CN114740894B - 基于注意力机制与门控循环单元的飞行器制导方法和系统 - Google Patents

基于注意力机制与门控循环单元的飞行器制导方法和系统 Download PDF

Info

Publication number
CN114740894B
CN114740894B CN202210516782.9A CN202210516782A CN114740894B CN 114740894 B CN114740894 B CN 114740894B CN 202210516782 A CN202210516782 A CN 202210516782A CN 114740894 B CN114740894 B CN 114740894B
Authority
CN
China
Prior art keywords
aircraft
target aircraft
predicted
state quantity
flight state
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.)
Active
Application number
CN202210516782.9A
Other languages
English (en)
Other versions
CN114740894A (zh
Inventor
宋佳
童心迪
徐小蔚
赵凯
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN202210516782.9A priority Critical patent/CN114740894B/zh
Publication of CN114740894A publication Critical patent/CN114740894A/zh
Application granted granted Critical
Publication of CN114740894B publication Critical patent/CN114740894B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • 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)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种基于注意力机制与门控循环单元的飞行器制导方法和系统，涉及高超声速飞行器制导技术领域，包括：获取目标飞行器在当前时刻的初始飞行状态量；目标飞行器为高超声速飞行器；将初始飞行状态量作为输入量输入到训练好的Attention‑GRU模型，得到目标飞行器在下一个制导周期的预测倾侧角；基于预测倾侧角，对目标飞行器进行制导。本发明缓解了现有技术中存在的浪费算力与时间、对实时性影响较大的技术问题。

Description

基于注意力机制与门控循环单元的飞行器制导方法和系统
技术领域
本发明涉及高超声速飞行器制导技术领域，尤其是涉及一种基于注意力机制与门控循环单元的飞行器制导方法和系统。
背景技术
高升阻比飞行器再入制导方法主要分为两种，基于标称轨迹的制导方法和预测校正制导，相比于基于标称轨迹跟踪的制导方法,预测校正制导具有更强的自主性和对复杂环境的适应能力。传统的预测校正制导方案的控制量为攻角和倾侧角，攻角一般由预设的速度-攻角剖面生成；通过设计纵向制导律来确定控制量倾侧角的幅值：通过当前倾侧角对动力学方程作积分，得到满足终端能量约束的纵平面射程，之后联立飞行器距离中末制导交班点的剩余航程，最终通过割线法求解倾侧角的幅值；通过设计横向制导律确定倾侧角的符号，当航向角与视线角误差超过走廊边界时倾侧角反转，通过控制倾侧角符号来使得飞行器满足再入终端的经纬度约束。
传统的预测校正制导方法存在以下缺点：倾侧角控制量的幅值和符号通过两个制导周期分别确定，在纵向制导周期中每隔t1校正一次倾侧角的幅值，在横向制导中每隔t2判断横程误差或航向角与视线角的误差是否超出走廊边界，一般情况下t1是t2的上百倍，周期上并不匹配，浪费算力与时间；预测校正方法需要在纵向制导中积分预测飞行器待飞航程，在横向制导中积分运算确定飞行状态进而得到倾侧角符号，两次积分存在明显的冗余运算，解算时间较长，对实时性的影响较大。
发明内容
有鉴于此，本发明的目的在于提供一种基于注意力机制与门控循环单元的飞行器制导方法和系统，以缓解现有技术中存在的浪费算力与时间、对实时性影响较大的技术问题。
第一方面，本发明实施例提供了一种基于注意力机制与门控循环单元的飞行器制导方法，包括：获取目标飞行器在当前时刻的初始飞行状态量；所述目标飞行器为高超声速飞行器；将所述初始飞行状态量作为输入量输入到训练好的Attention-GRU模型，得到所述目标飞行器在下一个制导周期的预测倾侧角；基于所述预测倾侧角，对所述目标飞行器进行制导。
进一步地，基于所述预测倾侧角，对所述目标飞行器进行制导，包括：基于所述预测倾侧角，对所述目标飞行器的动力学模型进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量；基于预设终末交班点状态，判断所述预测飞行状态量是否满足交班条件；如果否，则以所述预测飞行状态量作为所述训练好的Attention-GRU模型的输入量，继续预测下一个制导周期的预测倾侧角和计算下一个制导周期的预测飞行状态量，直到所述预测飞行状态量满足所述交班条件。
进一步地，基于所述预测倾侧角，对所述目标飞行器的动力学模型进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量，包括：基于预设速度攻角剖面，确定所述目标飞行器的攻角；将所述预测倾侧角和所述攻角代入到所述目标飞行器的动力学模型，以预设积分步长进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量。
进一步地，初始飞行状态量包括：所述目标飞行器的飞行轨迹数据、所述目标飞行器的飞行轨迹数据与终末交班点数据的差值。
第二方面，本发明实施例还提供了一种基于注意力机制与门控循环单元的飞行器制导系统，包括：获取模块，预测模块和制导模块；其中，所述获取模块，用于获取目标飞行器在当前时刻的初始飞行状态量；所述目标飞行器为高超声速飞行器；所述预测模块，用于将所述初始飞行状态量作为输入量输入到训练好的Attention-GRU模型，得到所述目标飞行器在下一个制导周期的预测倾侧角；所述制导模块，用于基于所述预测倾侧角，对所述目标飞行器进行制导。
进一步地，所述制导模块，包括：计算单元和判断单元；其中，所述计算单元，用于基于所述预测倾侧角，对所述目标飞行器的动力学模型进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量；所述判断单元，用于基于预设终末交班点状态，判断所述预测飞行状态量是否满足交班条件；如果否，则以所述预测飞行状态量作为所述训练好的Attention-GRU模型的输入量，继续预测下一个制导周期的预测倾侧角和计算下一个制导周期的预测飞行状态量，直到所述预测飞行状态量满足所述交班条件。
进一步地，所述计算单元，还用于：基于预设速度攻角剖面，确定所述目标飞行器的攻角；将所述预测倾侧角和所述攻角代入到所述目标飞行器的动力学模型，以预设积分步长进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量。
进一步地，初始飞行状态量包括：所述目标飞行器的飞行轨迹数据、所述目标飞行器的飞行轨迹数据与终末交班点数据的差值。
第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
第四方面，本发明实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面所述方法。
