基于准平衡滑翔的解析再入制导方法

针对高超声速滑翔飞行器再入制导问题,提出了一种基于准平衡滑翔的解析制导方法。在纵向基于准平衡滑翔条件建立再入航程与能量、倾侧角的解析关系,得到了倾侧角解析解,并通过高度变化率反馈使轨迹平滑;针对终端高度约束,在准平衡滑翔条件下得到常值航迹角假设,从而建立终端高度与再入航程、航迹角的解析关系,得到了航迹角指令,并通过设计反馈控制律得到攻角解析解。对于过程约束,提出了一种基于航迹角指令的在线约束控制方法。侧向制导采用航向角走廊确定倾侧角符号。仿真结果表明,该制导方法计算速度快、制导精度高、扰动条件下鲁棒性较强。     

再入飞行器禁飞区规避近似解析制导方法

针对再入飞行器的禁飞区规避问题,提出了一种基于近似解析解的禁飞区规避制导方法。所设计的制导方法,在对飞行器转弯能力分析的基础上,结合Dubins曲线的路径规划方法,求解规避需用倾侧角的近似解析解,生成禁飞区规避指令;然后为修正规避引起的航程及高度误差,通过基于能量的运动模型,进行航程及高度的解析预测-校正制导;最终实现禁飞区的规避并满足高度和航程的约束。仿真结果表明,该制导方法能够有效实现飞行器的禁飞区规避,满足再入终端约束,计算效率高。     

多路径约束下的高超声速滑翔飞行器再入制导

高超声速滑翔飞行器在再入过程中除了需要满足热流、过载、动压过程约束外,还需要满足航路点以及禁飞区的路径约束。路径约束可以是发射前装订的,也可以是实际飞行中由导航卫星、预警雷达等在线探明的敌方防御区。针对再入过程中存在在线探明禁飞区的再入制导问题,设计了解析倾侧角剖面以满足再入轨迹航程约束,引入预测校正算法修正倾侧角剖面,并基于人工势场法设计了侧向制导方法以满足在线探测到突发威胁而形成的多路径约束。仿真结果验证了该算法能够有效解决存在突发威胁的多路径约束再入问题。     

通用高速飞行器预测校正再入制导方法研究

给出一种适合通用高速飞行器（CAV）的预测校正再入制导方法。首先基于再入高速飞行器三自由度运动模型,研究了再入过程中CAV受到的过程约束。基于准平衡滑翔条件给出了在指定倾侧角下的参考航程的计算方法,并指出当飞行器的初始航程超过参考航程时,可以使用本文给出的方法有效抑制飞行器轨迹在高度上的振荡。为了提高制导精度,不仅给出了精确计算当前倾侧角的方法,也给出了粗略调整终端倾侧角方法。最后仿真验证了制导方法的有效性。     

高超声速飞行器的解析式滑翔制导方法

针对高超声速飞行器的在线制导问题,提出了一种解析式滑翔制导方法。首先,基于常值速度倾角的假设,得到可同时满足终端高度约束和终端航程要求的速度倾角的解析解,进而得到所需要的升力纵向分量;其次,基于常值阻力加速度的假设,得到可同时满足终端高度约束和终端速度约束的阻力加速度的解析解;最后,可得到攻角和倾侧角的控制指令(倾侧角符号由横向误差走廊确定)。仿真结果表明,该方法的制导精度符合要求。     

基于改进割线法的高超声速飞行器再入预测制导

针对基于割线法的预测校正算法对高超声速飞行器再入制导中初值敏感度较高及时效性和制导精度较低的问题,提出了一种基于改进割线法的再入预测校正制导方法。将改进割线法应用在纵向制导计算倾侧角数值大小,横侧向制导设计了横程走廊边界控制倾侧角的反转策略以保证制导精度。仿真结果表明,该算法易于实现,对初值不敏感,有较快的制导指令解算时间,制导精度较高,且对扰动偏差不敏感的优点。     

基于倾侧角反馈控制的预测校正再入制导方法

针对升力式高超声速飞行器再入滑翔制导问题,提出了一种基于倾侧角反馈控制的预测校正制导方法。该算法不依赖于传统的准平衡滑翔条件（QEGC）,能够抑制再入滑翔飞行过程中产生的周期性轨迹震荡现象。纵向制导采用落点预测与指令校正相结合的方法,通过设计倾侧角反馈控制律对飞行器的高度变化率进行实时修正;侧向制导兼顾考虑横程误差和航向角误差对制导指令的影响,设计了一种基于归一化误差走廊的倾侧角反转逻辑,实现了飞行器的侧向运动控制。CAV-H高超声速飞行器制导仿真实例表明, 该制导方法有效地抑制了再入滑翔轨迹的周期性震荡,导引飞行器完成平稳再入飞行。Monte Carlo仿真验证表明,在多种扰动和误差存在的情况下,该制导方法具有良好的鲁棒性。     

