CN111898201A - 一种空战模拟环境中的战斗机高精度自主攻击引导方法 - Google Patents

一种空战模拟环境中的战斗机高精度自主攻击引导方法 Download PDF

Info

Publication number
CN111898201A
CN111898201A CN202010649603.XA CN202010649603A CN111898201A CN 111898201 A CN111898201 A CN 111898201A CN 202010649603 A CN202010649603 A CN 202010649603A CN 111898201 A CN111898201 A CN 111898201A
Authority
CN
China
Prior art keywords
fighter
overload
control
aiming
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010649603.XA
Other languages
English (en)
Other versions
CN111898201B (zh
Inventor
杨振
朴海音
詹光
赵艺阳
周德云
张凯
孔维仁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202010649603.XA priority Critical patent/CN111898201B/zh
Publication of CN111898201A publication Critical patent/CN111898201A/zh
Application granted granted Critical
Publication of CN111898201B publication Critical patent/CN111898201B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种空战模拟环境中的战斗机高精度自主攻击引导方法，首先建立战斗机和目标的运动模型及过载约束模型；然后建立战斗机超视距拦射火控瞄准模型，求解俯仰和水平瞄准偏差角及其角变化率；最后构建基于模型预测控制的战斗机控制过载优化框架，利用计算得到的控制过载引导战斗机。本发明对大机动目标具有高精度且稳定的火控瞄准能力，并且减小了对专家经验的依赖，形成了具有自适应性、高时效性以及高精度特点的自主攻击引导方法，能够提高战斗机的作战效能。

