 소모를 절약하는 것이며; 가장 신속하게 타겟에 도달하는 것이며; 요격 시간에서의 최대 미사일 G가 되어 미사일이 매우 신속하게 기동할 수 있도록 하는 것이며; 또는 그들의 조합이다. 본 발명의 뉴럴 네트워크는, 양호하게는 그 목표에 따라 가중 계수의 여러 값들을 룩업 테이블에 저장하는 것이다.

뉴럴 네트워크(20)는 복잡한 정도로 "비적응(nonadaptive)", "적응(adaptive)" 및 "예상 적응(adaptive with anticipation)"으로 분류된 3개의 실시예로 존재할 수 있다.

도 2는 본 발명의 제1 실시예를 도시한다. "비적응" 뉴럴 네트워크(20)는 초기 발사 큐가 구비되어 있으며, "비행" 경로를 결정하고 미사일 유도 시스템은 미사일(47)이 요격하도록 제어 및 유도할 수 있는 공간 내에서 소정의 최적 지점으로 미사일(47)을 유도한다. 필요한 훈련 케이스를 생성하는 것은 비교적 간단하며 뉴럴 네트워크 훈련은 "비적응" 뉴럴 네트워크(20)의 경우에 보다 짧다.

도 3을 참조하면, "적응" 뉴럴 네트워크(20)는 발사 큐(42), 데이타링크 갱신(52) 및 미사일 가관측물(54)을 사용하여 미사일 유도 시스템이 미사일(47)이 요격하도록 제어 및 유도할 수 있는 공간 내의 최적 지점으로 미사일(47)을 조종한다. "적응" 뉴럴 네트워크(20)는 비행 중에 타겟 상태/기동시의 변화에 연속적으로 반응하여, 최적의 궤도에 따라 연속적으로 비행하게 되므로, 본 실시예에서 뉴럴 네트워크(20)는 "적응"이다.

데이타 링크 갱신(52)은 항공기 또는 선박과 같은 소스로부터의 실시간 데이타 갱신이며 타겟 지리적 데이타를 나타내는 다음 형태의 데이타들, 즉 타겟의 위치 및 속도를 포함할 수도 있다. 유사하게, 미사일 가관측물(54)은 미사일에 내장된 센서로부터의 실시간 데이타(예를 들어, 레이다)이며, 다음 형태의 데이타들, 즉 타겟 위치 및 속도 및 미사일 위치 및 속도 및 미사일 시간(즉, 미사일이 발사 항공기로부터 발사된 후의 경과 시간)을 포함한다.

"예상 적응" 기능을 갖춘 뉴럴 네트워크(20)는 초기 발사 큐(42), 데이타링크 갱신(52) 및 미사일 가관측물(54)을 사용한다. 비행 중에 연속적으로 "적응" 실시예의 경우와 같이 타겟 조건/기동시의 변화에 반응할 뿐만 아니라 부가적 타겟 조건/기동을 "예상하며", 미사일 유도 시스템은 타겟이 예상된 기동을 수행했던 안했던간에 미사일이 요격하도록 제어 및 유도할 수 있는 공간 내의 소정 지점으로 미사일을 유도한다.

본 발명의 실시예의 훈련은 알려진 입력에 소망의 출력을 반복적으로 제공하는 것을 포함한다. 각각의 반복의 마지막에는, 소망의 출력을 정확히 생성하도록 뉴럴 네트워크의 가중이 조정되는 방법을 결정하기 위해 출력 에러가 검사된다. 뉴럴 네트워크는 출력이 설정된 에러 허용오차 내에 있을 경우 훈련된 것으로 고려된다.

"예상 적응" 실시예는 "비적응" 또는 "적응" 실시예와는 상이한 훈련 데이타를 사용한다. 그러나, "예상 적응"은 "적응" 실시예와 유사한 뉴럴 네트워크 토폴로지를 사용한다. "예상 적응" 실시예에 필요한 훈련 케이스를 생성하는 것은, 타겟 위치 및 속도의 함수로서 타겟 기동성에 대한 계수(즉, 가중)에 지식을 통합하는 것을 포함한다.

