CN116227343A - 拦截机动目标满足视场角约束的末角攻击制导律设计方法 - Google Patents

拦截机动目标满足视场角约束的末角攻击制导律设计方法 Download PDF

Info

Publication number
CN116227343A
CN116227343A CN202310069032.6A CN202310069032A CN116227343A CN 116227343 A CN116227343 A CN 116227343A CN 202310069032 A CN202310069032 A CN 202310069032A CN 116227343 A CN116227343 A CN 116227343A
Authority
CN
China
Prior art keywords
angle
target
intercepting
interception
constraint
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.)
Pending
Application number
CN202310069032.6A
Other languages
English (en)
Inventor
陈永超
周宏潮
吴世义
闫常浩
刘勇
宋燕琦
许一
安瑛野
杨照
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.)
Unit 25 Unit 96901 Chinese Pla
Original Assignee
Unit 25 Unit 96901 Chinese Pla
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 Unit 25 Unit 96901 Chinese Pla filed Critical Unit 25 Unit 96901 Chinese Pla
Priority to CN202310069032.6A priority Critical patent/CN116227343A/zh
Publication of CN116227343A publication Critical patent/CN116227343A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种拦截机动目标满足视场角约束的末角攻击制导律设计方法，属于导弹制导控制技术领域。本发明在三维拦截模型的基础上，构建满足导引头视场角和末端角度约束的制导率设计目标，选择神经网络估计模型，设计多约束制导率。本发明针对传统零控脱靶量拦截制导律难以满足拦截弹对抗强机动目标制导需求，给出了一种拦截机动目标满足导引头视场角约束的末角攻击制导律，可实现拦截导弹在满足导引头视场角约束的条件下以期望末角对机动目标进行拦截。