Description

一种空战模拟环境中的战斗机高精度自主攻击引导方法
技术领域
本发明属于计算机仿真与控制方法技术领域，具体涉及一种模拟攻击引导方法。
背景技术
空战对抗游戏和空战模拟系统都是借助于计算机仿真手段对战斗机的整个作战过程进行细致、逼真的模拟。为了有效提高用户体验的真实性以及对抗游戏和模拟系统的易操控性，需要从实际空战角度仿真设计对抗游戏和模拟系统，更为重要的是战术模拟及其便捷性交互设计，从而在还原空战真实度的同时，提高用户在对抗游戏和模拟系统中的操控水平。现代战斗机在空战中高度依赖于飞行员对探测、跟踪、占位、瞄准、发射、制导等过程的操控，而攻击引导与瞄准作为航空火控系统的重要功能对最大程度上发挥机载武器的作战效能具有主导作用。因此，如何仿真符合战斗机空战过程的火控模型并融合飞行员的操控过程，对于提高空战对抗游戏和空战模拟系统的逼真度和可信度具有重要意义。
超视距拦射攻击是现代空战中重要的攻击引导方式，它在综合考虑导弹性能以及战斗机和目标状态信息的基础上使战斗机速度矢量指向目标前置点，在假设目标作匀速直线运动的理想情况下可使发射的导弹以直线弹道命中目标，在目标作机动时仍能以极大概率杀伤目标。超视距空空导弹对目标实施拦射攻击时，其毁伤能力除了受导弹自身性能影响之外，很大程度上决定于发射时刻的火控瞄准偏差，偏差过大将导致无法满足发射条件、导弹无法截获目标或者难以有效毁伤目标等情况。反之，偏差越小，对于有效发挥导弹的作战效能就越为有利。所以在导弹发射前，战斗机为实现超视距拦射火控瞄准而进行高精度攻击引导尤为重要。
在空战对抗游戏和空战模拟系统中，面对高动态的空战仿真环境，操控用户作为中间环节协调火控和飞控系统，通常瞄准效率较低。通过设计综合火力/飞行控制的自主操控模块可以耦合火控与飞控系统进行交联工作，缩短瞄准时间，减小瞄准误差，从而实现超视距自主拦射攻击引导的操控功能。一个高效的自主操控模块需要具有较好的动态响应性能，并且在达到稳定瞄准状态后，系统的瞄准偏差需要在一定的持续时间内稳定保持在指定的毫弧度范围之内。
为空战对抗游戏和空战模拟系统设计战斗机的高精度自主攻击引导方法一直是空战仿真领域的重点研究问题之一。但当前已有的控制方法在面对做大幅度机动的目标时往往存在瞄准偏差过大的缺陷，此外以PID和模糊控制为代表的传统控制方法过于依赖专家经验对控制参数的选择，而启发式智能优化算法的低时效性难以满足高动态空战环境的需求。因此，针对这一无法得到准确数学模型且具有非线性因素的高动态复杂系统，为实现高精度自主攻击引导，需要设计具有自适应性、高时效性以及高精度特点的自主瞄准操控模拟模块。
发明内容
为了克服现有技术的不足，本发明提供一种空战模拟环境中的战斗机高精度自主攻击引导方法，该方法充分考虑高动态、非线性以及模型不确定的引导系统特点，旨在设计具有自适应性、高时效性以及高精度特点的自主瞄准操控模拟模块，实现超视距拦射攻击的高效火控瞄准，从而提高战斗机在空战对抗游戏和空战模拟系统中的作战效能。
本发明解决其技术问题所采用的技术方案包括以下步骤：
步骤1，建立战斗机和目标的运动模型及过载约束模型；
步骤2，建立战斗机超视距拦射火控瞄准模型，求解俯仰和水平瞄准偏差角及其角变化率；
步骤3，构建基于模型预测控制的战斗机控制过载优化框架，包括初始化战斗机和目标的状态信息，将在上一步长中已观测到的目标机动过载作为目标在下一步长中的机动过载预估值，从而得到目标在下一步长的运动状态信息；构建战斗机自主攻击引导模型在俯仰方向和水平方向的自适应模糊控制器及其相应的自适应律，建立基于自适应模糊控制的战斗机自主攻击引导模型；采用自适应模糊控制模型及其参数生成战斗机控制过载，利用更新后的控制过载得到战斗机在下一步长的运动状态信息；基于目标和战斗机下一步长的运动状态信息计算得到下一步长的瞄准偏差角及其变化率的预测值；若瞄准偏差角满足设定的瞄准引导条件，或达到指定的迭代优化次数，则利用当前控制过载引导战斗机，否则将计算得到的下一步长瞄准偏差角及其变化率的预测值作为输入，再次采用自适应模糊控制模型及其参数生成战斗机控制过载，利用更新后的控制过载得到战斗机在下一步长的运动状态信息。
所述的步骤1中，建立战斗机的运动模型为
Figure BDA0002574414230000021
xf(t0)＝xf0；其中状态向量为xf＝[xf,yf,zf,vf,θf,φf]T，式中xf,yf,zf为战斗机在地理坐标系中的位置坐标，vf为战斗机速度，θf和φf分别为战斗机的航迹倾角和航迹偏角；xf0表示初始状态向量；u＝[nxf,nyf,nzf]T表示战斗机的机动过载向量，式中nxf，nyf和nzf分别为战斗机在航迹坐标系三个轴方向上的需用过载分量；建立战斗机过载约束模型为
Figure BDA0002574414230000031
其中
Figure BDA0002574414230000032
nmax为战斗机横向最大可用过载，nyfc和nzfc为战斗机的实际控制过载；重复本步骤，建立目标运动模型，并将上述变量的下标f改为t作为相应的目标运动参数变量。
所述的步骤2建立战斗机超视距拦射火控瞄准模型的具体包括：
2.1)建立战斗机超视距拦射火控瞄准的偏差矢量方程vfT1+R+ΔL＝D+vtT，
Figure BDA0002574414230000033
式中vf和vt分别为战斗机和目标的速度矢量，D为由战斗机位置指向目标位置的距离矢量，R为导弹沿理想弹道飞行的距离矢量，ΔL为瞄准偏差矢量，T为从攻击开始到命中目标的全飞行时间，T1为战斗机从攻击开始到发射导弹的引导飞行时间，vm为导弹沿理想弹道飞行的平均速度；
2.2)将ΔL向战斗机的航迹坐标系投影，得到偏差分量ΔLx、ΔLy和ΔLz；根据导弹性能预设导弹飞行距离R和平均速度vm，通过改变战斗机的飞行时间T1使ΔLx＝0，由此求得全飞行时间
Figure BDA0002574414230000034
式中Dx、Dy和Dz分别为D在地理坐标系三个轴方向上的投影，vtx、vty和vtz分别为vt在地理坐标系三个轴方向上的投影；
2.3)将T代入偏差分量表达式分别求得ΔLy和ΔLz，由于ΔLx＝0，即偏差矢量ΔL垂直于航迹坐标系的x轴，因此得到战斗机在航迹坐标系中的俯仰瞄准偏差角δy和水平瞄准偏差角δz分别为
Figure BDA0002574414230000035
和
Figure BDA0002574414230000036
所述的步骤3构建基于模型预测控制的战斗机控制过载优化框架，具体包括：
3.1)初始化战斗机和目标的状态信息，设定导弹的飞行距离R和平均飞行速度vm，初始化瞄准偏差角δy0和δz0；
3.2)将在上一步长h中已观测到的目标机动过载作为目标在下一步长h中的机动过载预估值[n′xt,n′yt,n′zt]T，从而得到目标在下一步长的运动状态预测信息x′t；
3.3)通过步骤2中的方法计算得到瞄准偏差角δy和δz，再通过瞄准偏差角在步长h内的变化量求得
Figure BDA0002574414230000041
和
Figure BDA0002574414230000042
然后将δy，δz，
Figure BDA0002574414230000043