基于在线轨迹生成的末端能量管理段复合制导技术

设计了一种基于在线轨迹生成的空天飞行器末端能量管理段预测校正复合制导方法,解决了传统制导方法实现复杂,鲁棒性不够强的问题。首先,建立能量-高度/航程的走廊和特征剖面,将制导问题转化为高度控制和航程调节问题;然后,研究了捕获转弯航向角迭代搜索算法,在线完成地面航迹生成和航程预测;最后,基于在线生成的航迹和预测的航程,设计了减速板开启角度和飞行器高度对航程联合校正的复合制导策略。仿真结果表明:存在参数不确定性和初始状态偏差的情况下,该制导方法依然具有良好的鲁棒性和精度。     

基于深度学习的高超声速飞行器再入预测校正容错制导

针对故障条件下高超声速飞行器的容错制导问题,提出一种基于深度学习的预测校正容错制导算法。在纵向制导律设计中,求解故障下满足配平要求的攻角剖面和升力、阻力系数;构建并训练输入端包含升力、阻力系数变化量的深度神经网络来预测落点,以避免传统预测校正制导算法中大量的积分运算;侧向制导采用基于航向角误差走廊的倾侧角反转逻辑;构造扩张状态观测器对气动参数变化量进行估计,实时输入深度神经网络。仿真结果表明,所设计的容错制导算法制导精度高、实时性好,且在故障和参数摄动条件下能实时解算出满足飞行要求的制导指令。     

可重复使用运载器滑翔段轨迹快速优化方法

针对滑翔段轨迹多约束、强耦合、高非线性等特点,设计了一种全新的纵向飞行剖面,实现了终端约束和拟平衡滑翔条件的自动满足,并将滑翔段轨迹优化问题转化为一个双参数寻优问题。同时考虑倾侧角大小及其变化率约束,对侧向轨迹进行了设计。最后,设计了一种改进粒子群优化算法,通过外点法对约束条件进行处理,并提出一种变异策略对种群多样性进行准确控制,避免粒子陷入局部最优。仿真结果表明,该优化方法能够快速生成满足所有约束条件的最优滑翔轨迹;对于航程超过3000 km的场景,轨迹优化平均时间仅为5.94 s,最大终端相对误差不超过1%。     

基于优化弹道的BPNN预测制导方法

针对飞行器再入滑翔过程,提出一种跟踪优化弹道的BPNN(BP neural network)预测制导方法。首先着眼于多约束下弹道生成的快速性,利用hp-自适应伪谱法进行弹道优化;然后利用弹道样本数据训练BPNN,建立飞行状态参数与终端状态参数之间的非线性映射关系,实现对终端状态的预测;最后为制导律设计了双层线性反馈校正算法,从而完成预测制导关键环节。仿真算例该表明制导方法能够良好地满足再入飞行约束和终端约束,同时可以较好地实现对优化弹道的跟踪,并具有一定的鲁棒性和航程适应性。     

基于准平衡滑翔的再入轨迹解析规划方法

针对禁飞区等多约束条件下的再入轨迹规划问题,提出了一种基于准平衡滑翔的再入轨迹规划解析方法。纵向剖面规划中,基于准平衡滑翔条件,以航程为自变量构建了相关弹道参数(如高度、速度、阻力加速度、攻角和倾侧角等)的解析表达式,建立了高度-航程空间内的多约束飞行走廊。横向剖面规划中,采用一种基于横、纵程多次函数的解析规划方法,有效解决了对禁飞区的规避问题。上述算法将复杂的多约束再入轨迹规划问题转化为简单的解析求解,极大提高了轨迹规划速度和可靠性。基于CAV-H的仿真算例表明,提出的轨迹规划算法运行速度快,规划结果平滑,精度高,逻辑简单且易于工程实现。     

基于CMAC网络的飞行器再入制导研究

针对高速再入飞行器的制导问题,提出了一种改进的标准轨道制导律.该方案在纵向上将LQR控制与小脑模型神经网络(CMAC)相结合,利用在线学习的CMAC对攻角和倾侧角的大小进行修正,提高地心径向距离和剩余航程的跟踪精度.在侧向上,根据定义的侧向边界设置动态调整准则确定倾侧角反向位置.三自由度仿真显示,该制导律在气动偏差下能够得到满足终端精度和约束条件的再入轨道,具有良好的可行性.     