도 4는 본 발명의 동작을 도시하는 흐름도이다. 개시 블럭(60)은 블럭(62)이 가장 먼저 실행되는 것을 나타낸다. 블럭(62)은 미사일이 발생되었고 그 미사일 시간이 0초로 설정되었다는 것을 나타낸다. 0 시간에서의 미사일의 위치는 발사 항공기의 위치이다.

블럭(64)에서, 뉴럴 네트워크는 미사일 위치 및 속도를 획득하며, 블럭(66)에서 뉴럴 네트워크는 타겟 위치 및 속도를 얻는다. 블럭(68)은 미사일이 발사된 후 경과된 시간인 현재의 미사일 시간을 얻는다.

결정 블럭(70)에서는 미사일이 항공기로부터 안전한 거리에 있는지를 문의한다. 안전한 거리가 아니면, 블럭(72)은 미사일의 자동 조종 시스템에 0 각도의 공격 명령이 전달되도록 처리되며, 그 후 블럭(74)이 실행되어 뉴럴 네트워크가 블럭(64)을 실행하기 전에 소정 시간(예를 들어, 0.2초)을 대기한다.

결정 블럭(70)은 미사일이 항공기로부터 안전한 거리에 있다고 판정하면, 결정 블럭(76)이 처리된다. 결정 블럭(76)이, 미사일 제어가 유도 시스템에 전달되어서는 안된다고 결정하면, 블럭(78)에서 뉴럴 네트워크는 계산된 각도의 공격 명령을 출력하며, 블럭(64)을 실행하기 전에 블럭(80)에서 뉴럴 네트워크가 소정 시간(예를 들어, 0.2 초)을 대기한다.

그러나, 결정 블럭(76)이 미사일 제어가 유도 시스템에 전달되어야 한다고 결정하면, 블럭(82)에서 미사일이 최종 유도 모드를 개시한다. 본 발명의 이러한 특징에 관련된 처리는 종료 블럭(84)에서 종료된다.

실시예

미사일 뉴럴 네트워크 제어 모델은 소정의 운동학 사양(kinematic specifications)으로 구성된다. 생산된 출력 궤도 데이타가 종래의 궤도 형성 방식보다도 우수한 결과는 생성하였는지를 결정하기 위해 "비적응" 실시예의 출력이 분석된다.

도 5는 단위가 거리 단위(예를 들어, 미터)인 미사일의 위치 하강 거리의 횡좌표 축을 갖는 그래프이다. 종좌표 축은 단위가 거리 단위(예를 들어, 미터)인 미사일의 고도이다. 곡선(106)은 비적응 뉴럴 네트워크의 제어 하에서의 미사일의 궤도를 나타낸다. 곡선(108)은 종래의 궤도 형성 방식에서의 미사일의 궤도를 나타낸다.

각각의 곡선 상의 숫자는 시간 구분을 나타낸다. 하나의 곡선 상의 숫자는 다른 곡선 상의 동일한 시간에 대응한다. 동일한 곡선 상의 2개의 시간 구분 사이의 라인 길이는 미사일의 평균 속도에 비례한다.

그 결과는, 본 발명의 뉴럴 네트워크 제어기를 구비한 미사일이 종래 방식에 비해 훨씬 우수하게 기능을 수행한다는 것을 보여준다. 예를 들어, 곡선(106) 상의 15번째 시간 구분의 미사일은 곡선(108) 상의 15번째 시간 구분의 미사일보다 훨씬 먼 거리에 있다. 사실상, 종래의 궤도 형성 방식을 사용하는 미사일은 곡선(108) 상의 17번째 시간 구분에 의해 곡선(106) 상의 15번째의 시간 구분에서의 본 발명의 방식을 사용하는 미사일과 동일한 거리에 다다르지 않는다.