和
Figure BDA0002574414230000044
作为输入，采用自适应模糊控制模型及其参数生成战斗机控制过载并表示为[n′yf,n′zf]T；在攻击过程中保持nxf＝0，从而利用更新后的控制过载得到战斗机在下一步长的运动状态信息x′f；
3.4)基于目标和战斗机下一步长的运动状态信息x′t和x′f，通过步骤2中的方法计算得到下一步长的瞄准偏差角及其变化率的预测值δ′y，δ′z，
Figure BDA0002574414230000045
和
Figure BDA0002574414230000046
3.5)若δ′y和δ′z满足高精度瞄准引导条件，即
Figure BDA0002574414230000047
δmax为高精度瞄准条件下的最大允许瞄准偏差角，或者达到指定的迭代优化次数G，则将[n′yf,n′zf]T作为当前控制过载[nyf,nzf]T引导战斗机，否则将δ′y，δ′z，
Figure BDA0002574414230000048
和
Figure BDA0002574414230000049
依次赋值给δy，δz，
Figure BDA00025744142300000410
和
Figure BDA00025744142300000411
并返回步骤3.3)；
3.6)若当前战斗机和目标的距离满足截止条件，则结束计算，否则更新战斗机和目标的状态信息并返回步骤3.2)。
所述的自适应模糊控制模型通过以下步骤建立：
4.1)基于步骤2中的超视距拦射火控瞄准模型建立俯仰方向的攻击引导模型为
Figure BDA00025744142300000412
其中f和b分别为未知函数和未知正常数；定义误差矢量
Figure BDA00025744142300000413
其中e＝-δy，选择K＝[k2,k1]T，令多项式s2+k1s+k2的所有根均在复平面的左半平面上，e(t)→0，取控制律为
Figure BDA00025744142300000414
其中
Figure BDA00025744142300000415
δym＝0且
Figure BDA00025744142300000416
为理想火控瞄准状态中误差指令，b为通用控制系统中控制量的常值系数，s为控制理论中的复频率；
4.2)设计自适应模糊控制器为
Figure BDA00025744142300000417
其中
Figure BDA00025744142300000418
为模糊系统，θ为自适应可调参数集合，令δ1＝δy和
Figure BDA00025744142300000419
首先为输入变量δi定义mi个模糊集合
Figure BDA00025744142300000420
i＝1,2；li＝1,2,...,mi，用m1m2条形为“如果δ1是
Figure BDA00025744142300000421
且δ2是
Figure BDA00025744142300000422
则
Figure BDA00025744142300000423
是
Figure BDA00025744142300000424
的模糊规则构造模糊系统
Figure BDA0002574414230000051
由乘积推理机、单值模糊器和中心平均解模糊器来设计模糊控制器，即
Figure BDA0002574414230000052
式中
Figure BDA0002574414230000053
为相应的隶属度函数，选择
Figure BDA0002574414230000054
为可调节自由参数，放在集合
Figure BDA0002574414230000055
中，则模糊控制器为
Figure BDA0002574414230000056
式中ξ(δ)为m1m2维向量，其第l1l2个元素为
Figure BDA0002574414230000057
4.3)整理得到
Figure BDA0002574414230000058
式中
Figure BDA0002574414230000059
定义最优参数
Figure BDA00025744142300000510
和最小逼近误差
Figure BDA00025744142300000511
得到误差方程式
Figure BDA00025744142300000512
定义Lyapunov函数
Figure BDA00025744142300000513
式中自适应参数γ为正的常数，P为一个正定矩阵且满足Lyapunov方程ΛTP+PΛ＝-Q，Q为任意的2×2正定矩阵；V的导数为
Figure BDA00025744142300000514
式中pn为P的最后一列，取自适应律
Figure BDA00025744142300000515
4.4)重复步骤4.1)至4.3)，得到战斗机自主攻击引导模型在水平方向的自适应模糊控制器
Figure BDA00025744142300000516
及其相应的自适应律。
本发明的有益效果是：充分考虑了引导系统高动态、非线性以及模型不确定的特点，采用基于模型预测控制框架的自适应模糊控制方法设计自主瞄准操控模拟模块，对大机动目标具有高精度且稳定的火控瞄准能力，并且减小了对专家经验的依赖，形成了具有自适应性、高时效性以及高精度特点的自主攻击引导方法，从而提高了战斗机在空战对抗游戏和空战模拟系统中的作战效能。
附图说明
图1为战斗机超视距拦射攻击火控瞄准的态势关系示意图。
图2为针对目标做大过载滚筒机动的战斗机攻击引导轨迹。
图3为战斗机攻击引导过程中水平和俯仰方向的火控瞄准偏差角。
图4为战斗机攻击引导过程中的实际控制过载。
图5为本发明的实现方法流程图。
具体实施方式
本发明提供一种空战模拟环境中的战斗机高精度自主攻击引导方法，包括步骤如下：
步骤1，建立战斗机的运动模型为
Figure BDA0002574414230000061
xf(t0)＝xf0；其中状态向量为xf＝[xf,yf,zf,vf,θf,φf]T，式中xf,yf,zf为战斗机在地理坐标系(北-天-东)中的位置坐标，vf为战斗机速度，θf和φf分别为战斗机的航迹倾角和航迹偏角；xf0表示初始状态向量；u＝[nxf,nyf,nzf]T表示战斗机的机动过载向量，式中nxf，nyf和nzf分别为战斗机在航迹坐标系三个轴方向上的需用过载分量；建立战斗机过载约束模型为
Figure BDA0002574414230000062
其中
Figure BDA0002574414230000063
nmax为战斗机横向最大可用过载(例如可取nmax＝9)，nyfc和nzfc为战斗机的实际控制过载；建立与战斗机类似的目标运动模型，并将上述变量的下标f改为t作为相应的目标运动参数变量；
步骤2，建立战斗机超视距拦射火控瞄准模型，具体包括：
2.1)建立战斗机超视距拦射火控瞄准的偏差矢量方程为vfT1+R+ΔL＝D+vtT，
Figure BDA0002574414230000064
式中vf和vt分别为战斗机和目标的速度矢量，D为由战斗机位置指向目标位置的距离矢量，R为导弹沿理想弹道飞行的距离矢量，ΔL为瞄准偏差矢量，T为从攻击开始到命中目标的全飞行时间，T1为战斗机从攻击开始到发射导弹的引导飞行时间，vm为导弹沿理想弹道飞行的平均速度；为了便于偏差矢量的投影分解计算，将ΔL表示为