Description

拦截机动目标满足视场角约束的末角攻击制导律设计方法
技术领域
本发明属于导弹制导控制技术领域，具体涉及一种拦截机动目标满足视场角约束的末角攻击制导律设计方法。
背景技术
随着进攻飞行器目标的高机动性和强突防特性的增强，传统的零控脱靶量拦截制导律降低了拦截弹战斗部的毁伤能力和成功拦截概率，因此，国内外更多考虑多约束制导律设计问题，即以期望的攻击角度对目标重点部分进行打击。且考虑到制导律设计中存在的物理约束，如导引头视场角约束以及执行器输出受限约束等，考虑导引头视场角和攻击角约束打击目标的末制导律成为现有国内外研究的热点。
然而，现有国内外研究文献中针对攻击角和视场角约束制导律设计更多考虑的是空地导弹或反舰导弹的多约束制导律设计问题，而针对机动目标在满足导引头视场角约束的条件下以期望攻击角度对目标进行拦截的末制导的研究很少，文献“Kim H G,Kim HJ.Field-of-View Constrained Guidance Law for a Maneuvering Target With ImpactAngle Control[J].IEEE Transactions on Aerospace and Electronic Systems,2020(6):56”中针对二维视场角受限条件下以期望攻击角拦截机动目标问题进行了研究，经过推导得出末端期望视场角和末端期望攻击角之间的关系，进而将攻击角约束转化为视线角约束，通过在滑模面中引入符号函数对视场角进行约束，并给出了视场角及攻击角满足约束的稳定性证明。文献“Wang X,Zhang Y,Wu H.Sl iding mode control based impactangle control guidance cons idering the seeker′s field-of-view constraint[J].Isa Transactions,2016,61”进一步基于满足视场角约束的充分条件，通过滑模控制设计拦截机动目标的多约束制导律。
然而上述文献中拦截机动目标满足导引头视场角和攻击角约束的制导律均是在二维平面下设计的，当应用于三维制导律设计时，俯仰和偏航通道之间的耦合会影响制导精度。因此，本发明基于滑模面和滤波器提出拦截机动目标的多约束制导律。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是如何提供一种拦截机动目标满足视场角约束的末角攻击制导律设计方法，以解决拦截机动目标满足导引头视场角和攻击角约束的制导律均是在二维平面下设计的的问题。
(二)技术方案
为了解决上述技术问题，本发明提出一种拦截机动目标满足视场角约束的末角攻击制导律设计方法，该方法包括：在三维拦截模型的基础上，构建满足导引头视场角和末端角度约束的制导率设计目标，构建神经网络估计模型，设计多约束制导率。
(三)有益效果
本发明提出一种拦截机动目标满足视场角约束的末角攻击制导律设计方法，本发明在三维拦截模型的基础上，构建满足导引头视场角和末端角度约束的制导率设计目标，选择神经网络估计模型，设计多约束制导率。本发明针对传统零控脱靶量拦截制导律难以满足拦截弹对抗强机动目标制导需求，给出了一种拦截机动目标满足导引头视场角约束的末角攻击制导律，可实现拦截导弹在满足导引头视场角约束的条件下以期望末角对机动目标进行拦截。
附图说明
图1为本发明的三维攻击模型；
图2为仿真结果图，(a)为三维拦截轨迹图；(b)为过载图；(c)为视场角；(d)为视场角约束图；(e)为滑模面曲线图；(f)为相对距离图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
本发明属于导弹制导控制技术领域，特别涉及拦截导弹拦截机动目标的制导率设计，能够确保拦截导弹在满足导引头视场角约束的条件下以期望末角对机动目标进行拦截。
针对传统零控脱靶量拦截制导律难以满足拦截弹对抗强机动目标制导需求，本发明给出了一种拦截机动目标满足导引头视场角约束的末角攻击制导律设计方法，本发明在三维拦截制导模型的基础上，提出了三维拦截场景下满足导引头视场角和末端角度约束的制导律设计目标，构建了目标机动扰动的神经网络估计模型，设计了多约束制导律滑模面，定义了时变避障李雅普诺夫函数，并证明了拦截导弹在满足导引头视场角约束的条件下以期望末角对机动目标进行拦截。
本发明的技术方案是：在三维拦截模型的基础上，构建满足导引头视场角和末端角度约束的制导率设计目标，选择神经网络估计模型，设计多约束制导率。具体方法步骤如下：
A.三维拦截模型构建
考虑如图1所示的三维拦截模型，其中，M,T分别为拦截弹和目标，并定义了四个坐标系，即惯性坐标系MXIYIZI，视线坐标系MXLYLZL，拦截弹的弹道坐标系MXMYMZM及目标的弹道坐标系TXTYTZT。变量r是拦截弹和目标之间的相对距离，并定义惯性系和视线系之间的转换通过两个角度视线倾角θL和视线偏角ψL进行定义，拦截弹的速度系和视线系之间通过拦截弹的前置倾角θM和前置偏角ψM进行转换，同理，目标的速度系和视线系之间通过目标的前置倾角θT和前置偏角ψT进行定义。并假设拦截弹速度VM和目标速度VT均为常值。由拦截弹前置角σM和拦截弹的前置倾角θM和前置偏角ψM之间的几何关系可得如下关系式：
cosσM＝cosθM·cosψM (1)
且拦截运动学和动力学可进一步描述如下：
Figure BDA0004063412510000041
Figure BDA0004063412510000042
Figure BDA0004063412510000043
Figure BDA0004063412510000044
Figure BDA0004063412510000045
Figure BDA0004063412510000046
Figure BDA0004063412510000047
其中，(ayM，azM)和(ayT，azT)分别是拦截弹和目标的法向加速度。
为了进一步推导针对机动目标满足视场角和末端角度约束的末制导律，定义x1＝θL-θLD，
Figure BDA0004063412510000048
x3＝ψL-ψLd，
Figure BDA0004063412510000049
其中，θLd，ψLd是期望视场角，且上述状态量的动力学方程表示如下：
Figure BDA00040634125100000410
其中，
Figure BDA00040634125100000411
h1＝-cosθM/R，d1＝cosθT·azT/R.
Figure BDA00040634125100000412
其中，
Figure BDA00040634125100000413
