仿真理论与仿真环境-VVA_3_.pptVIP

仿真系统与仿真理论 第十一章 导弹六自由度建模与仿真的验证 样本数据分布形式的识别 小样本输出统计分析方法 六自由度仿真模型验证 11.1 样本数据分布形式的识别 在导弹仿真模型验证中，仿真输出数据及飞行试验数据的概率分布形式的推断很重要。 对概率分布形式一般采用χ2检验和K—S检验对推断结果进行检验和评价。但是 χ2检验的区间选择问题比较困难，而K—S检验仅局限于已知的四类问题。因此样本数据的分布形式的推断问题一直没有得到很好地解决。 由于导弹系统及其仿真系统往往是比较复杂的系统，它具有许多随机因素和不确定因素(模糊因素)，因此其输出数据具有很大的随机性和模糊性。将神经网络和模糊数学方法应用于数据分布形式的识别和推断上将是有意义的。 11.1 样本数据分布形式的识别 基于神经网络的样本分布识别 基于神经网络的样本识别的一般过程 11.1 样本数据分布形式的识别 基于神经网络的样本分布识别 BP神经网络的一般结构 11.1 样本数据分布形式的识别 基于神经网络的样本分布识别 特征数据提取方法 将样本数据x1、x2、…、xN描述为经验分布累积分布函数 G(x): 设 为对应理论分布的累积分布函数，其参数是M维向量β， β满足 11.1 样本数据分布形式的识别 基于神经网络的样本分布识别 特征数据提取方法 用最大似然