本发明提供了一种基于注意力机制与门控循环单元的飞行器制导方法和系统，利用门控循环单元（GRU）神经网络取代已有网络模型，GRU网络具有更加简单的结构、更少的参数和更好的收敛性，同时引入注意力机制（Attention）优化网络输入，以减少因实时状态量过多引起的网络训练耗时、收敛性差、拟合程度低的问题，缓解了现有技术中存在的浪费算力与时间、对实时性影响较大的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的根据本发明实施例提供的一种基于注意力机制与门控循环单元的飞行器制导方法的流程图；
图2为根据本发明实施例提供的一种坐标系转换关系示意图；
图3为根据本发明实施例提供的一种再入制导方案示意图；
图4为根据本发明实施例提供的一种注意力机制的示意图；
图5为根据本发明实施例提供的一种门控循环单元模型结构示意图；
图6为根据本发明实施例提供的一种基于注意力机制与门控循环单元的飞行器制导系统的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
图1是根据本发明实施例提供的一种基于注意力机制与门控循环单元的飞行器制导方法的流程图。如图1所示，该方法具体包括如下步骤：
步骤S102，获取目标飞行器在当前时刻的初始飞行状态量；目标飞行器为高超声速飞行器。
可选地，初始飞行状态量包括：目标飞行器的飞行轨迹数据、目标飞行器的飞行轨迹数据与终末交班点数据的差值。
步骤S104，将初始飞行状态量作为输入量输入到训练好的Attention-GRU模型，得到目标飞行器在下一个制导周期的预测倾侧角。
步骤S106，基于预测倾侧角，对目标飞行器进行制导。
本发明提供了一种基于注意力机制与门控循环单元的飞行器制导方法，利用GRU神经网络取代已有网络模型，具有更加简单的结构、更少的参数和更好的收敛性，同时引入注意力机制优化网络输入，以减少因实时状态量过多引起的网络训练耗时、收敛性差、拟合程度低的问题，缓解了现有技术中存在的浪费算力与时间、对实时性影响较大的技术问题。
具体的，步骤S106还包括如下步骤：
步骤S1061，基于预测倾侧角，对目标飞行器的动力学模型进行积分，得到目标飞行器在下一个制导周期的预测飞行状态量。
具体的，基于预设速度攻角剖面，确定目标飞行器的攻角；将预测倾侧角和攻角代入到目标飞行器的动力学模型，以预设积分步长进行积分，得到目标飞行器在下一个制导周期的预测飞行状态量。
步骤S1062，基于预设终末交班点状态，判断预测飞行状态量是否满足交班条件；如果否，则以预测飞行状态量作为训练好的Attention-GRU模型的输入量，继续预测下一个制导周期的预测倾侧角和计算下一个制导周期的预测飞行状态量，直到预测飞行状态量满足交班条件。
在高超声速飞行器在线轨迹规划前，首先基于牛顿力学原理建立考虑地球曲率和地球自转的滑翔飞行的运动方程，具体过程如下：
①常用坐标系及转换关系：
采用模型数据公开发表的通用航空飞行器（Common Aero Vehicle，CAV）中的高升力体CAV-H模型为研究对象。首先基于牛顿力学原理建立了考虑地球曲率和地球自转的CAV-H滑翔飞行的运动方程。然后考虑到飞行器在滑翔段飞行过程中所受到的热流、过载、动压约束，结合伪平衡滑翔条件，确定了高超声速飞行器再入飞行走廊。
在建立高超声速飞行器模型之前，坐标系的选择是很关键的。选取不同的坐标系所建立的数学模型，会存在不同的形式，并且各种形式所建立的模型具有不同复杂度，关乎到模型解算的难易程度。因此要尽可能选取既符合飞行器运动规律又使得模型方程简单的坐标系。
a.坐标系定义：
坐标系是建立飞行器运动标量方程的基础。对于高超声速飞行器滑翔段轨迹规划来说，选取不同的坐标系，所建立的飞行器运动方程复杂程度也会因此不同，所以重点是选取合适的坐标系。本发明实施例中建立的坐标系都属于苏式坐标体系。
（1）地面坐标系：
地面坐标系又称大地坐标系
Figure M_220512173239265_265970001
，与地球固连，其中原点
Figure M_220512173239312_312830002
为位于地球表面上的某点，
Figure M_220512173239328_328462003
轴铅垂向上；
Figure M_220512173239359_359688004
轴在水平面内，通常选择指向目标（或目标在地球表面的投影）为正；
Figure M_220512173239390_390945005
轴则由
Figure M_220512173239423_423686006
、
Figure M_220512173239439_439773007
轴以及右手定则来确定。
（2）地心赤道惯性坐标系：
地心赤道惯性坐标系
Figure M_220512173239471_471051001
，一般又简称为惯性坐标系，其中原点E位于地球中心，
Figure M_220512173239502_502273002
轴与地球赤道平面垂直，以指向北极为正；
Figure M_220512173239517_517909003
轴位于赤道平面内，以指向春分点方向为正；
Figure M_220512173239533_533521004
轴则由
Figure M_220512173239564_564794005
、
Figure M_220512173239580_580409006
轴和右手准则来确定。
（3）地心赤道旋转坐标系：
地心赤道旋转坐标系
Figure M_220512173239596_596035001
，又被简称为地球坐标系，其中在地球中心处建立原点E，
Figure M_220512173239628_628732002
轴和地球赤道平面相互垂直，并且该轴以指向北极为正方向；
Figure M_220512173239644_644427003
轴位于赤道平面内，以指向赤道平面与格林威治子午面的相交线为正；
Figure M_220512173239675_675614004
轴则由
Figure M_220512173239691_691300005
、
Figure M_220512173239722_722483006
轴以及右手定则来确定。对于高超声速飞行器滑翔段运动方程建立来说，该坐标系很重要，因为其具有角速度
Figure M_220512173239738_738116007
。
（4）当地铅垂坐标系：
当地铅垂坐标系
Figure M_220512173239769_769409001
，一般又称为飞行器牵连铅垂地面固定坐标系，将地球视为椭球体，其中原点O位于飞行器质心，
Figure M_220512173239784_784977002
轴指向北方，
Figure M_220512173239818_818160003
轴铅垂向上，
Figure M_220512173239834_834293004
轴指向东方，也就是”北-天-东”规则。飞行器姿态的定义即与飞行器牵连铅垂地面固定坐标系有关。
（5）机体坐标系：
机体坐标系
Figure M_220512173239865_865581001
，与飞行器机体固联，是动坐标系。其中原点O位于飞行器质心，
Figure M_220512173239881_881181002
轴与飞行器机体纵轴重合，指向前方（机头方向）为正；
Figure M_220512173239912_912470003
轴位于飞行器机体纵向对称平面内，垂直于
Figure M_220512173239928_928056004
轴，指向上为正；
Figure M_220512173239959_959318005
轴由
Figure M_220512173239974_974951006
、
Figure M_220512173239990_990566007
轴以及右手定则来确定。
（6）航迹坐标系：
航迹坐标系
Figure M_220512173240023_023759001
，与飞行器速度矢量固联，是动坐标系。其中原点O位于飞行器质心，