Figure BDA0002574414230000065
2.2)将步骤2.1)中在地理坐标系中表示的ΔL向战斗机的航迹坐标系投影，得到3个偏差分量ΔLx，ΔLy和ΔLz；根据导弹性能预设导弹飞行距离R和平均速度vm(例如可取R＝20km，vm＝600m/s)，通过改变战斗机的飞行时间T1，总可以使ΔLx＝0，由此可以求得全飞行时间
Figure BDA0002574414230000071
式中Dx，Dy和Dz分别为D在地理坐标系三个轴方向上的投影，vtx，vty和vtz分别为vt在地理坐标系三个轴方向上的投影；
2.3)将步骤2.2)中的全飞行时间T代入偏差分量表达式可以分别求得ΔLy和ΔLz，由于ΔLx＝0，即偏差矢量ΔL垂直于航迹坐标系的x轴，因此可以得到战斗机在航迹坐标系中的俯仰瞄准偏差角δy和水平瞄准偏差角δz分别为
Figure BDA0002574414230000072
和
Figure BDA0002574414230000073
步骤3，构建基于模型预测控制的战斗机控制过载优化框架，具体包括：
3.1)初始化战斗机和目标的状态信息，设定导弹的飞行距离R和平均飞行速度vm，初始化瞄准偏差角δy0和δz0(例如可将δy0和δz0均初始化为0)；
3.2)将在上一步长h中已观测到的目标机动过载作为目标在下一步长h中的机动过载预估值[n′xt,n′yt,n′zt]T，从而得到目标在下一步长的运动状态预测信息x′t；
3.3)通过步骤2中的方法计算得到瞄准偏差角δy和δz，再通过瞄准偏差角在步长h内的变化量求得
Figure BDA0002574414230000074
和
Figure BDA0002574414230000075
然后将δy，δz，
Figure BDA0002574414230000076
和
Figure BDA0002574414230000077
作为输入，采用自适应模糊控制模型及其参数生成战斗机控制过载并表示为[n′yf,n′zf]T；在攻击过程中保持nxf＝0，从而利用更新后的控制过载可以得到战斗机在下一步长的运动状态信息x′f；
3.4)基于目标和战斗机下一步长的运动状态信息x′t和x′f，通过步骤2中的方法计算得到下一步长的瞄准偏差角及其变化率的预测值δ′y，δ′z，
Figure BDA0002574414230000078
和
Figure BDA0002574414230000079
3.5)若δ′y和δ′z满足高精度瞄准引导条件，即
Figure BDA00025744142300000710
(δmax为高精度瞄准条件下的最大允许瞄准偏差角，例如可取δmax＝π/180)，或者达到指定的迭代优化次数G(例如可取G＝4)，则将[n′yf,n′zf]T作为当前控制过载[nyf,nzf]T引导战斗机，否则将δ′y，δ′z，
Figure BDA00025744142300000711
和
Figure BDA00025744142300000712
依次赋值给δy，δz，
Figure BDA00025744142300000713
和
Figure BDA00025744142300000714
并返回步骤3.3)；
3.6)若当前战斗机和目标的距离满足截止条件，即满足D≤Dmin，则结束计算，否则更新战斗机和目标的状态信息并返回步骤3.2)；
所述的步骤步骤3.3)中，建立自适应模糊控制模型的具体内容包括：
4.1)由于战斗机自主攻击引导模型在水平方向和俯仰方向类似，这里仅以俯仰方向为例进行建模说明；基于步骤2中的超视距拦射火控瞄准模型建立俯仰方向的攻击引导模型为
Figure BDA0002574414230000081
其中f和b分别为未知函数和未知正常数；在理想火控瞄准状态中误差指令为δym＝0且
Figure BDA0002574414230000082
于是定义误差矢量
Figure BDA0002574414230000083
其中e＝-δy，选择K＝[k2,k1]T，令多项式s2+k1s+k2的所有根均在复平面的左半平面上，为使得t→∞时，有e(t)→0，取控制律为
Figure BDA0002574414230000084
其中
Figure BDA0002574414230000085
b为通用控制系统中控制量的常值系数，s为控制理论中的复频率；
4.2)设计自适应模糊控制器为
Figure BDA0002574414230000086
其中
Figure BDA0002574414230000087
为模糊系统，θ为自适应可调参数集合，为便于表示，令δ1＝δy和
Figure BDA0002574414230000088
首先为输入变量δi定义mi个模糊集合
Figure BDA0002574414230000089
(i＝1,2；li＝1,2,...,mi)，用m1m2条形如“如果δ1是
Figure BDA00025744142300000810
且δ2是
Figure BDA00025744142300000811
则
Figure BDA00025744142300000812
是
Figure BDA00025744142300000813
的模糊规则构造模糊系统
Figure BDA00025744142300000814
由乘积推理机、单值模糊器和中心平均解模糊器来设计模糊控制器，即
Figure BDA00025744142300000815
式中
Figure BDA00025744142300000816
为相应的隶属度函数，选择
Figure BDA00025744142300000817
为可调节自由参数，放在集合
Figure BDA00025744142300000818
中，则模糊控制器为
Figure BDA00025744142300000819
式中ξ(δ)为m1m2维向量，其第l1l2个元素为
Figure BDA00025744142300000820
4.3)结合步骤4.1)和4.2)中的攻击引导模型，控制律和自适应模糊控制器，整理可得
Figure BDA00025744142300000821
式中
Figure BDA00025744142300000822
定义最优参数为
Figure BDA00025744142300000823
定义最小逼近误差为
Figure BDA00025744142300000824
于是可得误差方程式
Figure BDA00025744142300000825
基于此，定义Lyapunov函数为
Figure BDA0002574414230000091
式中自适应参数γ为正的常数，P为一个正定矩阵且满足Lyapunov方程ΛTP+PΛ＝-Q，Q为任意的2×2正定矩阵；V的导数为
Figure BDA0002574414230000092
式中pn为P的最后一列，取自适应律
Figure BDA0002574414230000093