h2＝(sinθM sinψM)/(RcosθL)，h3＝-cosψM/(RcosθL)，d2＝(cosψT·ayT)/(R·cosθL)-(sinθT·sinψT·azT)/(R·cosθL).
B.构建制导律设计目标
三维拦截场景下满足导引头视场角和末端角度约束的制导律设计目标为
Figure BDA00040634125100000414
其中，θLd，ψLd是期望的俯仰和偏航视线角，
Figure BDA0004063412510000051
是由导引头视场角限制的最大前置角取值。且当视线角速率趋于零时可以实现零控脱靶量，因此设计目标转化
Figure BDA0004063412510000052
由状态量x1，x2，x3，x4的定义，等式满足下式
Figure BDA0004063412510000053
不同于二维拦截制导中期望末端攻击角和末端视线角之间存在显示关系，在三维拦截场景下，基于俯仰和V偏航通道之间的非线性耦合关系，无法得出期望末端俯仰方向攻击角以及期望末端偏航方向攻击角与末端视线倾角和视线偏角之间的显示几何关系，但对于三维拦截机动目标制导问题，考虑末端视线角约束可以保证末端视线角跟踪误差及其一阶导数同时收敛到零，从而可以有效避免碰撞时刻的控制器抖振问题。
C.构建神经网络估计模型
采用如下的神经网络对由于目标机动所产生的扰动d1，d2进行估计
Figure BDA0004063412510000054
其中，
Figure BDA0004063412510000055
Figure BDA0004063412510000056
是估计误差，
Figure BDA0004063412510000057
是
Figure BDA0004063412510000058
的估计值，Φ(Yi)是高斯基函数，Ci和σi分别是隐含层高斯基函数的宽度向量和高斯基函数中心点的坐标向量，Yi是神经网络的输入，
Figure BDA0004063412510000059
是ωi的最优值，即
Figure BDA00040634125100000510
其中，
Figure BDA00040634125100000511
是紧集，li、mi为实数集的维度。
假设1：假设估计误差有界，且满足如下不等式
Figure BDA0004063412510000061
其中，ε0是一个正常数。
D.设计多约束制导率
基于式(13)的设计目标，首先选择如下形式的滑模面
Figure BDA0004063412510000062
其中，k1＞0，1＜r1＜2，
Figure BDA0004063412510000063
sign(x2)是x2的符号函数。
对等式(17)求导可得：
Figure BDA0004063412510000064
将式(9)带入式(18)可得
Figure BDA0004063412510000065
定义如下的时变避障李雅普诺夫函数
Figure BDA0004063412510000066
对式(20)求导可得
Figure BDA0004063412510000067
其中，
Figure BDA0004063412510000068
由前置角和俯仰前置角以及偏航前置角之间的集合关系，前置角的动力学模型中函数法向加速度项，为了避免控制器奇异现象，引入如下的一阶滤波器
Figure BDA0004063412510000071
其中，T是一阶滤波器的时间常数，
Figure BDA0004063412510000072
是一阶滤波器的输出，
Figure BDA0004063412510000073
是
Figure BDA0004063412510000074
的导数，用来对
Figure BDA0004063412510000075
进行估计。
假设1：假设式(22)所示的一阶滤波器满足下式
Figure BDA0004063412510000076
其中，
Figure BDA0004063412510000077
是正常数。
则给出如下形式的Z方向的法向过载指令为
azM＝azMn+azMI+azMf+azMs (24)
其中，
Figure BDA0004063412510000078
Figure BDA0004063412510000079
Figure BDA00040634125100000710
Figure BDA00040634125100000711
其中，
Figure BDA00040634125100000712
是对θ1的估计，ε1＞0，μ1，μ2均为正常数，0＜a1＜1。
且给出如下的神经网络参数自适应更新律
Figure BDA00040634125100000713
其中，λ1，kθ1是正常数。
并给出另一个如下形式的滑模面
Figure BDA00040634125100000714
其中，k2＞0，1＜r2＜2，
Figure BDA00040634125100000715
sign(x2)是x2的符号函数。
对式(30)求导可得
Figure BDA0004063412510000081
将式(10)带入式(31)可得
Figure BDA0004063412510000082
选取如下形式的李雅普诺夫函数
Figure BDA0004063412510000083
对式(33)求导，并将式(32)带入可得
Figure BDA0004063412510000084
其中，
Figure BDA0004063412510000085
并给出如下的法向加速度ayM
ayM＝ayMn+ayMl+ayMs (35)
其中：
Figure BDA0004063412510000086
Figure BDA0004063412510000087
Figure BDA0004063412510000088
其中，
Figure BDA0004063412510000089
是对θ2的估计值，ε5，μ3，μ4是正常数，且0＜a2＜1。
并给出如下的神经网络参数自适应更新律
Figure BDA00040634125100000810
其中，λ2＞0，kθ2＞0。
定理1：针对导弹拦截机动目标的作战场景，考虑式(2)-(8)所示的拦截动力学模型，如果假设1成立，则所提出的法向过载指令(24)，(35)及自适应更新律(29)，(39)可以满足导弹以期望末端角度拦截机动目标，且拦截过程中满足导引头视场角约束。
证明：
定义如下的李雅普诺夫函数
Figure BDA0004063412510000091
其中，
Figure BDA0004063412510000092
对式(40)求导可得
Figure BDA0004063412510000093
