一种带有等离子体激励装置的高超飞行器巡航段跟踪控制方法

    公开(公告)号:CN118550308B

    公开(公告)日:2025-02-28

    申请号:CN202410629600.8

    申请日:2024-05-21

    Abstract: 本发明涉及飞行器制导控制领域,公开了一种带有等离子体激励装置的高超飞行器巡航段跟踪控制方法,包括如下步骤,步骤S1,建立飞行器纵向运动平面动力学模型;步骤S2,面向控制的纵向运动平面模型转换;步骤S3,建立等离子体激励装置的等效舵面模型;步骤S4,非线性干扰观测器的设计;步骤S5,基于扰动观测器的速度控制律设计;步骤S6,基于扰动观测器的高度控制律设计;步骤S7,控制算法的有效性验证,本发明额外考虑了等离子体激励装置作为执行机构,有效缓解了高超飞行器在大空域飞行中存在的舵面操纵效率低等问题,并结合非线性反演控制理论和干扰观测器方法,实现了带有等离子体激励装置的飞行器在巡航段高精度轨迹跟踪控制。

    面向雷达组网的鲁棒分布式目标跟踪方法、存储介质及设备

    公开(公告)号:CN119355715A

    公开(公告)日:2025-01-24

    申请号:CN202411423833.9

    申请日:2024-10-12

    Abstract: 面向雷达组网的鲁棒分布式目标跟踪方法、存储介质及设备,属于多雷达组网的目标跟踪技术领域。为了解决针对多雷达组网的目标跟踪场景中存在非高斯噪声导致的跟踪效果不佳的问题。本发明首先对目标的状态方程、雷达量测方程和非高斯闪烁噪声精确建模;基于最大相关熵和CKF算法确定带方差补偿的最大相关熵CKF方法,进而对目标的状态进行估计,得到状态的估计值#imgabs0#和对应的估计误差协方差矩阵#imgabs1#基于所有雷达节点得到的估计#imgabs2#和#imgabs3#利用CI策略与邻居节点进行扩散融合。

    一种基于参数识别的大气层外拦截器制导控制一体化方法

    公开(公告)号:CN118928809B

    公开(公告)日:2025-01-24

    申请号:CN202411251546.4

    申请日:2024-09-08

    Abstract: 本发明涉及航天器制导与控制领域,公开了一种基于参数识别的大气层外拦截器制导控制一体化方法,构建轴向不可控的拦截器制导控制一体化模型,为了提升控制系统在存在测量噪声和外界干扰情况下的鲁棒性,提出了一种基于tanh函数的非奇异固定时间滑模面,在导引头视场约束和拦截器惯性参数未知的情况下,结合参数辨识理论设计自适应的姿态轨道联合控制系统,应用固定时间控制理论设计用于空间拦截器末制导阶段的制导律与姿态跟踪控制器,本发明综合考虑了拦截过程中姿态与轨道之间的耦合效应,以及拦截器自身模型的不确定性,最终在测量噪声、模型不确定性和姿态轨道耦合等不利因素下,实现拦截航天器在末制导阶段对目标的精准打击。

    面向随机干扰和噪声复杂相关的分布式序贯估计方法及设备

    公开(公告)号:CN119316253A

    公开(公告)日:2025-01-14

    申请号:CN202411423829.2

    申请日:2024-10-12

    Abstract: 面向随机干扰和噪声复杂相关的分布式序贯估计方法及设备,属于多传感器系统状态估计技术领域。为了解决多传感器系统中存在随机干扰及噪声复杂相关问题。针对带有随机干扰和复杂相关噪声的非线性多传感器系统,本发明首先采用高斯乘性噪声和随机变量对随机干扰进行建模,并通过等效变换,将系统的乘性噪声转化为加性噪声,建立与原系统等效的更紧凑的模型;然后基于过程噪声、量测噪声的序贯融合估计和新息进行状态序贯估计,进行估计的过程中采用容积规则进行计算实现序贯融合估计。

    一种基于物理信息神经网络的大气层内时间约束的制导方法及系统

    公开(公告)号:CN119310853A

    公开(公告)日:2025-01-14

    申请号:CN202411426771.7

    申请日:2024-10-14

    Abstract: 本发明涉及飞行器智能制导控制领域,公开了一种基于物理信息神经网络的大气层内时间约束的制导方法及系统,具体步骤是在比例导引制导律的基础上,构建不同导弹初始状态下的导弹飞行状态和剩余飞行时间数据集,然后利用物理信息神经网络计算出的剩余飞行时间构建时间约束偏置项,设计时间约束制导律,最后基于已经训练完成的物理信息神经网络模型,基于时间约束制导律,导引飞行器在期望时间打击目标,本发明采用比例导引与物理信息神经网络相结合的方法实现制导控制,对于考虑空气阻力和重力影响,实现对导弹进攻时间进行约束具有非常重要的工程意义。