Figure M_220512173240039_039375002
轴与飞行器速度矢量V重合，以指向前为正；
Figure M_220512173240070_070657003
轴位于包含航迹速度矢量V的铅垂平面内，且与航迹速度矢量垂直，指向上为正；
Figure M_220512173240086_086275004
轴则由
Figure M_220512173240101_101904005
、
Figure M_220512173240133_133154006
轴和右手准则来确定。
（7）速度坐标系：
速度坐标系
Figure M_220512173240148_148783001
，与飞行器速度矢量固联，是动坐标系。其中原点O位于飞行器质心，
Figure M_220512173240180_180011002
轴与飞行器速度矢量V重合，以指向前为正；
Figure M_220512173240195_195650003
轴位于飞行器机体纵向对称平面内，与
Figure M_220512173240230_230821004
轴垂直，指向上为正；
Figure M_220512173240246_246420005
轴由
Figure M_220512173240277_277706006
、
Figure M_220512173240293_293297007
轴以及右手定则来确定。
b.坐标系的转换：
飞行器在飞行过程中，作用在其上的力包括重力、推力和空气动力。这些力往往定义在上述不同的坐标系中。为了建立描绘飞行器质心运动的动力学方程，必须进行上述各坐标系之间的转换，即将不同坐标系下定义的作用力都转换到某一个选定的、能够描述飞行器运动特征的坐标系下。不同坐标系之间的转换关系图如图2所示，图2为根据本发明实施例提供的一种坐标系转换关系示意图。
其中，坐标系绕着它的某一个坐标轴的旋转被称为基元旋转，可以得到：
坐标系绕x轴转过
Figure M_220512173240324_324573001
角的基元旋转矩阵为：
Figure M_220512173240340_340195001
坐标系绕y轴转过
Figure M_220512173240404_404118001
角的基元旋转矩阵为：
Figure M_220512173240420_420251001
坐标系绕z轴转过
Figure M_220512173240467_467132001
角的基元旋转矩阵为：
Figure M_220512173240498_498381001
（1）地球坐标系与当地铅垂坐标系之间的关系及转换：
考虑到高超声速飞行器在地球（地球坐标系）上的位置，因为飞行距离很远，一般都使用球坐标
Figure M_220512173240545_545254001
、
Figure M_220512173240691_691239002
和
Figure M_220512173240722_722490003
表示。其中，
Figure M_220512173240785_785007004
为飞行器与地心的距离，
Figure M_220512173240835_835777005
为地理经度，
Figure M_220512173240882_882722006
为地理纬度。地球坐标系与当地铅垂坐标系之间的关系为：
Figure P_220512173240898_898271001
所以可以得到由地球坐标系到当地铅垂坐标系的坐标转换矩阵为：
Figure P_220512173240951_951471001
（2）当地铅垂坐标系与航迹坐标系之间的关系及转换：
当地铅垂坐标系与航迹坐标系之间的相对关系可由航迹倾斜角
Figure M_220512173240998_998856001
和航迹方位角
Figure M_220512173241016_016406002
来确定。其中航迹倾斜角
Figure M_220512173241048_048181003
是指水平面
Figure M_220512173241063_063805004
与飞行器速度矢量V之间的夹角，当水平面位于速度矢量V的下方时，定义航迹倾斜角
Figure M_220512173241095_095047005
为正，反之为负。航迹方位角
Figure M_220512173241110_110670006
是指
Figure M_220512173241126_126327007
轴与飞行器速度矢量V在水平面
Figure M_220512173241141_141958008
上的投影之间的夹角，当
Figure M_220512173241173_173186009
轴位于该投影线的左侧时，定义航迹方位角
Figure M_220512173241188_188796010
为正，反之为负。所以当地铅垂坐标系与航迹坐标系之间的关系可表示为：
Figure P_220512173241221_221507001
所以可以得到由当地铅垂坐标系到航迹坐标系的坐标转换矩阵为：
Figure P_220512173241252_252760001
（3）机体坐标系与速度坐标系之间的关系及转换：
机体坐标系与速度坐标系之间的相对关系可由攻角
Figure M_220512173241299_299633001
和侧滑角
Figure M_220512173241315_315266002
来确定。其中攻角
Figure M_220512173241346_346561003
是指飞行器纵轴
Figure M_220512173241361_361803004
与飞行器速度矢量V在纵向对称平面内的投影的夹角，当飞行器纵轴位于速度矢量投影线的上方时，定义攻角
Figure M_220512173241393_393416005
为正，反之为负。侧滑角
Figure M_220512173241409_409981006
是指飞行器纵向对称平面与飞行器速度矢量V之间的夹角，若沿着飞行方向观察，气流从右侧流向飞行器，可定义此时侧滑角
Figure M_220512173241441_441767007
为正，反之为负。所以机体坐标系与速度坐标系之间的关系可表示为：
Figure P_220512173241457_457395001
所以可以得到由机体坐标系到速度坐标系的坐标转换矩阵为：
Figure P_220512173241488_488663001
（4）航迹坐标系与速度坐标系之间的关系及转换：
航迹坐标系与速度坐标系之间的相对关系可由倾侧角
Figure M_220512173241519_519897001
来确定，
Figure M_220512173241551_551148002
又称为速度滚转角。其中倾侧角
Figure M_220512173241566_566754003
是指包含飞行器速度矢量V在内的铅垂平面与飞行器纵向对称平面
Figure M_220512173241598_598033004
内的
Figure M_220512173241616_616039005
轴之间的夹角（
Figure M_220512173241647_647840006
轴与
Figure M_220512173241663_663441007
轴之间的夹角），当沿着飞行器速度方向观察，若飞行器纵向对称平面向右侧倾斜时，定义倾侧角
Figure M_220512173241694_694704008
为正，反之为负。所以航迹坐标系与速度坐标系之间的关系可表示为：
Figure P_220512173241710_710344001
所以可以得到由航迹坐标系到速度坐标系的坐标转换矩阵为：
Figure M_220512173241741_741517001
②高超声速滑翔飞行器建模：
飞行器运动方程组是一组描述关于飞行器运动参数与作用在飞行器上的力、力矩之间关系的方程。由经典力学可知，刚体在空间的任意运动分为刚体质心平移运动和绕刚体质心转动运动，即分别决定了刚体的瞬时质心位置的三个自由度与刚体瞬时姿态的三个自由度。
