CN113341727A - 一种事件触发分布式自学习协同博弈拦截制导方法 - Google Patents
一种事件触发分布式自学习协同博弈拦截制导方法 Download PDFInfo
- Publication number
- CN113341727A CN113341727A CN202110689202.1A CN202110689202A CN113341727A CN 113341727 A CN113341727 A CN 113341727A CN 202110689202 A CN202110689202 A CN 202110689202A CN 113341727 A CN113341727 A CN 113341727A
- Authority
- CN
- China
- Prior art keywords
- cooperative
- interception
- event
- target
- triggered
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明公开一种事件触发分布式自学习协同博弈拦截制导方法,属于协同制导控制技术领域。本发明实现方法为:通过建立二维平面导弹‑目标相对运动学模型以及自动驾驶仪模型,建立以相对距离与相对速率为状态变量的协同拦截制导控制系统;定义事件触发状态变量和事件触发局部邻域一致性误差变量,设计抑制目标机动的增广合作型协同代价函数,推导事件触发分布式协同博弈拦截制导律;构建评价网络,设计评价网络权值自适应更新律与自适应事件触发条件,在线执行事件触发分布式自学习协同博弈拦截制导律,保证拦截弹对机动目标的协同拦截,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
Description
技术领域
本发明属于协同制导控制技术领域,尤其涉及一种事件触发分布式自学习协同博弈拦截制导方法。
背景技术
随着高速智能巡航导弹、高超声速飞行器等具备飞行速度快、机动能力强的先进飞行器的突防能力不断提升,传统采用单枚导弹拦截来袭目标的拦截制导方式由于其自身性能的限制造成拦截脱靶量过大而无法完成拦截制导任务。为了提高对高速大机动目标的拦截概率,降低拦截成本,分布式协同制导,已经得到国内外众多学者与研究人员的关注与青睐,并取得了一定的理论研究成果。然而,现有协同制导方法主要针对静止或小机动目标的同时攻击问题开展研究。在制导律的设计中需要提前获取目标的机动信息,并未考虑由于目标的高速大机动特点造成目标机动信息难以准确估计的难题,从而降低了协同制导精度和拦截概率。微分博弈制导,由于不依赖对目标机动的估计和预测信息,能够有效缓解制导律设计中目标机动难以准确估计的难题,已经被广泛应用于单枚导弹的对空拦截制导律设计。但现有微分博弈制导方法主要针对单枚导弹拦截单一机动目标的情形,在理想线性化假设条件下通过求解线性矩阵微分方程给出其解析解形式,从而获得微分博弈制导律。考虑协同拦截制导过程中由于拦截弹之间的合作型博弈以及拦截弹与目标之间的零和博弈导致的协同拦截制导系统呈现出高度非线性与强耦合特性,线性协同拦截制导律难以满足其高效可靠协同拦截要求。因此,有必要直接针对非线性协同制导系统设计微分博弈协同制导律,提高协同拦截制导系统的鲁棒性。然而,复杂非线性系统的微分博弈协同制导律设计通常涉及耦合非线性偏微分方程组的求解难题,这给微分博弈协同制导律的设计带来较大技术挑战。
强化学习/自适应动态规划,是一种非常接近人脑智能的具备自学习和优化能力的智能控制方法,是解决复杂非线性最优控制、微分博弈问题的有效工具。由于其能够通过构建函数近似架构,设计权值自适应调整机制,实现对非线性微分博弈求解过程中耦合偏微分方程Hamilton-Jacobi-Isaacs(HJI)的在线求解,有效解决了非线性微分博弈协同拦截制导律在线求解难题。
此外,传统周期性时间触发协同拦截制导系统在有限通信和计算资源下可能导致通信资源浪费以及信道阻塞。而通信信道的阻塞必然导致协同制导系统无法及时信息交互,实现战术配合,从而降低了协同制导性能。因此,在协同拦截制导律设计中采用事件触发机制取代传统周期性时间触发机制,能够有效减少信息交互频率,缓解通信带宽压力,节约计算和通信资源,从而提升系统的鲁棒性和可靠性。
发明内容
本发明公开一种事件触发分布式自学习协同博弈拦截制导方法目的是:通过定义事件触发的局部邻域一致性误差变量,基于微分博弈理论,推导事件触发协同博弈拦截制导律;此外,通过构建评价网络,设计自适应权值更新律以及自适应事件触发条件,完成对耦合偏微分HJI方程的在线迭代求解,有效减少信息交互频率,缓解通信带宽压力,节约计算和通信资源,从而保证拦截弹对机动目标的协同拦截,提升协同拦截制导系统的有鲁棒性和可靠性。
本发明为解决上述技术问题采用以下技术方案:
本发明公开一种事件触发分布式自学习协同博弈拦截制导方法,通过建立二维平面导弹-目标相对运动学模型以及自动驾驶仪模型,建立以相对距离与相对速率为状态变量的协同拦截制导控制系统;定义事件触发状态变量和事件触发局部邻域一致性误差变量,设计抑制目标机动的增广合作型协同代价函数,推导事件触发分布式协同博弈拦截制导律;构建评价网络,设计评价网络权值自适应更新律与自适应事件触发条件,在线执行事件触发分布式自学习协同博弈拦截制导律,保证拦截弹对机动目标的协同拦截,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
本发明公开一种事件触发分布式自学习协同博弈拦截制导方法,包括以下步骤:
步骤1、建立二维平面导弹-目标的相对运动学模型以及自动驾驶仪模型。
建立二维平面导弹-目标的相对运动学模型如公式(1)所示:
其中,导弹与目标均为质点,且在末制导阶段速度恒定。Mi,i=1,2,...,N和T分别表示第i枚拦截弹和目标,i=1,2,...,N为拦截弹数量,Vi表示第i枚拦截弹的速度,VT表示目标速度;αi为第i枚拦截弹的航向角,β为目标的航向角。表示αi对时间的一阶导数,表示β对时间的一阶导数;θi为第i枚拦截弹的视线角;视线角速率表示为θi对时间的一阶导数;ri表示第i枚拦截弹与目标之间的相对距离,表示ri对时间的一阶导数;ui表示第i枚拦截弹垂直于其速度向量的加速度控制量,v表示目标垂直于其速度向量的加速度控制量;
考虑拦截弹和目标内环动力学均为一阶自动驾驶仪。
拦截弹自动驾驶仪如公式(2)所示:
目标自动驾驶仪如公式(3)所示:
步骤2、基于步骤1所建立的二维平面导弹-目标相对运动学模型,通过将导弹-目标相对距离与相对速率定义为状态变量,对所述状态变量求一阶导数,进而建立协同拦截制导控制系统。
对公式(4)整理,进而建立协同拦截制导控制系统如公式(5)所示:
步骤3、基于多智能体一致性理论与图论知识,引入事件触发机制,通过定义事件触发状态变量,得到事件触发的局部邻域一致性误差变量。
其中,表示第j枚拦截弹在kj触发时刻的状态;x0(t)表示领弹动力学方程的状态变量,t为时间变量;aij表示多拦截弹构成的通信拓扑结构中邻接矩阵元素,bi表示第i枚从弹与领弹的连接状态,如果第i枚从弹能够获取领弹信息,则bi=1,否则,bi=0;
步骤4、通过将目标机动干扰信号分解为匹配型干扰项和不匹配型干扰项,设计抑制目标机动的增广合作型协同代价函数,基于微分博弈理论,推导事件触发分布式协同博弈拦截制导律,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
将目标机动干扰信号分解为匹配型干扰项和不匹配型干扰项,设计抑制目标机动的增广合作型协同代价函数,基于微分博弈理论,推导事件触发分布式协同博弈拦截制导律如下:
其中,上标*表示变量的最优值, vi(xi)表示增广控制输入,In表示n维单位矩阵,上标-1表示求逆运算,上标+表示求矩阵伪逆运算,表示对角权重矩阵,γi>0为设计参数;变量表示事件触发局部邻域一致性误差,ki为正整数,di为通信拓扑中入度矩阵元素;表示最优代价函数在事件触发时刻对误差变量ei求偏导,即且最优代价指标满足如下HJI方程:
式(8)中,满足不等式 满足不等式且Qi≥0表示半正定矩阵;表示第i枚拦截弹的邻域集合,表示包含与第i枚拦截弹的集合;如果i=j,则否则lij=-aij,cij=0,fei(xi)=fi(xi)-f0(x0),f0(x0)表示领弹动力学方程中的可微函数。此外,上标ki表示第ki个事件触发时刻的对应值,其余变量均表示周期性时间触发变量。
步骤5、通过构建评价网络,设计评价网络权值向量自适应更新律与自适应事件触发条件,逼近最优合作型代价函数,在线执行事件触发分布式自学习协同博弈拦截制导律,保证拦截弹对机动目标的协同拦截,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
将式(9)代入式(7),得到近似的事件触发分布式协同博弈拦截制导律如下:
设计自适应事件触发条件如下:
通过设计评价网络权值更新律以及自适应事件触发条件(12),可实现评价网络近似权值向量趋近于其理想权值向量Wci,即,从而保证事件触发的哈密顿函数从而保证拦截弹对机动目标的协同拦截,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
作为优选,所述步骤4中设计事件触发分布式协同博弈拦截制导律的具体过程如下:
定义合作型协同代价指标函数如下:
式中,Γi(xi),Qi(ei(τ)),μi的定义如步骤4所述;τ表示积分变量,Rij≥0表示下三角对称矩阵。
定义哈密顿函数为:
基于式(15),推导得到分布式协同博弈拦截制导律如下:
将式(16)代入式(14),推导得到耦合HJI方程为:
有益效果:
1、本发明公开一种事件触发分布式自学习协同博弈拦截制导方法,将目标机动干扰信号分解为匹配型干扰项和不匹配型干扰项,通过将干扰界值函数引入合作型协同代价函数,设计目标机动干扰下最优协同拦截制导律,提升拦截制导系统对目标机动干扰的抑制能力。
2、本发明公开一种事件触发分布式自学习协同博弈拦截制导方法,针对多弹非线性协同博弈拦截制导律的设计问题,在微分博弈理论架构下利用自适应动态规划,通过构建评价网络,设计评价网络权值自适应更新律,解决非线性耦合HJI方程的在线迭代求解问题,提升多弹协同拦截制导系统的鲁棒性和可靠性。
3、本发明公开一种事件触发分布式自学习协同博弈拦截制导方法,通过引入事件触发机制,定制自适应事件触发条件,设计事件触发的分布式协同博弈拦截制导律,降低协同拦截制导律的迭代更新次数,节约计算和通信资源;同时,保证协同拦截制导律的一致收敛性。
附图说明
图1是本发明的导弹-目标的二维平面相对运动示意图。
图2为本发明方法的协同博弈拦截制导结构图。
图3为本发明实施例提供的弹间通信拓扑图。
图4为本发明实施例提供的协同拦截轨迹图。
图5为本发明实施例提供的拦截弹横侧向加速度曲线图。
图6为本发明实施例提供的拦截弹对目标的相对距离曲线图。
图7为本发明实施例提供的拦截弹对目标的相对速率曲线图。
图8为本发明实施例提供的评价网络权值更新2-范数曲线图。
图9为本发明实施例提供的拦截弹事件触发条件下制导律更新次数对比图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
为了使本发明的目的、技术方案和优点更加清楚明白,下面结合附图对本发明的设计过程作详细说明。其中,自始至终相同或类似的符号表示相同或类似功能。
如图2所示,本实施例公开一种事件触发分布式自学习协同博弈拦截制导方法,具体实现步骤如下:
步骤1,建立二维平面导弹-目标的相对运动学模型以及自动驾驶仪模型。
其中,导弹与目标均为质点,且在末制导阶段速度恒定,如图1所示,Mi,i=1,2,...,N和T分别表示第i枚拦截弹和目标,i=1,2,...,N为拦截弹数量,Vi表示第i枚拦截弹的速度,VT表示目标速度;αi为第i枚拦截弹的航向角,β为目标的航向角。表示αi对时间的一阶导数,表示β对时间的一阶导数;θi为第i枚拦截弹的视线角;视线角速率表示为θi对时间的一阶导数;ri表示第i枚拦截弹与目标之间的相对距离,表示ri对时间的一阶导数;ui表示第i枚拦截弹垂直于其速度向量的加速度控制量,v表示目标垂直于其速度向量的加速度控制量;本实施例中所有拦截弹速度相同且恒定,取Vi=600m/s,VT=400m/s。
考虑拦截弹和目标内环动力学均为一阶自动驾驶仪。即
拦截弹自动驾驶仪如公式(20)所示:
目标自动驾驶仪如公式(21)所示:
步骤2,基于步骤1所建立的二维平面导弹-目标的相对运动学模型,通过将导弹-目标相对距离与相对速率定义为状态变量,对所述状态变量求一阶导数,进而建立协同拦截制导控制系统。
对公式(22)整理,可得协同拦截制导控制系统如下:
基于式(23),本实施例所设计的协同拦截制导律需要同时满足如下三个条件:
(1)保证所有拦截弹能够最终击中目标,即ri→0;
此外,本实施例采用如图3所示的“领弹-从弹”协同拦截制导模式。领弹动力学方程可简化为
步骤3,基于多智能体一致性理论与图论知识,引入事件触发机制,通过定义事件触发状态变量,得到事件触发的局部邻域一致性误差变量。
步骤4,通过将目标机动干扰信号分解为匹配型干扰项和不匹配型干扰项,设计抑制目标机动的增广合作型协同代价函数,基于微分博弈理论,推导事件触发分布式协同博弈拦截制导律,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
设计抑制目标机动的增广合作型协同代价函数如下:
式中,Ji(ei)表示合作型协同代价函数;满足不等式满足不等式且γi>0为设计参数;Qi≥0表示半正定矩阵;Rij≥0表示下三角对称矩阵,表示权重矩阵, ui(xi)为闭环系统控制输入,vi(xi)表示闭环系统增广控制输入;表示第i枚拦截弹的邻域集合;τ表示积分变量;上标-1表示求逆运算。
定义哈密顿函数如下:
其中,表示协同代价函数Ji(ei)对误差变量ei求偏导数,即: In表示n维单位矩阵,上标+表示求矩阵伪逆运算;表示包含与第i枚拦截弹的集合;如果i=j,则否则lij=-aij,cij=0;fei(xi)=fi(xi)-f0(x0),上标ki表示第ki个事件触发时刻的对应值,其余变量均表示周期性时间触发变量。
上标*表示变量的最优值。
基于式(29),推导得分布式协同博弈拦截制导律如下:
其中,di为通信拓扑中入度矩阵的元素。
将式(30)代入式(28),推导得到耦合HJI方程为:
因此,通过求解耦合HJI方程(32),获得事件触发分布式协同博弈拦截制导律。但考虑到式(32)属于耦合非线性偏微分方程,难以获得其解析解形式。因此,如图2所示,本实施例将采用自适应动态规划,通过构建评价网络,设计评价网络权值自适应更新律,实现对合作型协同最优代价函数的迭代求解,从而保证协同博弈拦截制导律的在线执行。
步骤5,通过构建评价网络,设计评价网络权值向量自适应更新律与自适应事件触发条件,逼近最优合作型代价函数,在线执行事件触发分布式自学习协同博弈拦截制导律,保证拦截弹对机动目标的协同拦截,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
其中,Wci为评价网络理想权值向量,σi(ei)为评价网络激活函数向量,εci表示逼近误差。
将式(35)代入式(33),得到近似的事件触发分布式协同博弈拦截制导律如下:
将式(36)代入式(32),得到近似事件触发哈密顿函数残余误差:
此外,为保证事件触发分布式自学习协同博弈拦截制导律在学习过程中的有界性,本实施例设计一个连续可微的径向无界Lyapunov函数Jsi(ei),使其满足如下不等式条件:其中表示函数Jsi(ei)对时间的一阶导数,表示函数Jsi(ei)对局部邻域一致性误差变量ei求偏导数,即:
式(11)中,表示对时间的一阶导数,eci为事件触发哈密顿函数残余误差,表示连续可微的径向无界Lyapunov函数Jsi(ei)对误差变量ei求偏导数;αi>0表示评价网络权值学习率。如图8所示,基于所设计的评价网络近似权值向量自适应更新律,评价网络权值一致趋近于其理想值。
设计自适应事件触发条件如下:
通过设计评价网络权值自适应更新律以及自适应事件触发条件(40),实现评价网络近似权值向量趋近于其理想权值向量Wci,即:如图8所示,保证闭环系统的最终一致有界性,从而保证拦截弹对机动目标的协同拦截(如图4-7所示),减少协同拦截制导律迭代次数(如图9所示),节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种事件触发分布式自学习协同博弈拦截制导方法,其特征在于:包括以下步骤,
步骤1、建立二维平面导弹-目标的相对运动学模型以及自动驾驶仪模型;
步骤2、基于步骤1所建立的二维平面导弹-目标相对运动学模型,通过将导弹-目标相对距离与相对速率定义为状态变量,对所述状态变量求一阶导数,进而建立协同拦截制导控制系统;
步骤3、基于多智能体一致性理论与图论知识,引入事件触发机制,通过定义事件触发状态变量,得到事件触发的局部邻域一致性误差变量;
步骤4、通过将目标机动干扰信号分解为匹配型干扰项和不匹配型干扰项,设计抑制目标机动的增广合作型协同代价函数,基于微分博弈理论,推导事件触发分布式协同博弈拦截制导律,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性;
步骤5、通过构建评价网络,设计评价网络权值向量自适应更新律与自适应事件触发条件,逼近最优合作型代价函数,在线执行事件触发分布式自学习协同博弈拦截制导律,保证拦截弹对机动目标的协同拦截,减少协同拦截制导律迭代次数,节约计算和通信资源,提升协同拦截制导系统的鲁棒性。
2.如权利要求1所述的一种事件触发分布式自学习协同博弈拦截制导方法,其特征在于:步骤1实现方法为,
建立二维平面导弹-目标的相对运动学模型如公式(1)所示:
其中,导弹与目标均为质点,且在末制导阶段速度恒定;Mi,i=1,2,...,N和T分别表示第i枚拦截弹和目标,i=1,2,...,N为拦截弹数量,Vi表示第i枚拦截弹的速度,VT表示目标速度;αi为第i枚拦截弹的航向角,β为目标的航向角;表示αi对时间的一阶导数,表示β对时间的一阶导数;θi为第i枚拦截弹的视线角;视线角速率表示为θi对时间的一阶导数;ri表示第i枚拦截弹与目标之间的相对距离,表示ri对时间的一阶导数;ui表示第i枚拦截弹垂直于其速度向量的加速度控制量,v表示目标垂直于其速度向量的加速度控制量;
考虑拦截弹和目标内环动力学均为一阶自动驾驶仪;
拦截弹自动驾驶仪如公式(2)所示:
目标自动驾驶仪如公式(3)所示:
5.如权利要求4所述的一种事件触发分布式自学习协同博弈拦截制导方法,其特征在于:步骤4实现方法为,
将目标机动干扰信号分解为匹配型干扰项和不匹配型干扰项,设计抑制目标机动的增广合作型协同代价函数,基于微分博弈理论,推导事件触发分布式协同博弈拦截制导律如下:
其中,上标*表示变量的最优值, vi(xi)表示增广控制输入,In表示n维单位矩阵,上标-1表示求逆运算,上标+表示求矩阵伪逆运算,表示对角权重矩阵,γi>0为设计参数;变量表示事件触发局部邻域一致性误差,ki为正整数,di为通信拓扑中入度矩阵元素;表示最优代价函数在事件触发时刻对误差变量ei求偏导,即且最优代价指标满足如下HJI方程:
6.如权利要求5所述的一种事件触发分布式自学习协同博弈拦截制导方法,其特征在于:步骤5实现方法为,
将式(9)代入式(7),得到近似的事件触发分布式协同博弈拦截制导律如下:
设计自适应事件触发条件如下:
7.如权利要求5或6所述的一种事件触发分布式自学习协同博弈拦截制导方法,其特征在于:所述步骤4中设计事件触发分布式协同博弈拦截制导律的具体过程如下:
定义合作型协同代价指标函数如下:
式中,Γi(xi),Qi(ei(τ)),μi的定义如步骤4所述;τ表示积分变量,Rij≥0表示下三角对称矩阵;
定义哈密顿函数为:
基于式(15),推导得到分布式协同博弈拦截制导律如下:
将式(16)代入式(14),推导得到耦合HJI方程为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689202.1A CN113341727B (zh) | 2021-06-22 | 2021-06-22 | 一种事件触发分布式自学习协同博弈拦截制导方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689202.1A CN113341727B (zh) | 2021-06-22 | 2021-06-22 | 一种事件触发分布式自学习协同博弈拦截制导方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113341727A true CN113341727A (zh) | 2021-09-03 |
CN113341727B CN113341727B (zh) | 2023-03-03 |
Family
ID=77478456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110689202.1A Active CN113341727B (zh) | 2021-06-22 | 2021-06-22 | 一种事件触发分布式自学习协同博弈拦截制导方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113341727B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114003050A (zh) * | 2021-09-30 | 2022-02-01 | 南京航空航天大学 | 一种基于微分博弈的三体对抗策略的主动防御制导方法 |
CN114993108A (zh) * | 2022-05-17 | 2022-09-02 | 南京航空航天大学 | 一种基于全状态动态约束的分布式周期事件触发饱和协同制导方法 |
CN116009594A (zh) * | 2023-03-27 | 2023-04-25 | 合肥工业大学 | 一种基于零和博弈的高超声速飞行器状态约束容错控制方法 |
CN117950322A (zh) * | 2024-03-26 | 2024-04-30 | 北京航空航天大学 | 一种分布式协同作战场景下博弈制导策略的确定方法 |
CN117950322B (zh) * | 2024-03-26 | 2024-06-21 | 北京航空航天大学 | 一种分布式协同作战场景下博弈制导策略的确定方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7446291B1 (en) * | 2005-10-03 | 2008-11-04 | Lockheed Martin Corporation | Augmented proportional navigation guidance law using angular acceleration measurements |
CN108362174A (zh) * | 2018-02-09 | 2018-08-03 | 中国人民解放军火箭军工程大学 | 多个拦截器协同探测与制导一体化的拦截方法及系统 |
CN110109351A (zh) * | 2019-04-08 | 2019-08-09 | 广东工业大学 | 一种基于指定性能的多智能体一致性控制方法 |
CN110933726A (zh) * | 2019-12-12 | 2020-03-27 | 华东交通大学 | 一种切换异构网络下的多智能体系统包含控制的实现方法 |
CN111638726A (zh) * | 2020-05-27 | 2020-09-08 | 北京理工大学 | 基于事件触发通信的多无人机编队一致性控制方法 |
CN112731965A (zh) * | 2020-12-17 | 2021-04-30 | 哈尔滨工业大学 | 一种基于目标机动辨识的制导方法 |
