In this thesis, intercept point prediction of anti-ballistic missile system for low and middle altitude defense is researched. Intercept point or impact point means the point where the anti-ballistic missile and target ballistic missile meets at same time. First of all, equation of motion of re-entry ballistic missile is formulated. To predict a future position of the ballistic missile, prediction using neural network is implemented than numerical integration. Position and time information of the missile is tabulated by various simulation. Comparing with table of ballistic missile and predicted position of the ballistic missile determines intercept point and launch time of the missile. Determined predicted intercept point is used as destination of midcourse guidance. After seeker detects the target, terminal guidance intercepts the target precisely. Finally, impact angle and flight time of the missile is investigated by optimization method. Relationship between impact angle and flight time provides accurate information of the missile and more effective interception.
This paper is focused on the method to predict the target ballistic missile. Without aerodynamic effects, ballistic missile draws Kepler orbit and Kepler’s equation solves the problem easily. With aerodynamic effects, well-trained neural network system predicts the position of ballistic missile. Finally, determination of predicted interception point and interception is simulated.
본 논문에서는 중, 하층 탄도탄 방어를 위한 대 탄도탄 시스템의 요격점 예측에 관한 연구를 다룬다. 요격점은 유도탄과 탄도탄이 같은 시간에 같은 지점에서 만나게 되는 점을 의미한다. 먼저 탄도탄이 떨어질 위치를 예측하기 위하여 특별한 기동이 없는 탄도탄을 가정하여 운동을 모델링하고 이를 수치적분이 아닌 신경망 이론을 적용하여 탄도탄의 위치를 예측해 보았다. 유도탄의 위치는 교전 영역 내에서 위치와 비행 시간에 대한 표를 다양한 시뮬레이션을 통해 작성된다. 작성된 유도탄의 표와 예측된 탄도탄의 위치와 시간을 비교하여 요격점을 예측하게 되고 발사 시간을 결정하게 된다. 한편, 예측된 지점은 중기유도에서 목적지로 사용되며, 탐색기가 적을 탐지한 이후에는 종말유도로 전환되어 정확한 요격이 이루어 진다. 마지막으로 충돌각과 유도탄의 비행시간의 관계가 최적화 기법을 이용하여 연구되었다. 이를 이용하여 유도탄의 정보를 보다 정확히 알고 보다 효과적인 요격이 될 수 있도록 한다.
본 논문에서는 탄도탄의 위치를 예측하는 기법에 대해 집중적으로 다뤘으며, 공기 저항이 있을 경우 케플러 궤도를 도는 탄도탄을 가정하여 문제를 풀고, 공기저항이 있는 경우는 학습이 잘 된 신경망 시스템을 이용하여 탄도탄의 위치를 예측한다. 마지막으로 PIP의 결정과 요격이 시뮬레이션되었다.