a.基本假设：
因为飞行器质心运动相对绕质心转动变化较慢，所以建立高超声速飞行器的运动数学模型过程中，会对高超声速飞行器做出假设：
（1）高超声速飞行器为面对称的刚体，忽略飞行器机体弹性形变造成的影响；
（2）高超声速飞行器的几何中心、质心两点重合；
（3）高超声速飞行器滑翔段飞行过程中，不考虑飞行器的质量变化，质心位置也不发生改变；
（4）高超声速飞行器滑翔段起始点发动机就已停止工作，所以整个滑翔段飞行过程中，高超声速飞行器飞行主要依靠空气动力与自身重力进行；
（5）高超声速飞行器滑翔段轨迹规划，只考虑质心平移运动，认为绕质心旋转运动处于瞬时平衡状态。
b.高超声速飞行器滑翔段运动方程的一般形式：
基于牛顿第二定律可知，惯性系下的高超声速飞行器质心运动的矢量方程可表示为：
Figure M_220512173241788_788485001
（1）
其中，ai表示绝对加速度，P表示作用在飞行器上的发动机的推力矢量，R表示作用在飞行器上的空气动力，g表示地球产生的引力加速度，m表示飞行器的质量。
由公式（1）表示的是惯性系下的飞行器运动方程，但本发明实施例中的高超声速飞行器滑翔段飞行航程可达近万公里，所以需要考虑到地球自转对飞行器的影响。因此关于（1）式中的
Figure M_220512173241821_821117001
，有：
Figure M_220512173241883_883642001
（2）
由公式（2）可看出，飞行器的绝对加速度ai由三部分组成，第一部分表示相对加速度，其中Vk表示飞行器质心相对地球的速度，第二部分表示科氏加速度，第三部分表示牵连加速度。
在圆球形地球假设（考虑地球曲率和地球自转因素）下，引力加速度也可表示成：
Figure M_220512173241930_930534001
（3）
其中
Figure M_220512173241961_961762001
是地球引力常数。
结合公式（1）-（3），可以得到高超声速飞行器滑翔段相对于地球运动的动力学方程为：
Figure M_220512173241993_993002001
（4）
c.航迹坐标系下的飞行器质心动力学方程：
高超声速飞行器滑翔段制导设计一般建立在航迹坐标系下，因为在航迹坐标系下建立的飞行器质心动力学方程，可以很清楚的表示出飞行器轨迹速度大小和方向的变化，这有利于对飞行轨迹进行控制分析。
航迹坐标系是一个动坐标系，因此以航迹坐标系为基准，航迹坐标系
Figure M_220512173242025_025703001
与地球坐标系
Figure M_220512173242056_056948002
之间会存在有相对角速度
Figure M_220512173242088_088230003
，实际是由当地铅垂坐标系
Figure M_220512173242119_119477004
与航迹坐标系
Figure M_220512173242135_135083005
之间的相对角速度和当地铅垂坐标系
Figure M_220512173242166_166347006
与地球坐标系
Figure M_220512173242197_197612007
之间的相对角速度组成，这两项可表示为：
Figure M_220512173242215_215648001
（4）
Figure M_220512173242247_247403001
（5）
也就是：
Figure M_220512173242294_294280001
（6）
所以此时飞行器在航迹坐标系下相对于地球的速度可表示为：
Figure M_220512173242309_309898001
（7）
综上可以得到航迹坐标系下的飞行器运动方程的矢量形式为：
Figure P_220512173242372_372380001
（8）
对公式（8）进行详细推导，有：
Figure M_220512173242405_405091001
（9）
因为有几何关系：
Figure M_220512173242514_514981001
（10）
Figure M_220512173242561_561860001
（11）
代入式（9），可以消去
Figure M_220512173242593_593138001
和
Figure M_220512173242610_610651002
。
而在航迹坐标系下，飞行器速度矢量
Figure M_220512173242642_642423001
的分量形式表示为：
Figure M_220512173242673_673679001
（12）
所以有：
Figure P_220512173242704_704925001
（13）
航迹坐标系下的距离矢量
Figure M_220512173242767_767415001
的分量可表示为：
Figure M_220512173242783_783055001
（14）
所以有：
Figure M_220512173242831_831401001
（15）
航迹坐标系下的推力
Figure M_220512173242878_878216001
的分量可表示为：
Figure M_220512173242893_893878001
（16）
航迹坐标系下的空气动力
Figure M_220512173242956_956379001
的分量可表示为：
Figure M_220512173242987_987640001
（17）
地球旋转角速度
Figure M_220512173243051_051582001
在航迹坐标系下的分量可表示为：
Figure M_220512173243082_082843001
（18）
所以有：
Figure M_220512173243160_160972001
（19）
Figure M_220512173243224_224929001
（20）
所以由公式（1）~公式（20）可以得到在航迹坐标系下高超声速飞行器滑翔段质心运动的动力学方程为：
Figure F_220512173237702_702979001
（21）
观察公式（21），可看出高超声速飞行器滑翔段质心运动的动力学方程右边由5项内容组成，依次分别为地球曲率对飞行器的作用、地球引力对飞行器的作用、推力和气动力对飞行器的作用、科氏惯性力对飞行器的作用、牵连惯性力对飞行器的作用。本发明实施例中的研究对象是高超声速飞行器无动力滑翔段，所以不考虑第3项中的推力作用。且本发明实施例假设飞行过程无侧滑运动，所以对第3项中的空气动力作用部分做些简化处理。
d.航迹坐标系下的飞行器质心运动学方程：
研究飞行器质心运动的运动学方程，可以确定每一时刻高超声速飞行器滑翔段质心的位置信息，而飞行器质心运动学方程常常以飞行器质心位置变化率和速度之间的关系来表示：
Figure M_220512173243318_318694001
（22）
其中，A代表高超声速飞行器的质心位置矢量。
本发明实施例中的研究对象是处于飞行航程近似一万公里的状态下，所以为了便于分析，假设为圆球形大地情况。
飞行器速度矢量在当地铅垂坐标系下的分量可表示为：
Figure M_220512173243349_349917001
（23）
在当地铅垂坐标系下，距离矢量r的分量可表示为：
Figure M_220512173243396_396822001
（24）
所以飞行器速度矢量在当地铅垂坐标系下的分量也可以表示为：
Figure M_220512173243429_429513001
（25）
其中：
Figure M_220512173243476_476381001
（26）
将公式（26）代入公式（25），可以得到：
Figure M_220512173243523_523276001
（27）
因为公式（27）与公式（23）相等，所以可以得到高超声速飞行器滑翔段在航迹坐标系下质心运动的运动学方程为：
Figure M_220512173243570_570155001
