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...     

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。     

带终端高度约束的再入预测校正制导

针对高超声速飞行器再入制导问题,提出了一种基于倾侧角剖面并能严格约束终端高度的预测校正制导方法。首先分析了倾侧角剖面对终端航程、高度的影响,指出终端航程与高度可能存在的不匹配问题。针对传统算法仅能保证终端航程、能量约束的问题,设计了一种分段线性倾侧角剖面。通过合理地设计倾侧角剖面初始、终端值保证了高度约束,并以航程误差预测校正倾侧角剖面保证航程约束。侧向制导通过航向角走廊确定倾侧角符号。仿真结果验证了该算法对于解决终端航程与高度约束不匹配问题的有效性。     

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。     

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。     

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。     

基于自适应神经模糊系统的高超声速飞行器再入预测制导

针对高超声速飞行器再入运动过程模型的非线性特性,提出了一种基于自适应神经模糊系统(ANFIS)的再入预测校正制导方法。在以能量为自变量的三自由度再入方程的基础上分别设计了纵向制导律和侧向制导律。以能量和剩余航程偏差为输入参数,侧倾角调节量为输出参数,设计了ANFIS控制器,并将其应用于纵向制导。侧向制导基于横程与能量的近似线性关系,设计了由分段漏斗形横程走廊控制的侧倾角反转逻辑。仿真结果表明,所设计的制导律具有制导指令解算速度快,制导和落点精度高且对再入初始偏差及过程扰动不敏感的优点。     

高升阻比滑翔飞行器再入制导方法研究

针对高升阻比滑翔飞行器再入段制导方法的工程需求,提出了“改进的预测-校正制导+定向末制导”方法作为再入段制导方法。通过调整其横向制导的误差边界,解决了飞行器在交班点附近出现的横向误差不收敛问题,同时兼顾了较大的横向机动距离,发挥了飞行器高升阻比的特性。对预测-校正制导流程进行了改进,从而赋予了飞行器在线变更目标点的能力。在距目标一定距离时切换为末制导律,采用约束落点弹道倾角和航向角的广义比例导引法,实现对目标的定点定向打击。蒙特卡洛仿真结果表明,该制导方法对各项误差有较强的鲁棒性,具有较好的应用前景。     

高超声速飞行器高精度载荷抛撒制导方法

为解决高超声速飞行器俯冲段载荷抛撒问题,提出了基于抛撒点弹道参数组合与载荷落点映射关系的高精度载荷抛撒制导方法.采用人工神经网络方法建立了抛撒点弹道参数组合与载荷落点的映射关系,极大地降低了存储量并且提高了在线计算效率.在建立的映射关系基础上,通过设计飞行器向固定点、固定状态导引的制导律,给出了抛撒点固定的载荷抛撒制导方法;为了提高载荷抛撒的灵活性,采用预测-校正思想,给出了抛撒点实时确定的预测-校正载荷抛撒制导方法.CAV-H飞行器的载荷抛撒制导仿真表明,2种载荷抛撒制导方法获得的落点精度分别为300m与17m,所提出的2种制导方法涵盖了载荷抛撒制导的2类主要方案,可互为重要补充,能够为高超声速飞行器俯冲段高精度载荷抛撒提供参考.     

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。     

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。     

基于前斜SAR成像导引头的末制导律研究

针对前斜SAR成像末制导技术的成像能力受飞行器航迹及前斜角影响较大的问题,以前斜SAR成像导引头对目标成像的前斜角作为飞行器末端航迹的主要约束,设计了基于偏置项的比例制导律和基于虚拟目标点的比例制导律。经仿真分析,两种制导律均可满足前斜SAR成像导引头工作过程中对前斜角的要求。     

临近空间高超声速飞行器轨迹预测方法研究进展

临近空间高超声速飞行器轨迹预测对其自身制导控制与对其防御拦截均具有重要意义.本文从合作与非合作两个角度对临近空间高超声速飞行器轨迹预测中采用的常用方法进行了分析,在合作飞行器的轨迹预测中,重点结合飞行器预测校正制导过程对解析法与数值法进行了归纳与分析;在非合作飞行器的轨迹预测中,主要分析了基于运动模型预测、基于概率密度...     

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。     

一种基于解析规划的多约束再入制导算法

提出了一种基于H-V剖面的亚轨道飞行器再入制导方法。将再入轨迹分为初始下降段和过渡段分别进行规划,初始下降段采用常值倾侧角飞行,过渡段则采用四次解析多项式进行描述,满足再入走廊约束和能量管理(TAEM)初始条件的同时提高再入轨迹在线规划速度;通过反馈线性化方法设计自适应控制律跟踪标准剖面,同时根据航向误差走廊确定滚转方向,从而完成纵向和侧向的联合设计。仿真结果表明,该制导方法对初始状态偏差和参数不确定性具有较强的鲁棒性。     

机动再入飞行器神经网络闭路初制导研究

解决有限推力模型的再入飞行器初制导问题,利用传统开环控制的关机方程达不到要求的精度.提出了一种前馈反馈神经网络闭路初制导律.利用遗传算法生成能量最省轨迹,作为神经网络训练样本,利用遗传算法离线训练前馈三层BP网络,构成前馈神经网络控制器.状态反馈控制器采用在线神经PID控制器.仿真结果表明,该闭路初制导能够完成有限推力情况下的再入初制导任务,对初始位置误差、推力方向偏差和测量误差不敏感,具有一定的鲁棒性和适应性.     

重复使用运载器在线轨迹生成技术研究

提出一种与重复使用运载器末端区域能量管理制导策略相适应的在线轨迹生成技术。首先,形成在线轨迹生成技术相关的概念,分析在线轨迹生成技术的思想,给出轨迹设计方法。这种方法充分考虑RLV的飞行能力,根据当前的状态和末端期望的状态,规划动压剖面,利用质点动力学方程在空间上的等价,在动压剖面上规划高度剖面,并且将各种动态约束融入到轨迹设计中,自主生成一个物理上可飞的、稳定的轨迹剖面,减少轨迹设计的迭代次数和时间。最后在不同的初始条件下进行了在线轨迹设计,结果表明了此方法的鲁棒性和实用性。     

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。     

高超声速滑翔飞行器再入制导方法及热点问题研究综述

高超声速滑翔飞行器是一类具有重要战略价值的临近空间飞行器,其再入段制导是当前研究的重点问题之一.梳理了高超声速滑翔飞行器再入制导方法的发展历程,综述了标称轨迹制导方法、预测校正制导方法、闭环最优制导方法的原理和研究现状,并对其特点和局限进行了分析.针对再入协同制导、再入鲁棒轨迹优化、再入变体制导、再入智能制导等当前再入...