此时，通过设计足够多规则的模糊系统可使ω充分小，并满足
Figure BDA0002574414230000094
从而使得
Figure BDA0002574414230000095
4.4)与步骤4.1)至4.3)过程类似的可以得到战斗机自主攻击引导模型在水平方向的自适应模糊控制器
Figure BDA0002574414230000096
及其相应的自适应律。
下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。
本发明按照图5所示的流程图实施如下步骤：
步骤1，建立战斗机的运动模型为
Figure BDA0002574414230000097
xf(t0)＝xf0；具体如下：
Figure BDA0002574414230000098
其中状态向量为xf＝[xf,yf,zf,vf,θf,φf]T，式中xf,yf,zf为战斗机在地理坐标系(北-天-东)中的位置坐标，vf为战斗机速度，θf和φf分别为战斗机的航迹倾角和航迹偏角，g为重力加速度；xf0表示初始状态向量；u＝[nxf,nyf,nzf]T表示战斗机的机动过载向量，式中nxf，nyf和nzf分别为战斗机在航迹坐标系三个轴方向上的需用过载分量；建立战斗机过载约束模型为
Figure BDA0002574414230000099
其中
Figure BDA00025744142300000910
nmax为战斗机横向最大可用过载(例如可取nmax＝9)，nyfc和nzfc为战斗机的实际控制过载；建立与战斗机类似的目标运动模型，并将上述变量的下标f改为t作为相应的目标运动参数变量；
步骤2，建立战斗机超视距拦射火控瞄准模型，具体包括：
2.1)根据图1所示的战斗机超视距拦射攻击火控瞄准态势关系示意图可知，在理想攻击引导路线中战斗机以速度vf沿正确方向飞行T1时间，并在O点发射导弹，导弹沿理想直线弹道飞行距离R后刚好在P点命中以速度vt飞行了时间T的目标，而实际战斗机速度矢量vf和理想方向存在瞄准偏差矢量ΔL(瞄准偏差角δ)；据此建立超视距拦射火控瞄准的偏差矢量方程为vfT1+R+ΔL＝D+vtT，
Figure BDA0002574414230000101
式中D为由战斗机位置指向目标位置的距离矢量，R为导弹沿理想弹道飞行的距离矢量，T为从攻击开始到命中目标的全飞行时间，T1为战斗机从攻击开始到发射导弹的引导飞行时间，vm为导弹沿理想弹道飞行的平均速度；为了便于偏差矢量的投影分解计算，将ΔL表示为
Figure BDA0002574414230000102
2.2)将步骤2.1)中在地理坐标系中表示的ΔL向战斗机的航迹坐标系投影，得到3个偏差分量ΔLx，ΔLy和ΔLz；根据导弹性能预设导弹飞行距离R和平均速度vm(例如可取R＝20km，vm＝600m/s)，通过改变战斗机的飞行时间T1，总可以使ΔLx＝0，由此可以求得全飞行时间
Figure BDA0002574414230000103
式中Dx，Dy和Dz分别为D在地理坐标系三个轴方向上的投影，vtx，vty和vtz分别为vt在地理坐标系三个轴方向上的投影；
2.3)将步骤2.2)中的全飞行时间T代入偏差分量表达式可以分别求得ΔLy和ΔLz，由于ΔLx＝0，即偏差矢量ΔL垂直于航迹坐标系的x轴，因此可以得到战斗机在航迹坐标系中的俯仰瞄准偏差角δy和水平瞄准偏差角δz分别为
Figure BDA0002574414230000104
和
Figure BDA0002574414230000105
步骤3，构建基于模型预测控制的战斗机控制过载优化框架，具体包括：
3.1)初始化战斗机和目标的状态信息，设定导弹的飞行距离R和平均飞行速度vm，初始化瞄准偏差角δy0和δz0(例如可将δy0和δz0均初始化为0)；
3.2)将在上一步长h中已观测到的目标机动过载作为目标在下一步长h中的机动过载预估值[n′xt,n′yt,n′zt]T，从而得到目标在下一步长的运动状态预测信息x′t；
3.3)通过步骤2中的方法计算得到瞄准偏差角δy和δz，再通过瞄准偏差角在步长h内的变化量求得
Figure BDA0002574414230000111
和
Figure BDA0002574414230000112
然后将δy，δz，
Figure BDA0002574414230000113
和
Figure BDA0002574414230000114
作为输入，采用自适应模糊控制模型及其参数生成战斗机控制过载并表示为[n′yf,n′zf]T；在攻击过程中保持nxf＝0，从而利用更新后的控制过载可以得到战斗机在下一步长的运动状态信息x′f；
3.4)基于目标和战斗机下一步长的运动状态信息x′t和x′f，通过步骤2中的方法计算得到下一步长的瞄准偏差角及其变化率的预测值δ′y，δ′z，
Figure BDA0002574414230000115
和
Figure BDA0002574414230000116
3.5)若δ′y和δ′z满足高精度瞄准引导条件，即
Figure BDA0002574414230000117
(δmax为高精度瞄准条件下的最大允许瞄准偏差角，例如可取δmax＝π/180)，或者达到指定的迭代优化次数G(例如可取G＝4)，则将[n′yf,n′zf]T作为当前控制过载[nyf,nzf]T引导战斗机，否则将δ′y，δ′z，
Figure BDA0002574414230000118
和
Figure BDA0002574414230000119
依次赋值给δy，δz，
Figure BDA00025744142300001110
和
Figure BDA00025744142300001111
并返回步骤3.3)；
3.6)若当前战斗机和目标的距离满足截止条件，即满足D≤Dmin，则结束计算，否则更新战斗机和目标的状态信息并返回步骤3.2)；
步骤4，建立基于自适应模糊控制的战斗机自主攻击引导模型，具体包括：
4.1)由于战斗机自主攻击引导模型在水平方向和俯仰方向类似，这里仅以俯仰方向为例进行建模说明；基于步骤2中的超视距拦射火控瞄准模型建立俯仰方向的攻击引导模型为
Figure BDA00025744142300001112
其中f和b分别为未知函数和未知正常数；在理想火控瞄准状态中误差指令为δym＝0且
Figure BDA00025744142300001113
于是定义误差矢量
Figure BDA00025744142300001114
其中e＝-δy，选择K＝[k2,k1]T，令多项式s2+k1s+k2的所有根均在复平面的左半平面上，为使得t→∞时，有e(t)→0，取控制律为
Figure BDA00025744142300001115
其中
Figure BDA00025744142300001116
4.2)设计自适应模糊控制器为
Figure BDA00025744142300001117
其中
Figure BDA00025744142300001118
为模糊系统，θ为自适应可调参数集合，为便于表示，令δ1＝δy和
Figure BDA00025744142300001119
首先为输入变量δi定义mi个模糊集合
