公开(公告)号：CN118778660A

公开(公告)日：2024-10-15

申请号：CN202310341761.2

申请日：2023-03-31

Applicant: 北京理工大学

Inventor： 何绍溟 ,  吴紫怡 ,  王江 ,  林德福 ,  王亚东 ,  郑小波 ,  柴剑铎 ,  罗皓文

IPC: G05D1/46 ,  G05D109/28

Abstract: 本发明公开了一种采用目标能观性主动增强制导律的制导方法，该方法中，采用目标能观性主动增强制导律进行制导控制，在目标能观性主动增强制导律中，将弹目视线角速率的积分作为最优控制的定量指标，通过将弹目视线角速率的积分最大化来实现目标能观性的最大化，最优控制的优化目标由终端零控脱靶量和飞行过程中的目标能观性指标来定义，同时希望飞行过程中能量消耗尽量小。在飞行器末制导过程的初始阶段，着重使目标能观性最大化，而在飞行器即将命中目标时，着重使命中精度最优，由此，可以使制导律实现同时具有增强能观性以获得良好估计性能和保证命中精度的双重作用。

公开(公告)号：CN117195685A

公开(公告)日：2023-12-08

申请号：CN202310933737.8

申请日：2023-07-27

Applicant: 北京理工大学

Inventor： 何绍溟 ,  罗皓文 ,  金天宇 ,  侯利兵 ,  巩庆海

IPC: G06F30/27 ,  G05B13/04 ,  G06F30/28 ,  G06F30/15 ,  G06N3/042 ,  G06N3/048 ,  G06N3/08 ,  G06F111/04 ,  G06F111/10 ,  G06F113/08 ,  G06F113/28 ,  G06F119/14

Abstract: 本发明公开了一种基于门控渐进式神经网络的计算制导方法，包括以下步骤：采用原始任务的训练数据，预训练门控渐进式神经网络，获得初始网络，采用初始网络输出飞行器偏置加速度，根据偏置加速度获得飞行器的制导律；当制导任务改变后，采用新任务的训练数据，对初始网络再训练，获得更新网络，采用更新网络输出飞行器偏置加速度，根据偏置加速度获得飞行器的制导律。本发明公开的基于门控渐进式神经网络的计算制导方法，能够在新数据较少的情况下快速适应新的任务环境，且避免由任务增加引起的网络参数的爆炸性增长，降低了训练运算量。

公开(公告)号：CN116520686A

公开(公告)日：2023-08-01

申请号：CN202211596100.6

申请日：2022-12-13

Applicant: 北京理工大学

Inventor： 何绍溟 ,  罗皓文 ,  金天宇 ,  刘子超 ,  蒲昱珲

IPC: G05B13/04

Abstract: 本发明公开了基于迁移学习的角度时间最优制导方法，该方法在不同气动环境中，满足攻击角度约束并实现最小化飞行器的攻击时间。首先，基于偏置比例导引律，将飞行器制导指令分为比例导引项和偏置项；其次，求解指定的最优控制问题，建立由飞行器当前飞行状态与加速度偏置项组成的训练集；然后，训练好的神经网络可以在不同气动环境下，根据飞行器的每个时刻的状态直接获得需要的加速度偏置项，并根据加速度偏置项间接获得最优制导指令；最后飞行器将会在新气动环境中以最短攻击时间和规定攻击角度命中目标。

公开(公告)号：CN116149369A

公开(公告)日：2023-05-23

申请号：CN202310174055.3

申请日：2023-02-23

Applicant: 北京理工大学

Inventor： 何绍溟 ,  罗皓文 ,  侯利兵 ,  金天宇 ,  刘子超

IPC: G05D1/10

Abstract: 本发明公开了一种面向多种目标域任务的飞行器制导控制方法，该方法中在飞行器上预先灌装训练好的域对抗神经网络，该域对抗神经网络在训练时需要指定不同的目标域任务，从而使得该对抗神经网络能够在收到飞行器的状态向量后，针对每一组目标域任务各自给出制导偏置项，而飞行器在发射前仅需确定并输入期望的目标域任务，即可寻找到对应的制导偏置项，进而得到制导指令，并打舵工作，控制飞行器精确命中目标，从而完成本发明。