-
公开(公告)号:CN119828724A
公开(公告)日:2025-04-15
申请号:CN202411937915.5
申请日:2024-12-26
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G06N3/092 , G05D109/28
Abstract: 一种基于SAC算法的变形飞行器机动轨迹设计方法、电子设备及存储介质,属于飞行器轨迹设计技术领域。为提高在连续动作空间中飞行器的训练稳定性和学习效率,本发明包括构建用于变形飞行器机动轨迹设计的智能体神经网络模型;对变形飞行器在受拦截情况下的机动问题进行马尔可夫过程建模,进行仿真环境设计;收集飞行数据用于变形飞行器机动轨迹设计的智能体神经网络模型;利用SAC算法对用于变形飞行器机动轨迹设计的智能体神经网络模型进行训练,在训练过程中加入自适应探索机制,根据当前的飞行状态和环境条件调整探索的强度,得到训练好的用于变形飞行器机动轨迹设计的智能体神经网络模型;用于飞控回路中实时的轨迹调整和变形决策。
-
公开(公告)号:CN119783262A
公开(公告)日:2025-04-08
申请号:CN202411937787.4
申请日:2024-12-26
Applicant: 哈尔滨工业大学
IPC: G06F30/15 , G06F30/27 , G06F119/14
Abstract: 一种基于DDPG算法的飞行器连续机动方法、电子设备及存储介质,属于飞行器控制技术领域。为实现快速的移动目标实时进行机动策略解算。本发明根据高超声速飞行器的特性,建立高超声速飞行器运动学模型;设计高超声速飞行器执行连续机动动作的训练环境及方式;基于DDPG方法对飞行器连续机动策略进行训练;对飞行器连续机动策略训练结果进行仿真验证。本发明首先建立了高超声速飞行器三自由度运动方程,并基于该模型设计了存在威胁的飞行环境,使用DDPG算法对飞行器连续机动策略进行训练,最后通过数值仿真与蒙特卡洛打靶验证了机动策略的有效性及快速性。
-
公开(公告)号:CN114330715A
公开(公告)日:2022-04-12
申请号:CN202111616839.4
申请日:2021-12-27
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种智能弹药协同进化任务分配方法,包括对多平台拦截作战的弹药分配方案进行遗传算法的染色体基因编码;根据弹药分配方案中的拦截目标威胁程度以及不同弹药发射平台对拦截目标的拦截概率计算染色体个体函数适应度;得到不同弹药发射平台对拦截目标有效拦截的概率排序序列,按照有效拦截的概率值的优先级顺序对染色体个体执行遗传算法选择操作;对选择的染色体个体执行交叉和/变异操作,获得下一代遗传种群并重复执行上述步骤,直至满足终止条件,获得最终弹药分配方案。本发明采用基于贪婪原则的改进遗传算法任务分配方法,进行智能弹药协同进化任务分配的有效性更高,寻求最佳方案更有目的性,收敛速度快且遗传代数小。
-
-