Figure BDA00025744142300001120
(i＝1,2；li＝1,2,...,mi)，用m1m2条形如“如果δ1是
Figure BDA00025744142300001121
且δ2是
Figure BDA00025744142300001122
则
Figure BDA00025744142300001123
是
Figure BDA00025744142300001124
的模糊规则构造模糊系统
Figure BDA00025744142300001125
由乘积推理机、单值模糊器和中心平均解模糊器来设计模糊控制器，即
Figure BDA0002574414230000121
式中
Figure BDA0002574414230000122
为相应的隶属度函数，选择
Figure BDA0002574414230000123
为可调节自由参数，放在集合
Figure BDA0002574414230000124
中，则模糊控制器为
Figure BDA0002574414230000125
式中ξ(δ)为m1m2维向量，其第l1l2个元素为
Figure BDA0002574414230000126
4.3)结合步骤4.1)和4.2)中的攻击引导模型，控制律和自适应模糊控制器，整理可得
Figure BDA0002574414230000127
式中
Figure BDA0002574414230000128
定义最优参数为
Figure BDA0002574414230000129
定义最小逼近误差为
Figure BDA00025744142300001210
于是可得误差方程式
Figure BDA00025744142300001211
基于此，定义Lyapunov函数为
Figure BDA00025744142300001212
式中自适应参数γ为正的常数，P为一个正定矩阵且满足Lyapunov方程ΛTP+PΛ＝-Q，Q为任意的2×2正定矩阵；V的导数为
Figure BDA00025744142300001213
式中pn为P的最后一列，取自适应律
Figure BDA00025744142300001214
此时，通过设计足够多规则的模糊系统可使ω充分小，并满足
Figure BDA00025744142300001215
从而使得
Figure BDA00025744142300001216
4.4)与步骤4.1)至4.3)过程类似的可以得到战斗机自主攻击引导模型在水平方向的自适应模糊控制器
Figure BDA00025744142300001217
及其相应的自适应律。
所述算法的相关参数设置为：δy0＝0°，δz0＝0°，δmax＝π/180，G＝4，Dmin＝18km；水平和俯仰方向的自适应模糊控制器参数设置相同，即k1＝k2＝1，γ＝10，
Figure BDA00025744142300001218
θ初始化为36×1的全0矩阵，δy，δz，
Figure BDA00025744142300001219
和
Figure BDA00025744142300001220
的模糊隶属度函数均设置为以下6种：μN3(x)＝exp(-((x+10)/3)2)，μN2(x)＝exp(-((x+6)/3)2)，μN1(x)＝exp(-((x+2)/3)2)，μP1(x)＝exp(-((x-2)/3)2)，μP2(x)＝exp(-((x-6)/3)2)，μP3(x)＝exp(-((x-10)/3)2)。
本发明的效果可以通过以下仿真结果进一步说明：
首先设置战斗机自主攻击引导的初始态势如表1所示。
表1战斗机自主攻击引导的初始态势
Figure BDA0002574414230000131
此外，设置仿真步长为h＝0.05s，nmax＝9，R＝20km，vm＝600m/s；目标机动方式设置为大过载滚筒机动，即令nxt＝sinθt，nyt＝5cos(0.25t)+cosθt，nzt＝5sin(0.25t)，其中t为仿真时间。为进一步验证本发明的有效性，将传统的PID控制策略和直接自适应模糊控制策略分别应用于本发明中的战斗机攻击引导模型求解，并将其求解效果与本发明方法进行对比。其中经典离散PID控制策略中，经过经验调参，设置nyf_pid和nzf_pid的控制参数均为kp＝20，ki＝5，kd＝1；直接自适应模糊控制策略中的相关参数设置与本发明方法相同。
基于本发明的方法步骤以及上述初始态势和参数设置，通过数字仿真得到结果如图2至4所示。图2为针对目标做大过载滚筒机动的战斗机攻击引导轨迹图，从图中可以看出目标同时在水平和铅垂面做周期性变过载机动形成了三维滚筒轨迹，这显著提高了战斗机拦射攻击火控瞄准的难度。基于本发明的超视距拦射火控瞄准模型，为构成瞄准态势，PID控制策略、自适应模糊控制策略和本发明方法均能生成随动于目标机动的正确攻击引导轨迹，三种方法所生成的引导轨迹也近似为滚筒轨迹，但存在一定的轨迹差异度。图3为战斗机攻击引导过程中水平和俯仰方向的火控瞄准偏差角，从图中可以明显看出，本发明方法所形成的火控瞄准偏差角可以快速收敛至0附近，并且偏差角的震荡幅度很小，相对于其他两种方法精度最高、稳定性最好，整体性能自适应模糊控制策略次之，PID控制策略效果最差。图4为战斗机攻击引导过程中的实际控制过载，从图中可以看出，为随动于目标滚筒机动并构成瞄准态势，三种方法在水平和铅垂面均生成了周期性变化的控制过载。此外，三种方法的控制过载差异度较小，也就是说在近似的控制过载条件下，本发明方法可以形成精度最高、稳定性最好的攻击引导轨迹。
为进一步验证并说明本发明方法的有效性，引入平均瞄准偏差角、高精度瞄准时间、平均控制过载和单步长平均耗时等指标对上述三种方法的效果进行定量对比分析。其中平均瞄准偏差角为攻击引导全程
Figure BDA0002574414230000141
的积分对引导时间的比值；高精度瞄准时间为攻击引导全程满足
Figure BDA0002574414230000142
条件的总时长；平均控制过载为攻击引导全程
Figure BDA0002574414230000143
的积分对引导时间的比值；单步长平均耗时为在采用Intel Core i72.5GHz、4G内存的计算机平台上单个仿真步长内计算战斗机控制过载所需要的平均时间。基于此，得到三种方法的相应评价指标数据如表2所示。
表2三种方法的评价指标数据
Figure BDA0002574414230000144
由表2数据可以看出，本发明方法在战斗机攻击引导全程中所产生的平均瞄准偏差角小于所设定的δmax＝π/180的高精度指标要求，并且在引导过程中共产生了103.95s的高精度瞄准时间窗口，所以在攻击引导的高精度及稳定瞄准方面，本发明方法要远好于其他两种方法。此外，本发明方法的平均控制过载也略小于其他两种方法。在平均单步长耗时方面，本发明方法由于算法复杂度的限制，计算耗时要高于其他两种方法，但是其单步长约0.46毫秒的计算效率仍能完全满足机载计算机对火控计算时效性的要求。所以本发明所提供的自主攻击引导方法相对而言具有自适应性、高时效性以及高精度的特点。