将法向过载指令(24)，(35)及自适应更新律(29)，(39)，带入式(41)可得
Figure BDA0004063412510000094
式(42)可进一步简化为
Figure BDA0004063412510000101
其中，
Figure BDA0004063412510000102
Figure BDA0004063412510000103
a＝max(a1，a2)，
Figure BDA0004063412510000104
则由稳定性理论可知，李雅普诺夫函数V1，V2，V3将在有限时间内收敛到零，且V1有界，从而证明了导弹将在满足导引头视场角约束的条件下以期望末角对机动目标进行拦截。
仿真分析
通过开展不同机动方式下的末制导拦截仿真，验证所设计多约束拦截制导律的有效性，仿真初始条件如表1所示，目标不同机动方式设置如表2所示。拦截弹的最大机动过载幅值设置为
Figure BDA0004063412510000105
视场角约束设置为
Figure BDA0004063412510000106
g＝9.8m/s2，θLd＝-25°，ψLd＝-10°，控制器参数选取为k1＝0.15，k2＝0.14，r1＝r2＝1.5，T＝10，μ1＝0.1，μ1＝0.11，μ1＝0.1，μ1＝0.1，μ1＝0.11，μ1＝0.1，a1＝a2＝0.45，λ1＝λ2＝0.5，kθ1＝kθ2＝0.01，神经网络的节点数为20，b1＝0.5，b2＝2。
表1仿真初始值
Figure BDA0004063412510000107
Figure BDA0004063412510000111
表2目标不同机动方式
Figure BDA0004063412510000112
由图2的仿真图可以看出所设计的非奇异多约束制导律可以实现对不同机动目标的有效拦截，从而验证了所设计制导律的有效性。
本发明针对传统零控脱靶量拦截制导律难以满足拦截弹对抗强机动目标制导需求，给出了一种拦截机动目标满足导引头视场角约束的末角攻击制导律，可实现拦截导弹在满足导引头视场角约束的条件下以期望末角对机动目标进行拦截。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，该方法包括：在三维拦截模型的基础上，构建满足导引头视场角和末端角度约束的制导率设计目标，构建神经网络估计模型，设计多约束制导率。
2.如权利要求1所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，三维拦截模型包括：M，T分别为拦截弹和目标，并定义了四个坐标系，即惯性坐标系MXIYIZI，视线坐标系MXLYLZL，拦截弹的弹道坐标系MXMYMZM及目标的弹道坐标系TXTYTZT；变量r是拦截弹和目标之间的相对距离，并定义惯性系和视线系之间的转换通过两个角度视线倾角θL和视线偏角ψL进行定义，拦截弹的速度系和视线系之间通过拦截弹的前置倾角θM和前置偏角ψM进行转换，同理，目标的速度系和视线系之间通过目标的前置倾角θT和前置偏角ψT进行定义；并假设拦截弹速度VM和目标速度VT均为常值；由拦截弹前置角σM和拦截弹的前置倾角θM和前置偏角ψM之间的几何关系得到如下关系式：
cosσM＝cosθM·cosψM (1)
且拦截运动学和动力学进一步描述如下：
Figure FDA0004063412500000011
Figure FDA0004063412500000012
Figure FDA0004063412500000013
Figure FDA0004063412500000014
Figure FDA0004063412500000015
Figure FDA0004063412500000016
Figure FDA0004063412500000017
其中，(ayM，azM)和(ayT，azT)分别是拦截弹和目标的法向加速度。
3.如权利要求2所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，三维拦截模型还包括：定义x1＝θL-θLd，
Figure FDA0004063412500000018
x3＝ψL-ψLd，
Figure FDA0004063412500000019
其中，θLd，ψLd是期望视场角，且上述状态量的动力学方程表示如下：
Figure FDA0004063412500000021
其中，
Figure FDA0004063412500000022
h1＝-cosθM/R，d1＝cosθT·azT/R.
Figure FDA0004063412500000023
其中，
Figure FDA0004063412500000024
h2＝(sinθMsinψM)/(RcosθL)，h3＝-cosψM/(RcosθL)，d2＝(cosψT·ayT)/(R·cosθL)-(sinθT·sinψT·azT)/(R·cosθL)。
4.如权利要求3所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，构建满足导引头视场角和末端角度约束的制导率设计目标包括：三维拦截场景下满足导引头视场角和末端角度约束的制导律设计目标为
Figure FDA0004063412500000025
其中，θLd，ψLd是期望的俯仰和偏航视线角，
Figure FDA0004063412500000026
是由导引头视场角限制的最大前置角取值；且当视线角速率趋于零时能实现零控脱靶量，因此设计目标转化
Figure FDA0004063412500000027
由状态量x1，x2，x3，x4的定义，等式满足下式
Figure FDA0004063412500000028
5.如权利要求4所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，构建神经网络估计模型包括：采用如下的神经网络对由于目标机动所产生的扰动d1，d2进行估计
Figure FDA0004063412500000029
其中，
Figure FDA0004063412500000031
Figure FDA0004063412500000032
是估计误差，
Figure FDA0004063412500000033
是
Figure FDA0004063412500000034
的估计值，Φ(Yi)是高斯基函数，Ci和σi分别是隐含层高斯基函数的宽度向量和高斯基函数中心点的坐标向量，Yi是神经网络的输入，
Figure FDA0004063412500000035
是ωi的最优值，即
Figure FDA0004063412500000036
