應用智能控制提高火控技術進步的相關思考

趙秋爽

摘 要：隨著現代化科學技術的進步與發展，智能控制技術逐漸滲透在各個領域，如現代火控系統的基礎和數學控制則是從現代控制理論中演而來。近年來我國工業領域和計算機技術發展迅速，有利推動了現代控制理論的發展，在多個控制方向上取得了明顯的進步。其中智能控制屬于最受關注的控制科學技術。本文主要分析了智能控制的理論概述及方法研究，闡述了智能控制人工神經元網絡的應用，并針對智能控制促進火控技術進步的思考進行了研究和探討。

關鍵詞：智能控制；火控技術；思考方向

現代控制逐漸向綜合性科學技術方向發展，如非線性控制、隨機控制等，且加大了對其他學科領域的滲透和吸收?，F代控制理論主要是以線性代數和微分方程作為數據控制，針對控制系統進行分析與設計[1]。在全新思想的推動下，如今智能控制越來越受到重視，進一步實現了火控系統技術的推動發展。尤其是隨著指揮與控制系統工程學科的成立，火控系統成為該學科的重要內容。

1 智能控制的理論概述及方法研究

智能控制主要是指自動控制與運籌，包含計算智能、人工智能等結合，能夠滿足模擬人一定智能和經驗，實現識別、推理、決策和執行等[2]。近年來我國各項先進的科學技術發展較快，并在多個領域逐漸實現智能控制系統，但由于武器火控系統等比較復雜，且存在非線性、時變性和不確定性等，難以對其進行精確數學模型的建立，因此通過聯合人工智能、計算智能和控制理論，可以確保在進行控制系統的設計時，對被控對象的數學模型要求不高，能夠直接根據設計人員的專業知識，促使被控對象達到預期目的。智能控制理論將專家系統、神經網絡、遺傳算法優化等作為基礎，屬于人工智能與控制理論的結合，即智能控制需要依據計算機和數值方法實現各項功能。

雖然如今已經有很多領域應用智能控制系統，但發展還不夠完善，然而價值已經逐漸凸顯出來，可以判斷智能控制進一步發展，將會給控制科學與工程學科帶來革命性的進步。依據中國科學技術出版社相關報告，控制理論發展主要分為調節原理代表、狀態空間代表和智能控制代表等三個階段[3]。智能控制的發展方向主要有人工神經元網絡發展方向，主要表現為收斂性、穩定性等；模糊邏輯與模糊控制發展方向，其具有高度可行性和合理性，尤其是在復雜系統與行為中，優勢比精確控制更加明顯；學習控制發展方向，主要應用在生物與工程的應用研究中。

2 智能控制人工神經元網絡的應用

人工神經元網絡是體現智能控制發展的重要依據，屬于近年來高速發展的邊緣學科，屬于復雜生物神經網絡研究基礎上的新型技術。人工神經元網絡主要是由適應性簡單單元組成的并行互連網絡，實現滿足模擬人類大腦活動，大規模并行處理和自訓練學習、容錯能力等能力。人工神經元網絡為建模系統的輸入輸出提供刻畫方法，具有重要的價值，如今其已經發展出幾十種網絡，其中應用比較廣泛且發展比較成熟的為反向傳播網絡和徑向基網絡，均為前向型網絡。其他網絡則因為各種原因，限制了應用[4]。反向網絡作為多層前饋神經網絡，能夠模擬任意復雜的非線性映射，且應用空間較大，但精確無法與徑向基網絡相比。徑向基神經網絡具有全局最佳逼近的能力，包含輸入層、隱含層和輸出層，其中輸入層主要為信號源節點，隱含層為非負非線性數，輸出層則為線性。

3 智能控制促進火控技術進步的思考

3.1 火控技術的知識結構和層次

指揮與控制學科體系下火控技術知識結構主要分為三個層次，即系統知識層、控制知識層和基礎知識層。其中系統知識層有包含指揮與系統工程、復雜系統、運動控制系統、管理信息系統、人機系統等。控制知識層包含控制與智能、網絡與通信、計算與處理、執行與驅動、傳感與檢測、對象與建模等?；A知識層則包含數理基礎、機電一體化基礎、計算機基礎、數學、力學、物理、化學、生命科學、計算機原理、軍事學、電工電子基礎、微機原理等。

3.2 智能控制與火控技術的關系

隨著我國工業化水平和新計劃技術的發展，推動了控制科學的創新，實現全新控制理論和全新控制方法在火控系統中的應用[5]。智能控制對于不同層次的控制采用不同的控制方法，即低層次控制采用常規控制器，而高層次控制則利用具備在線學習、修正、組織、規劃等能力的控制器，通過模擬人類思維和經驗進行求解過程的引導。將智能控制引導到火控系統中，則為智能火控。

此外復雜系統控制的理論和方法對火控系統的進步有一定的價值，如混雜與切換系統、多自主體的涌現等。通過研究復雜控制系統的涌現現象，如自組織與趨同性，可以在機器人協作、飛行器隊列控制中得到應用。

3.3 智能控制在火控系統中的應用

在當前的火控系統中，主要采用射表逼近法進行解算，如非標準彈道方程結算、氣象條件修正量的彈道方程解算等，即需要依據相應的情況建立多個射表，造成降低解算精確和毀傷概率的降低。如果運算量過大，還會出現實時性的問題。因此為了能夠有效提高解算精度，可以通過設計RBF網絡進行解算。在RBF網絡中輸出層和隱含層的任務不同，學習策略也存在不同，其中輸出層采用線性優化策略，隱含層采用非線性優化策略，學習速度相對較慢。通過隨機選取中心學習方法，利用最小二乘原則，結合樣本信號進行隱含層參數和輸出層參數的校正，有效提高網絡的精度。

4 結束語

綜上所述，隨著科學技術的繁榮發展，傳統自然科學學科的深入研究，學科之間的相互滲透性越來越強，很容邊緣學科和交叉學科逐漸涌入人們的視野。隨著自動化技術、指揮與控制系統的發展，智能控制受到重視，將其應用在火控技術中，能夠進一步推動火控技術的進步。

參考文獻

[1]馬玲.科技打造精準火控 創新鑄就堅固國防——記何梁何利科技創新獎獲得者、中國指揮與控制學會秘書長秦繼榮[J].海峽科技與產業，2014，05：100-103.

[2]寇英信，李戰武，陳哨東，周德云.火控系統在航空作戰中的作用——作戰飛機之“魂”[J].電光與控制，2013，12：1-5.

[3]陸君，呂彤光.光電探測技術在火控系統中的應用及發展[J].紅外與激光工程，2012，04：1047-1051.

[4]韓洋，常天慶，劉水泉.半自主式火控系統Petri網建模與作戰效能[J].火力與指揮控制，2012，05：159-163.

[5]韓洋，張金艷，李澤正，劉巍.基于實時遞階控制的智能坦克火控系統結構分析[J].裝甲兵工程學院學報，2010，05：63-67.