CN112902767A (zh) * | 2021-01-28 | 2021-06-04 | 西安交通大学 | 一种多弹时间协同的导弹制导方法及系统 |
-
2021
- 2021-06-22 CN CN202110689202.1A patent/CN113341727B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7446291B1 (en) * | 2005-10-03 | 2008-11-04 | Lockheed Martin Corporation | Augmented proportional navigation guidance law using angular acceleration measurements |
CN108362174A (zh) * | 2018-02-09 | 2018-08-03 | 中国人民解放军火箭军工程大学 | 多个拦截器协同探测与制导一体化的拦截方法及系统 |
CN110109351A (zh) * | 2019-04-08 | 2019-08-09 | 广东工业大学 | 一种基于指定性能的多智能体一致性控制方法 |
CN110933726A (zh) * | 2019-12-12 | 2020-03-27 | 华东交通大学 | 一种切换异构网络下的多智能体系统包含控制的实现方法 |
CN111638726A (zh) * | 2020-05-27 | 2020-09-08 | 北京理工大学 | 基于事件触发通信的多无人机编队一致性控制方法 |
CN112731965A (zh) * | 2020-12-17 | 2021-04-30 | 哈尔滨工业大学 | 一种基于目标机动辨识的制导方法 |
CN112902767A (zh) * | 2021-01-28 | 2021-06-04 | 西安交通大学 | 一种多弹时间协同的导弹制导方法及系统 |
Non-Patent Citations (3)
Title |
---|
JINGLIANG SUN 等: "Robust optimal control for missile-target guidance systems via adaptive dynamic programming", 《2018 CHINESE AUTOMATION CONGRESS (CAC)》 * |
方浩 等: "陆用运动体多系统协同中的智能优化与控制", 《控制理论与应用》 * |
魏阿龙 等: "不确定非线性多智能体系统的最优协同控制", 《电光与控制》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114003050A (zh) * | 2021-09-30 | 2022-02-01 | 南京航空航天大学 | 一种基于微分博弈的三体对抗策略的主动防御制导方法 |
CN114003050B (zh) * | 2021-09-30 | 2023-10-31 | 南京航空航天大学 | 一种基于微分博弈的三体对抗策略的主动防御制导方法 |
CN114993108A (zh) * | 2022-05-17 | 2022-09-02 | 南京航空航天大学 | 一种基于全状态动态约束的分布式周期事件触发饱和协同制导方法 |
CN114993108B (zh) * | 2022-05-17 | 2023-04-28 | 南京航空航天大学 | 一种基于全状态动态约束的分布式周期事件触发饱和协同制导方法 |
CN116009594A (zh) * | 2023-03-27 | 2023-04-25 | 合肥工业大学 | 一种基于零和博弈的高超声速飞行器状态约束容错控制方法 |
CN116009594B (zh) * | 2023-03-27 | 2023-06-02 | 合肥工业大学 | 一种基于零和博弈的高超声速飞行器状态约束容错控制方法 |
CN117950322A (zh) * | 2024-03-26 | 2024-04-30 | 北京航空航天大学 | 一种分布式协同作战场景下博弈制导策略的确定方法 |
CN117950322B (zh) * | 2024-03-26 | 2024-06-21 | 北京航空航天大学 | 一种分布式协同作战场景下博弈制导策略的确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113341727B (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113341727B (zh) | 一种事件触发分布式自学习协同博弈拦截制导方法 | |