Claims (5)

1.一种空战模拟环境中的战斗机高精度自主攻击引导方法，其特征在于包括以下步骤：
步骤1，建立战斗机和目标的运动模型及过载约束模型；
步骤2，建立战斗机超视距拦射火控瞄准模型，求解俯仰和水平瞄准偏差角及其角变化率；
步骤3，构建基于模型预测控制的战斗机控制过载优化框架，包括初始化战斗机和目标的状态信息，将在上一步长中已观测到的目标机动过载作为目标在下一步长中的机动过载预估值，从而得到目标在下一步长的运动状态信息；构建战斗机自主攻击引导模型在俯仰方向和水平方向的自适应模糊控制器及其相应的自适应律，建立基于自适应模糊控制的战斗机自主攻击引导模型；采用自适应模糊控制模型及其参数生成战斗机控制过载，利用更新后的控制过载得到战斗机在下一步长的运动状态信息；基于目标和战斗机下一步长的运动状态信息计算得到下一步长的瞄准偏差角及其变化率的预测值；若瞄准偏差角满足设定的瞄准引导条件，或达到指定的迭代优化次数，则利用当前控制过载引导战斗机，否则将计算得到的下一步长瞄准偏差角及其变化率的预测值作为输入，再次采用自适应模糊控制模型及其参数生成战斗机控制过载，利用更新后的控制过载得到战斗机在下一步长的运动状态信息。
2.根据权利要求1所述的空战模拟环境中的战斗机高精度自主攻击引导方法，其特征在于：所述的步骤1中，建立战斗机的运动模型为
Figure FDA0002574414220000011
xf(t0)＝xf0；其中状态向量为xf＝[xf,yf,zf,vf,θf,φf]T，式中xf,yf,zf为战斗机在地理坐标系中的位置坐标，vf为战斗机速度，θf和φf分别为战斗机的航迹倾角和航迹偏角；xf0表示初始状态向量；u＝[nxf,nyf,nzf]T表示战斗机的机动过载向量，式中nxf，nyf和nzf分别为战斗机在航迹坐标系三个轴方向上的需用过载分量；建立战斗机过载约束模型为
Figure FDA0002574414220000012
其中
Figure FDA0002574414220000013
nmax为战斗机横向最大可用过载，nyfc和nzfc为战斗机的实际控制过载；重复本步骤，建立目标运动模型，并将上述变量的下标f改为t作为相应的目标运动参数变量。
3.根据权利要求1所述的空战模拟环境中的战斗机高精度自主攻击引导方法，其特征在于：所述的步骤2建立战斗机超视距拦射火控瞄准模型的具体包括：
2.1)建立战斗机超视距拦射火控瞄准的偏差矢量方程vfT1+R+ΔL＝D+vtT，
Figure FDA0002574414220000021
式中vf和vt分别为战斗机和目标的速度矢量，D为由战斗机位置指向目标位置的距离矢量，R为导弹沿理想弹道飞行的距离矢量，ΔL为瞄准偏差矢量，T为从攻击开始到命中目标的全飞行时间，T1为战斗机从攻击开始到发射导弹的引导飞行时间，vm为导弹沿理想弹道飞行的平均速度；
2.2)将ΔL向战斗机的航迹坐标系投影，得到偏差分量ΔLx、ΔLy和ΔLz；根据导弹性能预设导弹飞行距离R和平均速度vm，通过改变战斗机的飞行时间T1使ΔLx＝0，由此求得全飞行时间
Figure FDA0002574414220000022
式中Dx、Dy和Dz分别为D在地理坐标系三个轴方向上的投影，vtx、vty和vtz分别为vt在地理坐标系三个轴方向上的投影；
2.3)将T代入偏差分量表达式分别求得ΔLy和ΔLz，由于ΔLx＝0，即偏差矢量ΔL垂直于航迹坐标系的x轴，因此得到战斗机在航迹坐标系中的俯仰瞄准偏差角δy和水平瞄准偏差角δz分别为
Figure FDA0002574414220000023
和
Figure FDA0002574414220000024
4.根据权利要求1所述的空战模拟环境中的战斗机高精度自主攻击引导方法，其特征在于：所述的步骤3构建基于模型预测控制的战斗机控制过载优化框架，具体包括：
3.1)初始化战斗机和目标的状态信息，设定导弹的飞行距离R和平均飞行速度vm，初始化瞄准偏差角δy0和δz0；
3.2)将在上一步长h中已观测到的目标机动过载作为目标在下一步长h中的机动过载预估值[n′xt,n′yt,n′zt]T，从而得到目标在下一步长的运动状态预测信息x′t；
3.3)通过步骤2中的方法计算得到瞄准偏差角δy和δz，再通过瞄准偏差角在步长h内的变化量求得
Figure FDA0002574414220000025
和
Figure FDA0002574414220000026
然后将δy，δz，
Figure FDA0002574414220000027
和
Figure FDA0002574414220000028
作为输入，采用自适应模糊控制模型及其参数生成战斗机控制过载并表示为[n′yf,n′zf]T；在攻击过程中保持nxf＝0，从而利用更新后的控制过载得到战斗机在下一步长的运动状态信息x′f；
3.4)基于目标和战斗机下一步长的运动状态信息x′t和x′f，通过步骤2中的方法计算得到下一步长的瞄准偏差角及其变化率的预测值δ′y，δ′z，
Figure FDA0002574414220000031
和
Figure FDA0002574414220000032
3.5)若δ′y和δ′z满足高精度瞄准引导条件，即
Figure FDA0002574414220000033
δmax为高精度瞄准条件下的最大允许瞄准偏差角，或者达到指定的迭代优化次数G，则将[n′yf,n′zf]T作为当前控制过载[nyf,nzf]T引导战斗机，否则将δ′y，δ′z，
Figure FDA0002574414220000034
和
Figure FDA0002574414220000035
依次赋值给δy，δz，
Figure FDA0002574414220000036
和
Figure FDA0002574414220000037
并返回步骤3.3)；
3.6)若当前战斗机和目标的距离满足截止条件，则结束计算，否则更新战斗机和目标的状态信息并返回步骤3.2)。
5.根据权利要求4所述的空战模拟环境中的战斗机高精度自主攻击引导方法，其特征在于：所述的自适应模糊控制模型通过以下步骤建立：
4.1)基于步骤2中的超视距拦射火控瞄准模型建立俯仰方向的攻击引导模型为
Figure FDA0002574414220000038
其中f和b分别为未知函数和未知正常数；定义误差矢量
Figure FDA0002574414220000039
其中e＝-δy，选择K＝[k2,k1]T，令多项式s2+k1s+k2的所有根均在复平面的左半平面上，e(t)→0，取控制律为
Figure FDA00025744142200000310
其中
Figure FDA00025744142200000311
δym＝0且
Figure FDA00025744142200000312
为理想火控瞄准状态中误差指令，b为通用控制系统中控制量的常值系数，s为控制理论中的复频率；
4.2)设计自适应模糊控制器为
Figure FDA00025744142200000313
其中
Figure FDA00025744142200000314
为模糊系统，θ为自适应可调参数集合，令δ1＝δy和
Figure FDA00025744142200000315
首先为输入变量δi定义mi个模糊集合
Figure FDA00025744142200000316
i＝1,2；li＝1,2,...,mi，用m1m2条形为“如果δ1是
Figure FDA00025744142200000317
且δ2是
Figure FDA00025744142200000318
则
Figure FDA00025744142200000319
是
Figure FDA00025744142200000320
”的模糊规则构造模糊系统
Figure FDA00025744142200000321
由乘积推理机、单值模糊器和中心平均解模糊器来设计模糊控制器，即
Figure FDA00025744142200000322
式中
Figure FDA00025744142200000323
为相应的隶属度函数，选择
Figure FDA0002574414220000041
为可调节自由参数，放在集合
Figure FDA0002574414220000042
中，则模糊控制器为
Figure FDA0002574414220000043
式中ξ(δ)为m1m2维向量，其第l1l2个元素为
Figure FDA0002574414220000044
4.3)整理得到
Figure FDA0002574414220000045
式中
Figure FDA0002574414220000046
定义最优参数
Figure FDA0002574414220000047
和最小逼近误差
Figure FDA0002574414220000048
得到误差方程式
Figure FDA0002574414220000049
定义Lyapunov函数
Figure FDA00025744142200000410
式中自适应参数γ为正的常数，P为一个正定矩阵且满足Lyapunov方程ΛTP+PΛ＝-Q，Q为任意的2×2正定矩阵；V的导数为
Figure FDA00025744142200000411
式中pn为P的最后一列，取自适应律
Figure FDA00025744142200000412
4.4)重复步骤4.1)至4.3)，得到战斗机自主攻击引导模型在水平方向的自适应模糊控制器
Figure FDA00025744142200000413
及其相应的自适应律。
CN202010649603.XA 2020-07-08 2020-07-08 一种空战模拟环境中的战斗机高精度自主攻击引导方法 Active CN111898201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010649603.XA CN111898201B (zh) 2020-07-08 2020-07-08 一种空战模拟环境中的战斗机高精度自主攻击引导方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010649603.XA CN111898201B (zh) 2020-07-08 2020-07-08 一种空战模拟环境中的战斗机高精度自主攻击引导方法