더우기, 본 발명의 뉴럴 네트워크 제어 미사일 모델의 성능은, 복잡하고 계산적으로 철저한 5 등급의 자유 시뮬레이션 프로그램(5-Degree of Freedom simulation program)으로 뉴럴 네트워크 출력을 사용함으로써 유효해진다.

도 6a는 개선된 미사일 모델에서 "비적응" 뉴럴 네트워크 실시예를 사용하는 궤도 결과(110) 및 시간에 대한 미사일 고도에 대해 복잡하고 계산적으로 철저한 5 등급의 자유 시뮬레이션 프로그램을 사용하는 궤도 결과(112)를 보여준다.

도 6b는 개선된 미사일 모델의 결과(120) 및 시간에 대한 미사일의 마하에 대한 5 등급의 자유 시뮬레이션 프로그램의 결과(122)를 보여준다.

도 6a 및 6b에 도시된 바와 같이, 개선된 미사일 모델의 성능은 복잡하고 계산적으로 철저한 5 등급의 자유 시뮬레이션 프로그램과 상당히 일치한다.

다양한 발사 조건 및 타겟 시나리오에 대한 최적의 궤도 및 연관된 최적의 궤도 명령 데이타가 발견되었다.

상기의 미사일 발사 조건은 대응하는 최적의 궤도 명령 데이타와 결합되어 입력/타겟 학습 세트를 생성하며, 이러한 데이타로 인해 도 1의 "비적응" 뉴럴 네트워크가 훈련된다. 비교적 짧은 시간내에, 이러한 뉴럴 네트워크는 입력/타겟 데이타의 경향을 학습하며 적절히 작은 에러를 갖는 최적의 궤도 명령을 기억 및 제공할 수 있다.

도 7은 "비적응" 뉴럴 네트워크 실시예를 사용하는 미사일 시스템의 성능 결과(130) 및 종래의 궤도 형성 방식을 사용하는 미사일 시스템의 성능 결과(132)를 도시한다. 횡좌표 축은 미사일 발사 거리가다. 종좌표 축은 F-폴 장점 지수(figure of merit)이다. F-폴은, 발사 항공기 및 타겟 항공기가 미사일 발사 후 일직선 및 상호 방향으로 수평으로 계속 비행하는 경우, 미사일이 타겟을 요격할 때의 발사 항공기와 타겟간의 거리로서 정의된다. 동작적으로, F-폴 장점 지수는 미사일 발사 거리 및 평균 속도 능력을 나타낸다.

도 7은 본 발명의 뉴럴 네트워크(즉, 결과(130))에 의해 제어되는 미사일이 종래의 궤도 형성 미사일(결과(132)로 도시된 바와 같음)보다 발사 거리가 길고 평균 속도가 높고 F-폴이 증가되는 것이 가능하다는 것을 보여준다.

종래의 궤도 형성 방식을 사용하는 미사일 시스템은 "A" 거리로부터 발사될 때 최대 성능을 가지며 "C"의 F-폴을 달성한다. 본 발명의 뉴럴 네트워크의 경우, 미사일 발사 거리 특성은 대응하는 F-폴 "C"로부터 "D"까지의 증가에 따라 "A"로부터 "B"까지 증가된다. 게다가, 본 발명의 뉴럴 네트워크를 구비한 미사일은 도 7에 도시되어 있는 거리 이상의 발사 거리에서도 성능이 계속 증가된다.

본 기술 분야의 숙련자라면, 첨부된 특허청구범위에 규정되어 있는 바와 같이 본 발명의 사상 및 범위에서 벗어나지 않고, 본 명세서에 기술되어 있는 실시예의 다양한 변형 및 변경이 이루어질 수 있다는 것을 알 수 있을 것이다. 예를 들어, 본 발명의 유사한 응용 범위로는, 뉴럴 네트워크 제어 및 수뢰(torpedoes) 또는 유사한 차량용의 유도 최적화가 포함된다.

