本論文主要目的乃在使用類神經網路模式來改善飛彈非線性鼻錐罩偏折斜率誤差對
導引飛彈性能的不良影響。根據電腦數值模擬分析，我們觀察得知，使用傳統外加固定增
益的方式來改善其對飛彈非線性鼻錐罩偏折斜率誤差，效果不甚理想。因此本研究嘗試提
出嶄新的設計方式來解決此問題。本論文所採用三種典型的鼻錐罩誤差型式分別進行電腦
模擬分析，這些誤差分別是（i）正弦型鼻錐罩誤差（sinusoidal radome error）（ii）
指數型鼻錐罩誤差（exponentially radome error）（iii）片段線性鼻錐罩誤差（piece
wise linear radome error）。 我們提出兩種神經網路為基礎的補償設計架構，為型
式（I）及型式（II）。類神經網路系統均可透過適當的學習程序，使其架構模擬非線性
靜態函數或非線性動態系統的輸入/出特徵，亦即兩者均可作為極佳的通用識別器。善用
兩者的長處，將可設計良好的鼻錐罩斜率誤差識別器，並利用此識別器對消原寄生於飛彈
導引迴路中的鼻錐罩斜率誤差。對於前者，我們提出一個適應性類神經網路識別器。該識
別器可根據尋標器測得之即時目標視線角、環架角和準向誤差角產生抵消鼻錐罩偏折斜率
誤差的信號。至於後者，係利用兩個架構完全相同的神經網路，一個作為補償器，另一作
為識別器。識別器在飛彈製造階段事先經過地面上的離線學習，飛彈參與實戰時，再作線
上學習，而每個學習周期完成，即將鍵結值複製給補償器。此一操作模式亦可提供鼻錐罩
偏折誤差補償的效果。利用此兩種型式之補償架構，配合適當的學習法則，將可去除寄生
於導引飛彈系統中的鼻錐罩偏折斜率誤差，將其所造成的影響減至最小，改善該誤差造成
飛彈系統命中精度降低的影響，因而大幅增加飛彈的性能。