    一种基于新型贝叶斯滤波的弹道导弹自由段跟踪方法

    公开(公告)号:CN119167760A

    公开(公告)日:2024-12-20

    申请号:CN202411197222.7

    申请日:2024-08-29

    Abstract: 本发明提供一种基于新型贝叶斯滤波的弹道导弹自由段跟踪方法,包括解决量测数据随机多步延迟和量测丢失。具体为:首先,建立了一种新的量测模型,能够表征量测数据的随机多步延迟和丢失;其次,在量测数据发生随机多步延迟情况下,对系统状态进行增广并引入延迟变量,设计了一种增广高斯混合滤波器框架;然后,当测量值丢失时,将量测值从先前的时刻传播到当前时刻,并以状态增广的形式导出均值和协方差的表达式;最后,基于设计好的滤波算法对弹道导弹的自由段进行跟踪。本发明的优点是:采用贝叶斯估计理论在出现量测数据随机多步延迟和丢失情况下实现了对弹道导弹目标的准确跟踪,具有非常重要的工程意义。

    一种拦截三维机动目标的强化学习制导控制一体化方法

    公开(公告)号:CN118938676A

    公开(公告)日:2024-11-12

    申请号:CN202411012483.7

    申请日:2024-07-26

    Abstract: 本发明涉及飞行器制导控制领域,一种拦截三维机动目标的强化学习制导控制一体化方法,包括如下步骤,步骤S1,建立三维弹‑目相对运动学模型,基于目标常见的机动模式,构造面向制导控制的六自由度拦截弹模型;步骤S2,基于现有的深度强化学习理论Actor‑Critic框架结构,确定深度强化学习方法;步骤S3,基于深度强化学习的制导控制一体化设计,搭建神经网络结构,并设计面向智能体训练和学习的状态空间、动作空间、奖励函数等,本发明提出的方法,实现六自由度飞行器外环制导回路和内环姿态控制回路的结合,避免了由于不同回路间时间常数不一致导致的制导性能下降问题。采用强化学习理论形成制导和控制一体化指令,提升了飞行器对外界环境的适应能力。

    一种基于装备体系模型的杀伤链闭合性评估方法

    公开(公告)号:CN118152725B

    公开(公告)日:2024-10-18

    申请号:CN202410332935.3

    申请日:2024-03-22

    Abstract: 本发明涉及杀伤链闭合性评估方法领域,一种基于装备体系模型的杀伤链闭合性评估方法,根据已知信息计算杀伤链闭合概率需要对链条上每一个环节的交互关系计算效能,计算侦察概率、通信概率、指控概率、计算打击概率和计算杀伤链闭合时间,根据以上计算结果对所有初始生成的杀伤链进行计算,然后设计筛选规则,根据一定的闭合概率、闭合时间阈值进行筛选,得到的筛选结果即为有效杀伤链,有效杀伤链的集合构成了作战网络的杀伤网,本发明提出的对闭合性计算的方法从ADC效能评估方法出发,充分考虑杀伤链每个作战环节对闭合性的影响,构建了一套明确的杀伤链闭合性计算分析模型,可以准确反映作战网络的闭合性,为部署分配工作及优化提供指导。

    一种基于强化学习的变比例系数多弹协同制导方法及系统

    公开(公告)号:CN117989923B

    公开(公告)日:2024-08-02

    申请号:CN202410330459.1

    申请日:2024-03-22

    Abstract: 本发明涉及导弹制导控制技术领域,一种基于强化学习的变比例系数多弹协同制导方法,基于强化学习框架PPO实时生成比例导引系数,进而计算出导弹过载,引导多弹协同打击目标,具体步骤为:将多弹协同打击目标描述为马尔可夫决策过程;针对多弹协同打击目标的要求,设计强化学习框架;依据构建的多弹协同马尔可夫决策过程以及强化学习框架进行智能体模型训练;基于已经训练完成的智能体模型,计算多弹协同比例导引系数,构建多弹协同打击制导律,进行末端多弹协同打击目标,本发明采用比例导引制导律与智能强化学习方法相结合的实现多弹协同拦截目标,能够实现多弹末端拦截时刻一致,对于实现多弹协同打击目标具有非常重要的工程意义。

    具有相关噪声和丢包补偿的非线性系统高斯状态估计器

    公开(公告)号:CN116361608A

    公开(公告)日:2023-06-30

    申请号:CN202310225111.1

    申请日:2023-03-08

    Abstract: 本发明的一种具有相关噪声和丢包补偿的非线性系统高斯状态估计器,涉及一种特别适用于非线性系统高斯状态的数据处理装置。目的是为了克服现有对非线性系统的状态估计,没有考虑到相关噪声、计算量大以及估计精度低的问题。其中,高斯状态估计器为高斯递归滤波器,用于对非线性系统先进行时间更新;再进行测量更新,预测得到非线性系统的高斯状态;高斯状态估计器为高斯递归多步预测器,用于对非线性系统进行N步预测,从而预测得到非线性系统的高斯状态;高斯状态估计器为高斯递归多步平滑器,用于对非线性系统进行平滑计算,从而预测得到非线性系统的高斯状态。

Patent Agency Ranking