Claims (9)

1. 제1의 소정 위치에 대한 오브젝트(47)의 궤도를 제어하는 장치에 있어서,

   상기 제1의 소정 위치를 나타내는 입력 데이타를 수신하는 노드(22a-22f)를 갖는 입력층(22);

   상기 입력층(22)의 상기 노드에 접속되며, 각각이 상기 입력 데이타를 가중시키는 계수를 갖는 제1 가중된 접속부(28);

   상기 제1 가중된 접속부(28)에 접속된 노드(26a-26e)를 가진 출력층(26);

   상기 제1 가중된 접속부(28)에 접속된 노드(24a-24f)를 가지며, 상기 입력층(22)과 상기 출력층(26) 사이에 삽입된 히든층(24);

   상기 히든층의 노드(24a-24f) 및 상기 출력층의 노드(26a-26e)에 접속되며, 각각이 상기 히든층의 노드(24a-24f)의 상기 출력을 가중시키는 계수를 갖는 제2 가중된 접속부(30)를 포함하며,

   상기 출력층의 노드(26a-26e)는 상기 제1 가중된 입력 데이타에 기초하여 궤도 데이타를 결정하며, 상기 오브젝트(47)의 궤도는 상기 결정된 궤도 데이타에 기초하여 제어되는 오브젝트의 궤도 제어 장치.
2. 제1항에 있어서, 상기 입력 데이타는 발사 큐 데이타(42;lauch cue data)를 더 포함하는 오브젝트의 궤도 제어 장치.
3. 제2항에 있어서, 상기 입력 데이타는 타겟 기하학 갱신 데이타(52, 54)를 더 포함하는 오브젝트의 궤도 제어 장치.
4. 제1항에 있어서, 상기 결정된 궤도 데이타는 방위 및 비행 고도 제어 데이타(44)를 포함하는 오브젝트의 궤도 제어 장치.
5. 제1항에 있어서, 상기 입력 데이타는 제2의 소정 위치와 관련된 데이타를 포함하며, 상기 출력층(26)은 상기 제2의 소정 위치에 기초하여 제2의 궤도 데이타를 결정하며, 상기 오브젝트(47)의 궤도는 상기 결정된 제2의 궤도 데이타에 기초하여 제어되는 오브젝트의 궤도 제어 장치.
6. 제1항에 있어서, 상기 출력층의 노드(26a-26e)는 소정의 임계값을 만족시키는 상기 제1의 소정 위치로부터 소정 거리 떨어져 있는 오브젝트(47)에 기초하여 오브젝트의 유도 제어 시스템에 제어가 전달되는 시점을 결정하는 오브젝트의 궤도 제어 장치.
7. 제1항에 있어서, 상기 출력층의 노드(26a-26e)는 상기 입력 데이타에 기초하여 오브젝트(47)의 레이더가 동작되는 시점을 결정하는 오브젝트의 궤도 제어 장치.
8. 제1항에 있어서, 상기 출력층의 노드(26a-26e)는 소정의 임계값을 만족시키는 상기 제1의 소정 위치로부터 소정 거리 떨어져 있는 오브젝트(47)에 기초하여 오브젝트의 무기류(weaponry of the object)가 동작되는 시점을 결정하는 오브젝트의 궤도 제어 장치.
9. 제1항에 있어서, 상기 출력층의 노드(26a-26e)는 소정의 목표를 최적화하도록 상기 궤도 데이타를 결정하며, 상기 소정의 목표는 연료 소비의 목표, 제1의 소정 위치에 도달하는 시간의 목표, 요격 시간에서의 최대 미사일 G 및 그 조합을 포함하는 그룹으로부터 선택되는 오브젝트의 궤도 제어 장치.