其中，
Figure FDA0004063412500000037
是紧集，li、mi为实数集的维度。
6.如权利要求5所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，设计多约束制导率包括：
基于式(13)的设计目标，首先选择如下形式的滑模面
Figure FDA0004063412500000038
其中，k1＞0，1＜r1＜2，
Figure FDA0004063412500000039
sign(x2)是x2的符号函数；
对等式(17)求导可得：
Figure FDA00040634125000000310
将式(9)带入式(18)可得
Figure FDA00040634125000000311
定义如下的时变避障李雅普诺夫函数
Figure FDA00040634125000000312
对式(20)求导可得
Figure FDA0004063412500000041
其中，
Figure FDA0004063412500000042
为了避免控制器奇异现象，引入如下的一阶滤波器
Figure FDA0004063412500000043
其中，T是一阶滤波器的时间常数，
Figure FDA0004063412500000044
是一阶滤波器的输出，
Figure FDA0004063412500000045
是
Figure FDA0004063412500000046
的导数，用来对
Figure FDA0004063412500000047
进行估计；
假设式(22)所示的一阶滤波器满足下式
Figure FDA0004063412500000048
其中，
Figure FDA0004063412500000049
是正常数；
则给出如下形式的Z方向的法向过载指令为
azM＝azMn+azMI+azMf+azMs (24)
其中，
Figure FDA00040634125000000410
Figure FDA00040634125000000411
Figure FDA00040634125000000412
Figure FDA00040634125000000413
其中，
Figure FDA00040634125000000414
是对θ1的估计，ε1＞0，μ1，μ2均为正常数，0＜a1＜1；
且给出如下的神经网络参数自适应更新律
Figure FDA0004063412500000051
其中，λ1，kθ1是正常数。
7.如权利要求6所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，对于另一个形式的滑模面
Figure FDA0004063412500000052
其中，k2＞0，1＜r2＜2，
Figure FDA0004063412500000053
sign(x2)是x2的符号函数；
对式(30)求导可得
Figure FDA0004063412500000054
将式(10)带入式(31)可得
Figure FDA0004063412500000055
选取如下形式的李雅普诺夫函数
Figure FDA0004063412500000056
对式(33)求导，并将式(32)带入可得
Figure FDA0004063412500000057
其中，
Figure FDA0004063412500000058
并给出如下的法向加速度ayM
ayM＝ayMn+ayMl+ayMs (35)
其中：
Figure FDA0004063412500000059
Figure FDA0004063412500000061
Figure FDA0004063412500000062
其中，
Figure FDA0004063412500000063
是对θ2的估计值，ε5，μ3，μ4是正常数，且0＜a2＜1；
并给出如下的神经网络参数自适应更新律
Figure FDA0004063412500000064
其中，λ2＞0，kθ2＞0。
8.如权利要求7所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，假设1：假设估计误差有界，且满足如下不等式
Figure FDA0004063412500000065
其中，ε0是一个正常数。
9.如权利要求8所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，针对导弹拦截机动目标的作战场景，考虑式(2)-(8)所示的拦截动力学模型，如果假设1成立，则所提出的法向过载指令(24)，(35)及自适应更新律(29)，(39)能满足导弹以期望末端角度拦截机动目标，且拦截过程中满足导引头视场角约束。
10.如权利要求9所述的拦截机动目标满足视场角约束的末角攻击制导律设计方法，其特征在于，定义如下的李雅普诺夫函数
Figure FDA0004063412500000066
其中，
Figure FDA0004063412500000067
对式(40)求导可得
Figure FDA0004063412500000071
将法向过载指令(24)，(35)及自适应更新律(29)，(39)，带入式(41)可得
Figure FDA0004063412500000072
式(42)进一步简化为
Figure FDA0004063412500000073
其中，
Figure FDA0004063412500000074
Figure FDA0004063412500000075
a＝max(a1，a2)，
Figure FDA0004063412500000076
由稳定性理论可知，李雅普诺夫函数V1，V2，V3将在有限时间内收敛到零，且V1有界，从而导弹将在满足导引头视场角约束的条件下以期望末角对机动目标进行拦截。
CN202310069032.6A 2023-01-17 2023-01-17 拦截机动目标满足视场角约束的末角攻击制导律设计方法 Pending CN116227343A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310069032.6A CN116227343A (zh) 2023-01-17 2023-01-17 拦截机动目标满足视场角约束的末角攻击制导律设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310069032.6A CN116227343A (zh) 2023-01-17 2023-01-17 拦截机动目标满足视场角约束的末角攻击制导律设计方法