（28）
综合飞行器质心运动的动力学方程（21）和运动学方程（28），可以得到三维空间内，高超声速飞行器滑翔段在航迹坐标系下的运动模型，如下式所示：
Figure P_220512173243617_617987001
（29）
其中，r表示高超声速飞行器质心相对于地球的地心距，
Figure M_220512173243712_712259001
表示经度，
Figure M_220512173243743_743497002
表示纬度，
Figure M_220512173243759_759098003
、
Figure M_220512173243790_790365004
、
Figure M_220512173243808_808389005
分别表示飞行器相对旋转地球的速度、航迹倾斜角、航迹方位角，
Figure M_220512173243844_844039006
表示地球的自转角速率，
Figure M_220512173243860_860199007
表示倾侧角，D表示飞行器所受空气阻力，L表示升力。阻力和升力的具体表达式如下所示：
Figure M_220512173243891_891436001
（30）
Figure M_220512173243922_922704001
（31）
公式（30）~公式（31）中，
Figure M_220512173243969_969581001
表示高超声速飞行器的参考面积，
Figure M_220512173243985_985192002
；
Figure M_220512173244033_033528003
表示飞行器当前所处高度的大气密度；
Figure M_220512173244064_064787004
和
Figure M_220512173244080_080397005
分别表示为飞行器阻力系数和升力系数，本论文中根据CAV-H公开资料，对气动力数据进行插值拟合，将阻力系数和升力系数都定义为关于攻角
Figure M_220512173244111_111651006
的函数：
Figure M_220512173244243_243993001
（32）
Figure M_220512173244306_306490001
（33）
在后续实现中，为便于分析，对高超声速飞行器滑翔段三维空间运动模型中的变量都做无量纲化处理。
③再入飞行走廊的建立：
再入飞行走廊可定义为高超声速飞行器安全再入所必须满足的各种约束条件的交集，进而可以确定飞行过程中控制变量倾侧角的变化范围，所以确定再入飞行走廊是CAV-H滑翔段轨迹规划的首要工作。
a.过程约束：
再入飞行走廊主要由高超声速飞行器滑翔段飞行过程中受到的过程约束组成，主要有以下约束：
热流约束：
Figure M_220512173244353_353353001
（34）
式中，
Figure M_220512173244450_450030001
为飞行器头部驻点热流密度，常数
Figure M_220512173244481_481295002
，
Figure M_220512173244512_512554003
为大气密度，热流密度单位为
Figure M_220512173244528_528175004
，飞行器可以承受的最大热流密度
Figure M_220512173244559_559430005
。
过载约束：
Figure M_220512173244590_590687001
（35）
式中，n为飞行器受到的法向气动过载，飞行器可以承受的最大过载
Figure M_220512173244639_639517001
，g为当地的重力加速度。
动压约束：
Figure M_220512173244670_670746001
（36）
式中，飞行器可以承受的最大动压
Figure M_220512173244702_702018001
s。
考虑到大气密度
Figure M_220512173244733_733270001
的模型可以采用简化的指数形式，即：
Figure P_220512173244764_764510001
（37）
其中，
Figure M_220512173244795_795755001
，表示海平面的大气密度；hs=7200m；
Figure M_220512173244828_828427002
，
Figure M_220512173244844_844111003
，
Figure M_220512173244890_890990004
表示地球半径。
将公式（37）代入公式（34）~公式（36）中，可以得到：
Figure P_220512173244922_922237001
（38）
综上，过程约束组合即为再入飞行走廊的下边界。
b.伪平衡滑翔条件：
考虑到牵连加速度对飞行器的影响远远小于科氏加速度，所以本发明实施例在伪平衡滑翔条件中忽略牵连加速度项。而升力体飞行器的大部分再入轨迹，航迹倾斜角
Figure M_220512173244969_969106001
通常很小，并且变化相对很慢。所以在式（29）中第二行基础上，令
Figure M_220512173245000_000360002
，得：
Figure M_220512173245033_033046001
（39）
公式（39）就是伪平衡滑翔条件（Quasi-Equilibrium Guide Condition，QEGC）。在理论上来说，只要受到足够的空气升力，公式（39）就可以保证飞行轨迹绝对平直。
④控制量设计：
首先是攻角剖面。由于再入飞行走廊的形状取决于攻角变化规律，因此攻角曲线设计是飞行方案设计的首要任务。对于大升阻比再入滑翔飞行器，热防护是攻角曲线设计的主要考虑因素。本发明实施例中设计CAV-H攻角曲线为关于速度的分段线性函数：
Figure P_220512173245079_079944001
（40）
（40）式中，αmax、αmaxL/D分别表示是最大飞行攻角和最大升阻比对应的攻角，取值为20°、10°。V1和V2为曲线分段参数，可以根据滑翔段吸热最少进行优化设计，本发明实施例中取值为5km/s和3km/s。采用公式（40）所示攻角变化规律的好处在于：在滑翔段初期以大攻角飞行，这样可以使防热结构系统的负担减轻；通过高热流区域后以最大升阻比攻角飞行，可以增加纵向航程和侧向机动能力。
然后是基于Attention-GRU模型的倾侧角设计，本发明实施例基于Attention-GRU模型，输入当前时刻的飞行状态量，实时输出控制量倾侧角，具体过程见图3，图3为根据本发明实施例提供的一种再入制导方案示意图。
（1）注意力机制（Attention机制）：
深度学习中的注意力机制从本质上讲和人类的选择性视觉注意力机制类似，核心目标也是从众多信息中选择出对当前任务目标更关键的信息，本发明实施例利用此机制优化因输入状态量过多导致的收敛性差、训练耗时及泛化性差的问题，其基本思想如图4所示，图4为根据本发明实施例提供的一种注意力机制的示意图。
如图4所示，将Source中的构成元素想象成是由一系列的<Key,Value>数据对构成，此时给定Target中的某个元素Query，通过计算Query和各个Key的相似性或者相关性，得到每个Key对应Value的权重系数，然后对Value进行加权求和，即得到了最终的Attention数值。所以本质上Attention机制是对Source中元素的Value值进行加权求和，而Query和Key用来计算对应Value的权重系数。
其本质思想可改写为公式（41）：
Figure M_220512173245142_142451001
（41）
公式（41）中，n表示Source的长度。
（2）门控循环单元网络（GRU网络）：
GRU是长短期记忆（LSTM）网络的一种效果很好的变体，它较LSTM网络的结构更加简单，而且效果也很好，其具体结构如图5所示，图5为根据本发明实施例提供的一种门控循环单元模型结构示意图。其模型表达式见公式（42）：
