控制系統(tǒng)是制導(dǎo)炸彈的關(guān)鍵部位。目前，所有制導(dǎo)炸彈的控制系統(tǒng)都是基于一定的數(shù)學(xué)模型，以固定的方式修正彈道誤差。由于存在各種不可預(yù)知的誤差因素，但控制方式卻不可調(diào)整，造成制導(dǎo)炸彈的實(shí)際命中精度不高?；诖?，提出了一種新的制導(dǎo)炸彈智能控制系統(tǒng)，該系統(tǒng)引入具有前置濾波特性的非單點(diǎn)模糊化技術(shù)，針對(duì)非單點(diǎn)模糊推理系統(tǒng)內(nèi)部參數(shù)不易調(diào)整的問題，提出用梯度下降算法和遺傳算法構(gòu)成的混合并行學(xué)習(xí)算法調(diào)整系統(tǒng)內(nèi)部參數(shù)，從而能夠自動(dòng)處理受噪聲影響的訓(xùn)練數(shù)據(jù)，提高命中精度。通過計(jì)算機(jī)仿真試驗(yàn)，并與基于ANFIS的制導(dǎo)炸彈智能控制系統(tǒng)進(jìn)行比較，驗(yàn)證了該控制系統(tǒng)的有效性。

　　1 非單點(diǎn)模糊推理系統(tǒng)(NSFIS)

　　提出的制導(dǎo)炸彈智能控制系統(tǒng)的核心是非單點(diǎn)模糊推理系統(tǒng)(NSFIS)。一個(gè)n輸入1輸出的模糊推理系統(tǒng)，其模糊規(guī)則可表述如下

上的模糊集合，

和y∈V對(duì)應(yīng)于系統(tǒng)輸入和輸出變量，l=1，2，…，M為模糊規(guī)則數(shù)。

?

　　當(dāng)采用中心平均模糊消除器、乘積推理規(guī)則、高斯隸屬度函數(shù)和非單點(diǎn)模糊化時(shí)，得到的非單點(diǎn)模糊推理系統(tǒng)為

時(shí)，非單點(diǎn)模糊化與單點(diǎn)模糊化等價(jià);當(dāng)輸入變量xk受到噪聲污染時(shí)，噪聲在非單點(diǎn)模糊器中會(huì)被因子

所克服。如果σx≥σFkl，噪聲將會(huì)在很大程度上被抑制。

?

　　2 NSFIS的參數(shù)學(xué)習(xí)算法

　　模糊推理系統(tǒng)是高度非線性系統(tǒng)，在對(duì)復(fù)雜系統(tǒng)建模的過程中，其內(nèi)部參數(shù)

主要依靠某種學(xué)習(xí)算法對(duì)輸入一輸出數(shù)據(jù)對(duì)進(jìn)行訓(xùn)練來確定。目前，用于模糊推理系統(tǒng)的學(xué)習(xí)算法主要是梯度下降算法和遞推最小二乘算法。梯度下降算法簡單易行、運(yùn)算量小，但收斂速度慢，容易陷入局部極值，且對(duì)信號(hào)的譜性依賴較大;遞推最小二乘算法收斂速度很快，對(duì)信號(hào)譜性無依賴，但其結(jié)構(gòu)復(fù)雜、運(yùn)算量大且存在長期數(shù)值穩(wěn)定的問題。從工程的角度考慮，因?yàn)榉菃吸c(diǎn)模糊推理系統(tǒng)的計(jì)算復(fù)雜度本身就較大，所以運(yùn)算量大的遞推最小二乘算法不適合采用。為了彌補(bǔ)梯度下降算法的缺點(diǎn)，文中引入遺傳算法。遺傳算法是模擬生物進(jìn)化過程的一種全局優(yōu)化搜索算法，其目標(biāo)函數(shù)既不要求連續(xù)，也不要求可微，僅要求問題可計(jì)算，而且它的搜索始終遍及整個(gè)解空間，容易得到全局最優(yōu)解。用梯度下降算法和遺傳算法同時(shí)并行的搜索解空間，并定期交換信息。這樣不僅避免了陷入局部極值的缺點(diǎn)，而且加快了收斂速度。雖然由于遺傳算法的加入，運(yùn)算量增加了，但由于遺傳算法和梯度下降算法并行工作，所以沒有降低算法的實(shí)時(shí)性。采用減法聚類的方法設(shè)置初始參數(shù)，進(jìn)一步加快了算法的收斂速度。文中所設(shè)計(jì)的非單點(diǎn)模糊推理系統(tǒng)參數(shù)學(xué)習(xí)算法如下：

?