本发明属于飞行器测控领域，具体涉及一种基于bp神经网络的靶标测控布站方法。
背景技术：
1、遥控遥测系统是靶场飞行测控系统的重要组成部分，用于捕获和定位飞行目标、测量和捕获试验数据等任务。它由弹地遥控遥测设备及配套软硬件组成，是飞行试验鉴定和评估的重要数据来源。在靶标飞行试验中，选取适当的布站点位对于实现最佳测控效果至关重要。
2、传统靶标测控布站方法受到弹上和地面测控设备功能性能、测控距离、地面测控天线跟踪性能、地面测控天线覆盖性等指标的影响。现有技术存在以下问题：
3、(1)布站点位选取缺乏工程化方法，导致效果不稳定；
4、(2)多个布站点位性能反复比对耗时耗力，需要长时间迭代，效率低下。
技术实现思路
1、本发明的目的是解决传统靶标测控布站方法存在布站点位选取缺乏工程化方法，导致效果不稳定，以及多个布站点位性能反复比对耗时耗力，需要长时间迭代，效率低下的不足之处，而提供一种基于bp神经网络的靶标测控布站方法。
2、为了解决上述现有技术所存在的不足之处，本发明提供了如下技术解决方案：
3、一种基于bp神经网络的靶标测控布站方法，其特殊之处在于，包括如下步骤：
4、步骤1、建立训练样本数据集，所述训练样本数据集包括多个训练样本，每个训练样本包括输入数据和输出数据，输入数据为布站点位及其n个影响因素的实际值i1～in，输出数据为布站点位的总分s，n取值为9；
5、所述n个影响因素分别为布站点位与靶标飞行弹道之间最大距离、布站点位对靶标飞行弹道的最小跟踪速度、地面测控天线最小覆盖范围、遥测信道裕度最小值、遥控信道裕度最小值、地面测控天线俯仰角第一次超过1°阈值时刻、测控信号稳定跟踪时间占比、前30s地面测控天线俯仰角角速率最大值以及布站点位与任务人员出发点之间的距离；
6、所述总分s表示如下：
7、
8、其中，i为第i个影响因素，ki、pi分别为第i个影响因素的权重系数和初始评分；pi根据第i个影响因素的实际值ii与对应的阈值对比得到；
9、步骤2、基于步骤1得到的训练样本数据集，建立并训练bp神经网络；
10、步骤3、建立待预测样本数据集并进行归一化处理，所述待预测样本数据集包括多个待预测样本，每个待预测样本包括布站点位及其n个影响因素的实际值i1～in；
11、步骤4、使用步骤2得到的bp神经网络对步骤3得到的多个待预测样本进行靶标测控布站，选择总分最高的布站点位为最优布站点位，完成靶标测控布站。
12、进一步地，所述步骤1具体为：
13、步骤1.1、对每个布站点位的n个影响因素设置对应的阈值和评分标准；
14、步骤1.2、根据每个布站点位的n个影响因素的实际值i1～in，以及步骤1.1设置的阈值和评分标准，得到每个布站点位n个影响因素的初始评分p1～pn；
15、步骤1.3、根据每个布站点位n个影响因素的初始评分p1～pn，得到每个布站点位总分s，进而得到训练样本数据集。
16、进一步地，所述步骤1.1具体为：，
17、设置n个影响因素的阈值分别为i′1～i′n；
18、设置布站点位与靶标飞行弹道之间最大距离的评分标准为i1＞i′1，则p1＝0，i1≤i′1，则p1∝(i′1-i1)；
19、设置布站点位对靶标飞行弹道的最小跟踪速度的评分标准为i2＜i′2，则p2＝0，i2≥i′2，则p2∝(i2-i′2)；
20、设置地面测控天线最小覆盖范围的评分标准为i3＜i′3，则p3＝0，i3≥i′3，则p3∝(i3-i′3)；
21、设置遥测信道裕度最小值的评分标准为i4＜i′4，则p4＝0，i4≥i′4，则p4∝(i4-i′4)；
22、设置遥控信道裕度最小值的评分标准为i5<i′5，则p5＝0，i5≥i′5，则p5∝(i5-i′5)；
23、设置地面测控天线俯仰角第一次超过1°的评分标准为i6＞i′6，则p6＝0，i6≤i′6，则p6∝(i′6-i6)；
24、设置测控信号稳定跟踪时间占比的评分标准为i7＜i′7，则p7＝0，i7≥i′7，则p7∝(i′7-i7)；
