控制系統是制導炸彈的關鍵部位。目前，所有制導炸彈的控制系統都是基于一定的數學模型，以固定的方式修正彈道誤差。由于存在各種不可預知的誤差因素，但控制方式卻不可調整，造成制導炸彈的實際命中精度不高。基于此，提出了一種新的制導炸彈智能控制系統，該系統引入具有前置濾波特性的非單點模糊化技術，針對非單點模糊推理系統內部參數不易調整的問題，提出用梯度下降算法和遺傳算法構成的混合并行學習算法調整系統內部參數，從而能夠自動處理受噪聲影響的訓練數據，提高命中精度。通過計算機仿真試驗，并與基于ANFIS的制導炸彈智能控制系統進行比較，驗證了該控制系統的有效性。

　　1 非單點模糊推理系統(NSFIS)

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

上的模糊集合，

和y∈V對應于系統輸入和輸出變量，l=1，2，…，M為模糊規則數。

?

　　當采用中心平均模糊消除器、乘積推理規則、高斯隸屬度函數和非單點模糊化時，得到的非單點模糊推理系統為

時，非單點模糊化與單點模糊化等價;當輸入變量xk受到噪聲污染時，噪聲在非單點模糊器中會被因子

所克服。如果σx≥σFkl，噪聲將會在很大程度上被抑制。

?

　　2 NSFIS的參數學習算法

　　模糊推理系統是高度非線性系統，在對復雜系統建模的過程中，其內部參數

主要依靠某種學習算法對輸入一輸出數據對進行訓練來確定。目前，用于模糊推理系統的學習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、運算量小，但收斂速度慢，容易陷入局部極值，且對信號的譜性依賴較大;遞推最小二乘算法收斂速度很快，對信號譜性無依賴，但其結構復雜、運算量大且存在長期數值穩定的問題。從工程的角度考慮，因為非單點模糊推理系統的計算復雜度本身就較大，所以運算量大的遞推最小二乘算法不適合采用。為了彌補梯度下降算法的缺點，文中引入遺傳算法。遺傳算法是模擬生物進化過程的一種全局優化搜索算法，其目標函數既不要求連續，也不要求可微，僅要求問題可計算，而且它的搜索始終遍及整個解空間，容易得到全局最優解。用梯度下降算法和遺傳算法同時并行的搜索解空間，并定期交換信息。這樣不僅避免了陷入局部極值的缺點，而且加快了收斂速度。雖然由于遺傳算法的加入，運算量增加了，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時性。采用減法聚類的方法設置初始參數，進一步加快了算法的收斂速度。文中所設計的非單點模糊推理系統參數學習算法如下：

?