Publications (1)

Publication Number Publication Date
CN116227343A true CN116227343A (zh) 2023-06-06

Family

ID=86570820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310069032.6A Pending CN116227343A (zh) 2023-01-17 2023-01-17 拦截机动目标满足视场角约束的末角攻击制导律设计方法

Country Status (1)

Country Link
CN (1) CN116227343A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117348402A (zh) * 2023-10-26 2024-01-05 北京航空航天大学 一种基于干扰利用技术的高超声速飞行器三维制导方法
CN118034333A (zh) * 2024-01-15 2024-05-14 哈尔滨工业大学 目标飞行器机动未知的制导方法及其制导系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117348402A (zh) * 2023-10-26 2024-01-05 北京航空航天大学 一种基于干扰利用技术的高超声速飞行器三维制导方法
CN117348402B (zh) * 2023-10-26 2024-06-11 北京航空航天大学 一种基于干扰利用技术的高超声速飞行器三维制导方法
CN118034333A (zh) * 2024-01-15 2024-05-14 哈尔滨工业大学 目标飞行器机动未知的制导方法及其制导系统

Similar Documents

Publication Publication Date Title
CN106681348B (zh) 考虑全捷联导引头视场约束的制导控制一体化设计方法
CN116227343A (zh) 拦截机动目标满足视场角约束的末角攻击制导律设计方法
CN109597423B (zh) 一种基于参考视线角信号的多约束末制导律的设计方法
CN103090728B (zh) 一种基于滑模控制的带末角约束制导方法
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
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
CN110187640B (zh) 针对机动目标和允许通信时滞的多导弹协同作战制导律设计方法
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
CN113325866B (zh) 一种基于事件触发的微分对策协同制导方法
CN106705770B (zh) 一种侧窗探测条件下的导弹轨迹姿态协调控制系统及方法
CN111027206A (zh) 具有规定性能的拦截机动目标自适应滑模控制方法
CN112033235B (zh) 一种采用黄金分割搜索的空战三体对抗最优预测制导方法
CN110929216B (zh) 一种具有抗拖曳的自适应反步制导律设计方法
Zhao et al. New three-dimensional second-order sliding mode guidance law with impact-angle constraints
CN115406312B (zh) 考虑视场角和舵机延时约束的导弹制导控制一体化方法
CN115033024A (zh) 基于攻击时间和角度共同约束的多导弹三维协同制导方法
Fonod et al. Blinding guidance against missiles sharing bearings-only measurements
Imado et al. Engagement tactics for two missiles against an optimally maneuvering aircraft
Jin et al. Optimal midcourse trajectory planning considering the capture region
CN114153143A (zh) 一种导弹非奇异固定时间滑模制导律的设计方法
CN110471283B (zh) 一种带碰撞角约束的三维鲁棒制导律构建方法
Zhu et al. Impact-time-control guidance law for hypersonic missiles in terminal phase
CN112286059B (zh) 一种具有攻击角和视场角约束的二阶前置角重塑制导方法
Zuoe et al. Study on vertical attack penetration probability of anti-ship missile
CN118092151B (zh) 一种基于分布式模型预测控制的多导弹协同制导方法

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