25、设置前30s地面测控天线俯仰角角速率最大值的评分标准为i8＞i′8，则p8＝0，i8≤i′8，则p8∝(i′8-i8)；
26、设置布站点位与任务人员出发点之间的距离的评分标准为i9＞i′9，则p9＝0，i9≤i′9，则p9∝(i′9-i9)。
27、进一步地，所述布站点位与靶标飞行弹道之间最大距离的阈值i′1为地面站遥测作用距离、地面站遥控作用距离中较小的一个；
28、所述布站点位对靶标飞行弹道的最小跟踪速度vt表示如下：
29、vt＝rmin·ωmax
30、其中，rmin为靶标飞行弹道与该布站点位之间的距离最小值，ωmax为地面测控天线转动的最大角速率；
31、所述布站点位对靶标飞行弹道的最小跟踪速度vt的阈值i′2为靶标的最大飞行速度；
32、所述测控信号稳定跟踪时间占比tp表示如下：
33、tp＝(t2-t1)/t
34、其中，t2为下降段俯仰角小于地面测控天线跟踪俯仰角阈值的时间，t1为靶标爬升后俯仰角大于地面测控天线跟踪俯仰角阈值的时间，t为总时间。
35、进一步地，所述步骤2具体为：
36、步骤2.1、设定输入层、隐藏层和输出层的节点数量；
37、步骤2.2、定义激活函数和训练算法；
38、步骤2.3、配置训练参数；
39、步骤2.4、初始化输入层到隐藏层的权值矩阵w1、隐藏层到输出层的权值矩阵w2、隐藏层的偏置向量b1、输出层的偏置向量b2；
40、步骤2.5、使用步骤1得到的训练样本数据集来训练bp神经网络。
41、进一步地，所述步骤2.2具体为：
42、定义隐藏层的激活函数为tansig，输出层的激活函数为purelin，训练算法为levenberg-marquardt算法。
43、进一步地，步骤2.1中，所述输入层、隐藏层和输出层的节点数量分别为n、6、1；
44、步骤2.3中，所述训练参数包括训练次数、学习速率和训练目标误差，分别为1000次、0.01、10-5。
45、与现有技术相比，本发明的有益效果是：
46、(1)本发明基于bp神经网络的靶标测控布站方法，通过建立标准化的训练样本数据集和统一的评估标准，可以系统地分析和选择布站点位，确保布站点位选取的稳定性和一致性；通过自动化的数据处理和模型训练，能够快速处理和分析大量数据，大幅减少人工操作，提高效率。
47、(2)本发明能够综合考虑多种影响因素，包括布站点位与靶标飞行弹道之间最大距离、最小跟踪速度、地面测控天线覆盖范围、信道裕度、俯仰角变化等。通过对这些影响因素的综合分析和加权计算，确保选择的布站点位能够实现最佳的测控效果。
48、(3)本发明具有较高的灵活性，可以根据实际需求调整影响因素的权重和阈值，适应不同的测控条件和需求。通过调整神经网络的结构和参数，可以不断优化和改进预测模型，适应不同的应用场景。
49、(4)本发明通过优化布站点位选择，可以显著提高遥控遥测系统的整体性能，包括捕获和定位飞行目标的精度、测量和捕获试验数据的可靠性等。这有助于提高飞行试验鉴定和评估的质量和效率，为靶场飞行测控系统的优化提供有力支持。
1.一种基于bp神经网络的靶标测控布站方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于bp神经网络的靶标测控布站方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的一种基于bp神经网络的靶标测控布站方法，其特征在于，所述步骤1.1具体为：，
4.根据权利要求3所述的一种基于bp神经网络的靶标测控布站方法，其特征在于：
5.根据权利要求1至4任一所述的一种基于bp神经网络的靶标测控布站方法，其特征在于，所述步骤2具体为：
6.根据权利要求5所述的一种基于bp神经网络的靶标测控布站方法，其特征在于，所述步骤2.2具体为：
7.根据权利要求5所述的一种基于bp神经网络的靶标测控布站方法，其特征在于：