Figure P_220512173245237_237685001
（42）
公式（42）中Wr、Wz、Wh、Wo为待学习的权值参数，[]表示两个向量拼接，*表示矩阵相乘，xt为当前的输入，ht-1为上一个节点传递下来的隐状态，yt为当前隐藏节点的输出，ht为传递给下一个节点的隐状态，rt为重置门输出，zt为更新门输出，
Figure P_220512173245284_284522001
为当前时刻候选状态，计算出候选值后通过更新门来控制前一个隐藏状态有多少信息可以传递到当前隐藏状态。
至此，完成Attention-GRU模型的建立，再通过此模型完成倾侧角的设计。
本发明实施例提供的一种基于注意力机制与门控循环单元的飞行器制导方法，通过神经网络完成序列到单一变量的拟合，即将飞行轨迹数据的状态向量以及当前值与目标点数据的差值的组合向量作为网络输入，最终得到的网络输出为下一时刻的倾侧角。
具体的，本发明实施例中，Attention-GRU模型的网络输入为：
Figure M_220512173245315_315754001
其中：
Figure M_220512173245378_378275001
为地心距，
Figure M_220512173245410_410481002
为经度，
Figure M_220512173245426_426619003
为纬度，
Figure M_220512173245457_457854004
为速度，
Figure M_220512173245489_489095005
为航迹倾斜角，
Figure M_220512173245504_504723006
为航迹方位角；
Figure M_220512173245536_536017001
为当前时刻地心距与终末交班点（目标点）的地心距之差；
Figure M_220512173245551_551634001
为当前时刻纬度与终末交班点（目标点）的纬度之差；
Figure M_220512173245582_582865001
为当前时刻经度与终末交班点（目标点）的经度之差；
Figure M_220512173245616_616013001
为当前时刻速度与终末交班点（目标点）的速度之差；
Figure M_220512173245647_647821001
为飞行器当前时刻航向角与视线角的偏差；
Figure M_220512173245663_663422001
为当前时刻剩余飞行时间，
Figure M_220512173245710_710306002
为当前时刻剩余航程；
Figure M_220512173245741_741541001
为当前时刻热流率与驻点处最大循序热流率的偏差；
Figure M_220512173245772_772818001
为当前时刻飞行器过载与最大允许过载的偏差；
Figure M_220512173245788_788445001
为当前时刻飞行器动压与最大允许动压的偏差。
本发明实施例中，Attention-GRU模型的网络输出为：
Figure M_220512173245837_837260001
，即下一时刻的倾侧角的符号与幅值。
得到下一时刻倾侧角后，根据需要设计积分步长，后对建立的飞行器动力学模型（即（29）式所示模型）进行积分，即可得到此时的飞行器状态。
得到飞行器下一时刻的状态之后，与终末交班点状态做比对，若满足要求则制导结束，若不满足要求则更新飞行器状态继续通过网络预测下一时刻的倾侧角，循环此过程直到生成满足交班点要求的完整轨迹。
本发明实施例提供的一种基于注意力机制与门控循环单元的飞行器制导方法，能够在高超声速飞行器再入段进行实时在线制导，针对传统的预测校正制导方法进行改进，提出基于Attention-GRU模型的智能再入制导方案，此方案无论是相较于传统的预测校正方案还是现有的改进算法，都可以在满足基本等同的轨迹规划效果的同时，优化网络输入，提高模型的泛化性，能够进一步减少计算量、节省计算机算力、提高计算速度，能满足在线制导的实时性要求。
实施例二：
图6为根据本发明实施例提供的一种基于注意力机制与门控循环单元的飞行器制导系统的示意图。如图6所示，该系统包括：获取模块10，预测模块20和制导模块30。
获取模块10，用于获取目标飞行器在当前时刻的初始飞行状态量；目标飞行器为高超声速飞行器。
可选地，初始飞行状态量包括：目标飞行器的飞行轨迹数据、目标飞行器的飞行轨迹数据与终末交班点数据的差值。
预测模块20，用于将初始飞行状态量作为输入量输入到训练好的Attention-GRU模型，得到目标飞行器在下一个制导周期的预测倾侧角。
制导模块30，用于基于预测倾侧角，对目标飞行器进行制导。
本发明提供了一种基于注意力机制与门控循环单元的飞行器制导系统，利用GRU神经网络取代已有网络模型，具有更加简单的结构、更少的参数和更好的收敛性，同时引入注意力机制优化网络输入，以减少因实时状态量过多引起的网络训练耗时、收敛性差、拟合程度低的问题，缓解了现有技术中存在的浪费算力与时间、对实时性影响较大的技术问题。
可选地，制导模块30，包括：计算单元31和判断单元32。
具体的，计算单元31，用于基于预测倾侧角，对目标飞行器的动力学模型进行积分，得到目标飞行器在下一个制导周期的预测飞行状态量。
判断单元32，用于基于预设终末交班点状态，判断预测飞行状态量是否满足交班条件；如果否，则以预测飞行状态量作为训练好的Attention-GRU模型的输入量，继续预测下一个制导周期的预测倾侧角和计算下一个制导周期的预测飞行状态量，直到预测飞行状态量满足交班条件。
可选地，计算单元31，还用于：基于预设速度攻角剖面，确定目标飞行器的攻角；将预测倾侧角和攻角代入到目标飞行器的动力学模型，以预设积分步长进行积分，得到目标飞行器在下一个制导周期的预测飞行状态量。
本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例一中的方法的步骤。
本发明实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述实施例一中的方法。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种基于注意力机制与门控循环单元的飞行器制导方法，其特征在于，包括：
获取目标飞行器在当前时刻的初始飞行状态量；所述目标飞行器为高超声速飞行器；
将所述初始飞行状态量作为输入量输入到训练好的Attention-GRU模型，得到所述目标飞行器在下一个制导周期的预测倾侧角；
所述初始飞行状态量包括：当前时刻目标飞行器的地心距
Figure M_220722125524300_300008001
，经度
Figure M_220722125524331_331159002
，纬度
Figure M_220722125524362_362457003
，速度
Figure M_220722125524378_378078004
，航迹倾斜角
Figure M_220722125524409_409327005
和航迹方位角
Figure M_220722125524424_424931006
；当前时刻目标飞行器与终末交班点的地心距之差，纬度之差、经度之差和速度之差；以及当前时刻目标飞行器的航向角与视线角的偏差
Figure M_220722125524456_456187007
，剩余飞行时间
Figure M_220722125524477_477147008
，当前时刻热流率与驻点处最大循序热流率的偏差
Figure M_220722125524524_524550009
，当前时刻目标飞行器过载与最大允许过载的偏差
Figure M_220722125524555_555795010
和当前时刻目标飞行器动压与最大允许动压的偏差
Figure M_220722125524618_618282011
；Attention-GRU模型的输出为下一个制导周期的倾侧角的符号
Figure M_220722125524649_649649012
与幅值
Figure M_220722125524681_681802013
；
基于所述预测倾侧角，对所述目标飞行器进行制导。
2.根据权利要求1所述的方法，其特征在于，基于所述预测倾侧角，对所述目标飞行器进行制导，包括：
基于所述预测倾侧角，对所述目标飞行器的动力学模型进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量；
基于预设终末交班点状态，判断所述预测飞行状态量是否满足交班条件；
如果否，则以所述预测飞行状态量作为所述训练好的Attention-GRU模型的输入量，继续预测下一个制导周期的预测倾侧角和计算下一个制导周期的预测飞行状态量，直到所述预测飞行状态量满足所述交班条件。
3.根据权利要求2所述的方法，其特征在于，基于所述预测倾侧角，对所述目标飞行器的动力学模型进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量，包括：
基于预设速度攻角剖面，确定所述目标飞行器的攻角；
将所述预测倾侧角和所述攻角代入到所述目标飞行器的动力学模型，以预设积分步长进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量。
4.一种基于注意力机制与门控循环单元的飞行器制导系统，其特征在于，包括：获取模块，预测模块和制导模块；其中，
所述获取模块，用于获取目标飞行器在当前时刻的初始飞行状态量；所述目标飞行器为高超声速飞行器；
所述预测模块，用于将所述初始飞行状态量作为输入量输入到训练好的Attention-GRU模型，得到所述目标飞行器在下一个制导周期的预测倾侧角；所述初始飞行状态量包括：当前时刻目标飞行器的地心距
Figure M_220722125524697_697862001
，经度
Figure M_220722125524728_728662002
，纬度
Figure M_220722125524744_744745003
，速度
Figure M_220722125524760_760349004
，航迹倾斜角
Figure M_220722125524791_791649005
和航迹方位角
Figure M_220722125524807_807230006
；当前时刻目标飞行器与终末交班点的地心距之差，纬度之差、经度之差和速度之差；以及当前时刻目标飞行器的航向角与视线角的偏差
Figure M_220722125524822_822875007
，剩余飞行时间
Figure M_220722125524854_854130008
，当前时刻热流率与驻点处最大循序热流率的偏差
Figure M_220722125524871_871179009
，当前时刻目标飞行器过载与最大允许过载的偏差
Figure M_220722125524887_887369010
和当前时刻目标飞行器动压与最大允许动压的偏差
Figure M_220722125524918_918582011
；Attention-GRU模型的输出为下一个制导周期的倾侧角的符号
Figure M_220722125524934_934205012
与幅值
Figure M_220722125524949_949831013
；
所述制导模块，用于基于所述预测倾侧角，对所述目标飞行器进行制导。
5.根据权利要求4所述的系统，其特征在于，所述制导模块，包括：计算单元和判断单元；其中，
所述计算单元，用于基于所述预测倾侧角，对所述目标飞行器的动力学模型进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量；
所述判断单元，用于基于预设终末交班点状态，判断所述预测飞行状态量是否满足交班条件；如果否，则以所述预测飞行状态量作为所述训练好的Attention-GRU模型的输入量，继续预测下一个制导周期的预测倾侧角和计算下一个制导周期的预测飞行状态量，直到所述预测飞行状态量满足所述交班条件。
6.根据权利要求5所述的系统，其特征在于，所述计算单元，还用于：
基于预设速度攻角剖面，确定所述目标飞行器的攻角；
将所述预测倾侧角和所述攻角代入到所述目标飞行器的动力学模型，以预设积分步长进行积分，得到所述目标飞行器在下一个制导周期的预测飞行状态量。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至3任一项所述的方法的步骤。
8.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1-3任一项所述方法。
CN202210516782.9A 2022-05-13 2022-05-13 基于注意力机制与门控循环单元的飞行器制导方法和系统 Active CN114740894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210516782.9A CN114740894B (zh) 2022-05-13 2022-05-13 基于注意力机制与门控循环单元的飞行器制导方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210516782.9A CN114740894B (zh) 2022-05-13 2022-05-13 基于注意力机制与门控循环单元的飞行器制导方法和系统

Publications (2)

Publication Number Publication Date
CN114740894A CN114740894A (zh) 2022-07-12
CN114740894B true CN114740894B (zh) 2022-08-26

Family

ID=82285376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210516782.9A Active CN114740894B (zh) 2022-05-13 2022-05-13 基于注意力机制与门控循环单元的飞行器制导方法和系统

Country Status (1)

Country Link
CN (1) CN114740894B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106586033A (zh) * 2017-01-13 2017-04-26 北京航空航天大学 自适应分段的多段线性伪谱广义标控脱靶量再入制导方法
CN108036676A (zh) * 2017-12-04 2018-05-15 北京航空航天大学 一种基于三维再入弹道解析解的全射向自主再入制导方法
CN109270960A (zh) * 2018-12-05 2019-01-25 中南大学 基于Radau伪谱法的在线最优反馈再入制导方法
CN110442600A (zh) * 2019-04-17 2019-11-12 江苏网谱数据服务有限公司 一种时间序列异常检测方法
CN111580555A (zh) * 2020-05-13 2020-08-25 北京控制工程研究所 一种高超声速飞行器上升段分段自适应预测校正制导方法
CN112498744A (zh) * 2020-11-12 2021-03-16 中国航天空气动力技术研究院 纵横向松耦合在线轨迹规划方法及电子设备
CN112623259A (zh) * 2021-03-08 2021-04-09 北京航空航天大学 针对高超声速飞行器数据丢包的自抗扰控制器设计方法
CN112947573A (zh) * 2021-03-12 2021-06-11 北京理工大学 终端时间约束下的高超声速飞行器再入制导方法
CN113835442A (zh) * 2021-09-30 2021-12-24 北京航空航天大学 高超声速滑翔飞行器线性伪谱再入制导方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107992074B (zh) * 2017-12-07 2019-08-20 大连理工大学 一种基于飞行路径角规划的再入轨迹设计方法
CN108983800B (zh) * 2018-07-27 2020-11-03 西北工业大学 一种基于深度学习的飞机姿态控制方法
CN113408588B (zh) * 2021-05-24 2023-02-14 上海电力大学 一种基于注意力机制的双向gru轨迹预测方法
CN113269363B (zh) * 2021-05-31 2023-06-30 西安交通大学 一种高超声速飞行器的轨迹预测方法、系统、设备及介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106586033A (zh) * 2017-01-13 2017-04-26 北京航空航天大学 自适应分段的多段线性伪谱广义标控脱靶量再入制导方法
CN108036676A (zh) * 2017-12-04 2018-05-15 北京航空航天大学 一种基于三维再入弹道解析解的全射向自主再入制导方法
CN109270960A (zh) * 2018-12-05 2019-01-25 中南大学 基于Radau伪谱法的在线最优反馈再入制导方法
CN110442600A (zh) * 2019-04-17 2019-11-12 江苏网谱数据服务有限公司 一种时间序列异常检测方法
CN111580555A (zh) * 2020-05-13 2020-08-25 北京控制工程研究所 一种高超声速飞行器上升段分段自适应预测校正制导方法
CN112498744A (zh) * 2020-11-12 2021-03-16 中国航天空气动力技术研究院 纵横向松耦合在线轨迹规划方法及电子设备
CN112623259A (zh) * 2021-03-08 2021-04-09 北京航空航天大学 针对高超声速飞行器数据丢包的自抗扰控制器设计方法
CN112947573A (zh) * 2021-03-12 2021-06-11 北京理工大学 终端时间约束下的高超声速飞行器再入制导方法
CN113835442A (zh) * 2021-09-30 2021-12-24 北京航空航天大学 高超声速滑翔飞行器线性伪谱再入制导方法和系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
An Optimal Nonlinear Guidance Logic for the Trajectory Tracking of Supercavitating Vehicles;Jia Song et al.;《Proceedings of 2017 lEEE International Conference on Mechatronics and Automation》;20170809;第1221-1226页 *
Investigation of direct force control for aerocapture at Neptune;Rohan G. Deshmukh et al.;《Acta Astronautica》;20200531;第375–386页 *
基于LSTM模型的飞行器智能制导技术研究;汪韧 等;《力学学报》;20210731;第2047-2057页 *
基于倾侧角反馈控制的预测校正再入制导方法;赵江 等;《兵工学报》;20150531(第05期);第823-830页 *
基于循环神经网络的集群意图识别方法研究;吴南方;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20200315;第5、38-42页 *
高超声速飞行器再入段LQR自抗扰控制方法设计;高科 等;《宇航学报》;20201130;第1418-1423页 *
高超声速飞行器纵向平面滑翔飞行制导控制方法;王建华 等;《国防科技大学学报》;20170228(第01期);第58-66页 *

Also Published As

Publication number Publication date
CN114740894A (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
CN110806759B (zh) 一种基于深度强化学习的飞行器航线跟踪方法
Lawrance et al. Autonomous exploration of a wind field with a gliding aircraft
CN104392047B (zh) 一种基于平稳滑翔弹道解析解的快速弹道规划方法
Scorsoglio et al. Image-based deep reinforcement meta-learning for autonomous lunar landing
CN108319293B (zh) 一种基于lstm网络的uuv实时避碰规划方法
Kang et al. Deep convolutional identifier for dynamic modeling and adaptive control of unmanned helicopter
De Marco et al. A general solution to the aircraft trim problem
CN109901598A (zh) 基于随机模型预测控制技术的自主水下机器人路径跟踪方法
CN110362089A (zh) 一种基于深度强化学习和遗传算法的无人船自主导航的方法
CN103995540A (zh) 一种高超声速飞行器的有限时间轨迹快速生成方法
CN111123923B (zh) 一种无人船舶局部路径动态优化方法
Spasojevic et al. Perception-aware time optimal path parameterization for quadrotors
CN114355777B (zh) 一种基于分布式压力传感器与分段姿态控制的动态滑翔方法及系统
CN113359448A (zh) 一种针对时变动力学的自主水下航行器轨迹跟踪控制方法
Gao et al. Dubins path‐based dynamic soaring trajectory planning and tracking control in a gradient wind field
CN112173173A (zh) 一种面向成像卫星的目标可见弧段确定方法
CN114721261A (zh) 一种火箭子级姿态翻转着陆在线制导方法
CN115755598A (zh) 一种智能航天器集群分布式模型预测路径规划方法
CN115265532A (zh) 一种用于船用组合导航中的辅助滤波方法
Kobilarov Discrete geometric motion control of autonomous vehicles
Baier et al. Hybrid physics and deep learning model for interpretable vehicle state prediction
De La Torre et al. Autonomous suspended load operations via trajectory optimization and variational integrators
CN114740894B (zh) 基于注意力机制与门控循环单元的飞行器制导方法和系统
CN115542746B (zh) 高超声速飞行器的能量管控再入制导方法及装置
CN116068894A (zh) 基于双层强化学习的火箭回收制导方法

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