El artículo profundiza en la predicción de alta precisión de trayectorias de misiles balísticos durante su fase de booster (inicial o de impulso), un área de investigación en auge. Presenta un algoritmo de predicción de trayectorias basado en datos y conocimiento (DKTP). Inicialmente, el artículo examina en profundidad la compleja dinámica de los misiles balísticos en su fase de impulso. Al fusionar el modelo de dinámica de misiles con el modelo de giro por gravedad del objetivo(Ref2), se desarrolla un modelo de giro tridimensional (T3) basado en conocimiento.
Una red neuronal de retropropagación (BP) es un tipo de red neuronal artificial que utiliza la retropropagación de errores para aprender y mejorar su rendimiento. Se utiliza para entrenar la base de datos de trayectorias de la fase de impulso en varios escenarios, lo que da como resultado un modelo de mapeo de parámetros de estado (SPM) basado en datos. Este marco de predicción de trayectorias en línea, que aprovecha tanto los datos como el conocimiento, pronostica coeficientes de giro tridimensionales utilizando el estado actual del objetivo y el modelo T3 para predecir el próximo estado.
Los resultados de la simulación demuestran que el algoritmo DKTP combina eficazmente enfoques basados en datos y conocimientos, mejorando la interpretabilidad y reduciendo la incertidumbre, lo que conduce a predicciones de trayectoria de alta precisión para misiles balísticos durante la fase de impulso.
Fuente: https://www.sciencedirect.com