Publications (2)

Publication Number Publication Date
CN111898201A true CN111898201A (zh) 2020-11-06
CN111898201B CN111898201B (zh) 2022-07-12

Family

ID=73192007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010649603.XA Active CN111898201B (zh) 2020-07-08 2020-07-08 一种空战模拟环境中的战斗机高精度自主攻击引导方法

Country Status (1)

Country Link
CN (1) CN111898201B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115113642A (zh) * 2022-06-02 2022-09-27 中国航空工业集团公司沈阳飞机设计研究所 一种多无人机时空关键特征自学习协同对抗决策方法
CN115289908A (zh) * 2022-06-07 2022-11-04 西北工业大学 一种遥控指令防空导弹引入段导引方法及装置
CN116149348A (zh) * 2023-04-17 2023-05-23 四川汉科计算机信息技术有限公司 一种空战机动系统及控制方法、防御系统控制方法
CN116663239A (zh) * 2023-04-24 2023-08-29 四川大学 一种基于黄金分割法的导弹不可逃逸区攻击距离计算方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2170907C1 (ru) * 2000-01-17 2001-07-20 Мамошин Владимир Романович Способ прицеливания при атаке скоростных целей истребителем по спрямленной траектории и устройство для его реализации
US20090127377A1 (en) * 2006-03-29 2009-05-21 Lam Frank C Onboard guidance method for ballistic missiles
CN108646589A (zh) * 2018-07-11 2018-10-12 北京晶品镜像科技有限公司 一种攻击无人机编队的作战模拟训练系统及方法
CN110278170A (zh) * 2019-07-12 2019-09-24 西安烽火电子科技有限责任公司 基于最大似然的短波通信频偏估计方法
CN111240353A (zh) * 2020-01-07 2020-06-05 南京航空航天大学 基于遗传模糊树的无人机协同空战决策方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2170907C1 (ru) * 2000-01-17 2001-07-20 Мамошин Владимир Романович Способ прицеливания при атаке скоростных целей истребителем по спрямленной траектории и устройство для его реализации
US20090127377A1 (en) * 2006-03-29 2009-05-21 Lam Frank C Onboard guidance method for ballistic missiles
CN108646589A (zh) * 2018-07-11 2018-10-12 北京晶品镜像科技有限公司 一种攻击无人机编队的作战模拟训练系统及方法
CN110278170A (zh) * 2019-07-12 2019-09-24 西安烽火电子科技有限责任公司 基于最大似然的短波通信频偏估计方法
CN111240353A (zh) * 2020-01-07 2020-06-05 南京航空航天大学 基于遗传模糊树的无人机协同空战决策方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LI FU等: "Research on beyond visual range target allocation and multi-aircraft collaborative decision-making", 《IEEE XPLORE》 *
祖力军等: "战斗机曲线跟踪数值仿真模型研究", 《飞行力学》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115113642A (zh) * 2022-06-02 2022-09-27 中国航空工业集团公司沈阳飞机设计研究所 一种多无人机时空关键特征自学习协同对抗决策方法
CN115289908A (zh) * 2022-06-07 2022-11-04 西北工业大学 一种遥控指令防空导弹引入段导引方法及装置
CN116149348A (zh) * 2023-04-17 2023-05-23 四川汉科计算机信息技术有限公司 一种空战机动系统及控制方法、防御系统控制方法
CN116149348B (zh) * 2023-04-17 2023-06-23 四川汉科计算机信息技术有限公司 一种空战机动系统及控制方法、防御系统控制方法
CN116663239A (zh) * 2023-04-24 2023-08-29 四川大学 一种基于黄金分割法的导弹不可逃逸区攻击距离计算方法
CN116663239B (zh) * 2023-04-24 2024-01-05 四川大学 一种基于黄金分割法的导弹不可逃逸区攻击距离计算方法

Also Published As

Publication number Publication date
CN111898201B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN111898201B (zh) 一种空战模拟环境中的战斗机高精度自主攻击引导方法
CN106647287B (zh) 一种基于自适应动态规划的输入受限微分对策制导方法
Zhang et al. Two-stage cooperative guidance strategy using a prescribed-time optimal consensus method
Yang et al. Evasive maneuver strategy for UCAV in beyond-visual-range air combat based on hierarchical multi-objective evolutionary algorithm
CN110412874B (zh) 针对机动目标和时延通信的多导弹协同制导律设计方法
JP2017026190A (ja) 航空機管理装置、航空機、及び航空機の軌道算出方法
Li et al. Autonomous maneuver decision-making for a UCAV in short-range aerial combat based on an MS-DDQN algorithm
CN114003050B (zh) 一种基于微分博弈的三体对抗策略的主动防御制导方法
CN105222648A (zh) 一种线性伪谱广义标控脱靶量制导控制方法
CN110362110B (zh) 一种固定时自适应神经网络无人机航迹角控制方法
CN113885334B (zh) 一种基于飞行目标拦截的鲁棒末制导律计算方法和装置
CN112498744A (zh) 纵横向松耦合在线轨迹规划方法及电子设备
CN112799429A (zh) 基于强化学习的多弹协同攻击制导律设计方法
CN111176315B (zh) 一种基于l1自适应控制的变体巡飞弹控制方法
Dong et al. Trial input method and own-aircraft state prediction in autonomous air combat
Yoo et al. Deep reinforcement learning-based intelligent agent for autonomous air combat
Ghouri et al. Attitude control of quad-copter using deterministic policy gradient algorithms (DPGA)
CA2283526C (en) Neural network trajectory command controller
CN114815878B (zh) 基于实时优化和深度学习的高超声速飞行器协同制导方法
CN115454145A (zh) 飞行速度不可控条件下高速飞行器协同制导方法及系统
Chen et al. The Pursuit-Evasion Game Strategy of High-Speed Aircraft Based on Monte-Carlo Deep Reinforcement Learning
CN112346474B (zh) 一种有限时间收敛的微分对策制导律的设计方法
CN117192982B (zh) 基于控制参数化的近距空战机动决策优化方法
An et al. Engagement maneuvering strategy of air combat based on fuzzy markov game theory
CN118011816B (zh) 一种强终端约束飞行器弹道在线快速生成方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant