| 飞行时间约束下的再入制导律 |
| |
| 引用本文： | 方科,张庆振,倪昆,崔朗福.飞行时间约束下的再入制导律[J].哈尔滨工业大学学报,2019,51(10):90-97. |
| |
| 作者姓名： | 方科 张庆振 倪昆 崔朗福 |
| |
| 作者单位： | 北京航空航天大学自动化科学与电气工程学院,北京,100083;北京航空航天大学自动化科学与电气工程学院,北京,100083;北京航空航天大学自动化科学与电气工程学院,北京,100083;北京航空航天大学自动化科学与电气工程学院,北京,100083 |
| |
| 摘 要： | 为应对现代战场的信息化与集群化发展趋势,从多高超声速飞行器饱和打击任务需求出发,针对其中的再入飞行时间约束条件进行研究,提出一套基于Deep Q-learning Network(DQN)的时间可控再入制导律.该制导律工作流程为首先纵向轨迹预测-校正模块根据当前飞行状态和攻角-速度剖面规划出倾侧角幅值;然后在线约束强化管理模块对其进行安全限幅处理;最后倾侧角符号规划模块以调节再入飞行时间为目标,在对横向飞行状态进行马尔科夫决策过程建模的基础上,设计相应的深度神经网络进行离线训练以在线生成倾侧角符号,进而与幅值信息共同组成最终的倾侧角指令.多组仿真的对比分析结果表明:在标称环境下的多任务仿真中,时间可控再入制导律能够自主地进行倾侧角符号的在线规划,在不影响制导精度的前提下,对再入飞行时间进行调整以满足不同的任务需求;在参数拉偏的蒙特卡洛仿真中,其在保证再入飞行安全、稳定的同时,仍然能将时间误差控制在合理的范围之内.从而验证了相对于传统方法而言,本研究所设计的再入制导律在任务适应性、鲁棒性与时间可控性等方面均具有良好表现,能够有效地满足飞行时间约束下的再入任务需求.
|
| 关 键 词： | 高超声速飞行器 再入制导 预测-校正制导 深度强化学习 DQN |
| 收稿时间： | 2018/8/22 0:00:00 |
Reentry guidance law with flight time constraint |
| |
| FANG Ke,ZHANG Qingzhen,NI Kun and CUI Langfu.Reentry guidance law with flight time constraint[J].Journal of Harbin Institute of Technology,2019,51(10):90-97. |
| |
| Authors: | FANG Ke ZHANG Qingzhen NI Kun and CUI Langfu |
| |
| Affiliation: | School of Automation Science and Electrical Engineering, Beihang University, Beijing 100083, China,School of Automation Science and Electrical Engineering, Beihang University, Beijing 100083, China,School of Automation Science and Electrical Engineering, Beihang University, Beijing 100083, China and School of Automation Science and Electrical Engineering, Beihang University, Beijing 100083, China |
| |
| Abstract: | |
| |
| Keywords: | hypersonic vehicle reentry guidance predictor-corrector guidance deep reinforcement learning deep Q-learning network |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《哈尔滨工业大学学报》浏览原始摘要信息 |
|
点击此处可从《哈尔滨工业大学学报》下载全文 |
|