一种基于能量跟踪的强鲁棒性再入制导方法

给出一种基于能量跟踪的再入制导方法,用射程能力最低的偏差状态组合工况进行标称轨迹设计,用攻角跟踪能量,倾侧角跟踪高度和横程,对标称轨迹进行跟踪,通过能量耗散满足中、末制导的交接班要求。仿真测试表明,在极限偏差条件下,算法满足制导终端约束和过程约束,是一种适用于实际工程应用的强鲁棒性制导方法。     

基于纵程解析解的飞行器智能横程机动再入协同制导

针对高超声速飞行器协同饱和打击需求,提出一种基于深度Q-学习网络(DQN)算法的深度强化学习横程机动再入协同制导方法。解耦设计高超声速飞行器横纵制导方法,基于高精度的纵程解析解,解析计算纵向升阻比得到倾侧角模值。抽象横向制导倾侧反转逻辑为马尔可夫决策问题,引入强化学习思想,设计一种基于DQN算法的横向智能机动决策器,构建智能体离线学习-在 线调用模式,计算倾侧角剖面的符号变化。以典型高超声速飞行器CAV-H为对象,基于数学分析MATLAB平台通过弹道仿真对该制导方法进行验证。仿真结果表明：新制导方法制导精度高,任务适应性强,可以在线使用,能够严格满足飞行时间约束和能量管理需求;相比于基于三维解析解的再入协同制导方法,新制导方法可以更大程度发挥飞行器的横向机动能力,具备更高的突防潜力。     

基于粒子群优化的再入可达区计算方法研究

针对升力式高超声速飞行器再入可达区计算问题,提出了一种粒子群优化（PSO）和倾侧角反转相结合的混合求解方案。为了减小待优化变量的搜寻空间,设计了一种参数化的倾侧角剖面,利用约束PSO算法求解满足再入过程约束和末端约束的最优滑翔轨迹。通过倾侧角正向和逆向反转逻辑直接生成倾侧角指令集合,进而实现高超声速飞行器再入可达区的快速估算。高升阻比再入滑翔飞行器CAV-H仿真实例表明,该混合优化求解方案易于实现且无需预估参数初值,具有良好的可操作性。     

基于Q-Learning算法的再入飞行器制导方法

针对再入飞行器制导方法需要根据人工经验调整参数才能适应不同远近、方位目标点的问题,提出"智能预测校正制导"的概念,将飞行环境构建为包含千万量级状态点的状态空间,采用强化学习算法训练制导模型参数,纵向制导依然采用基于定攻角剖面的倾侧角迭代方法,横向制导则利用Q-Learning算法训练横向翻转决策器。结果表明,该算法训练制导模型有较快的收敛速度,集成多个决策器的打靶成功率达到0. 973。基于QLearning算法的再入飞行器制导方法消除了原有方法基于规则的横向制导逻辑对飞行器附加的一些不必要约束,使飞行器在复杂任务中发挥其较强的机动能力成为可能,有望应用于规避多禁飞区的轨迹规划研究。     

自适应非奇异快速终端二阶滑模制导律

针对打击机动目标带攻击角度约束的末制导问题,提出了一种带攻击角度约束的制导律。基于弹目相对运动模型,将攻击角度约束问题转化为终端视线角约束问题。设计了一种新型非奇异快速终端滑模面,结合改进的超螺旋算法,提出了一种自适应非奇异快速终端二阶滑模制导律。该制导律能够使弹目视线角及其角速率有限时间收敛,并设计了参数自适应律有效补偿未知扰动。通过仿真实验,验证了所提制导律能以期望攻击角度精确命中目标,且与现有制导律相比,收敛速度更快,制导精度更高,能量消耗更少。     

一种导弹终端侵彻多约束最优制导方法

针对地面目标精确打击及高效毁伤的需求,提出一种满足终端位置、落角及攻角约束的最优制导方法。利用比例导引项、落角约束项及加速度约束项保证终端命中多种约束条件,并且设计制导阶次实现全程加速度指令的优化分配,保证命中目标时的加速度指令收敛为小量。通过仿真计算验证了该制导方法能够满足精度、落角及攻角等终端约束条件,同时具有更好的加速度指令特性,有利于增强导弹的精确毁伤能力。     

基于拟平衡滑翔的再入轨迹快速规划方法

针对高超声速飞行器多约束条件下的再入轨迹规划问题,提出了一种基于拟平衡滑翔条件的三维再入轨迹快速规划方法;该方法充分利用滑翔式高超声速飞行器的再入飞行过程中的拟平衡滑翔条件,将过程约束转化为对倾侧角的约束;纵向轨迹规划采用直接规划倾侧角的方法,在倾侧角约束空间中利用内插的方法得到倾侧角剖面;侧向规划采用横程约束走廊确定倾侧角的反转时刻;最后,对该轨迹规划方法进行了算例分析,结果表明：该轨迹规划方法能够在满足各种过程约束和终端约束的情况下快速完成再入轨迹规划。