Zhou et al. | Distributed guidance law design for cooperative simultaneous attacks with multiple missiles | |
Zhao et al. | Distributed time-constrained guidance using nonlinear model predictive control | |
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 | |
Yu et al. | Distributed cooperative encirclement hunting guidance for multiple flight vehicles system | |
CN112947592B (zh) | 一种基于强化学习的再入飞行器轨迹规划方法 | |
CN113325866B (zh) | 一种基于事件触发的微分对策协同制导方法 | |
Zhao et al. | Distributed three-dimensional cooperative guidance via receding horizon control | |
CN111027206B (zh) | 具有规定性能的拦截机动目标自适应滑模控制方法 | |
Huang et al. | Intelligent guidance and control methods for missile swarm | |
Yang et al. | Online hierarchical recognition method for target tactical intention in beyond-visual-range air combat | |
Ma et al. | Adaptive sliding mode guidance law with prescribed performance for intercepting maneuvering target | |
Liang et al. | Range-aware impact angle guidance law with deep reinforcement meta-learning | |
Ma et al. | Three-dimensional prescribed performance cooperative guidance law with spatial constraint for intercepting manoeuvring targets | |
CN116795130A (zh) | 一种针对机动目标的避障制导方法 | |
CN116401752A (zh) | 基于超扭曲观测器的自适应滑模多飞行器协同末制导律设计方法 | |
CN114995129A (zh) | 一种分布式最优事件触发协同制导方法 | |
Guo et al. | Pursuit-Evasion Games of Marine Surface Vessels Using Neural Network-Based Control | |
Enjiao et al. | Distributed cooperative guidance law for multiple flight vehicles of saturation attack | |
CN114993108B (zh) | 一种基于全状态动态约束的分布式周期事件触发饱和协同制导方法 | |
Sun et al. | Modeling of air-to-air missile dynamic attack zone based on bayesian networks | |
Li et al. | Adaptive Super‐Twisting Cooperative Guidance Law with Fixed‐Time Convergence | |
Yu et al. | Fixed-time cooperative guidance law for multiple missiles in simultaneous attacks | |
Wei et al. | Missile guidance law with impact angle constraint and acceleration saturation | |
Wan et al. | A Midcourse Guidance Method Combined with Trajectory Prediction for Antinear‐Space‐Gliding Vehicles |
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 |