公开(公告)号：CN115951585B

公开(公告)日：2023-06-02

申请号：CN202310214355.X

申请日：2023-03-08

Applicant: 中南大学

Inventor： 廖宇新 ,  韩易博 ,  罗天贤 ,  许炜平 ,  魏才盛 ,  陈琪锋 ,  殷泽阳

IPC: G05B13/04

Abstract: 本公开实施例中提供了一种基于深度神经网络的高超声速飞行器再入制导方法，属于控制技术领域，具体包括：确定深度神经网络的输入量，同时确定倾侧角幅值剖面参数为输出量，采用5折交叉验证法确定深度神经网络结构，并使用基于预测校正方法产生的训练数据训练深度神经网络；将训练后的深度神经网络输出量带入倾侧角幅值剖面，配合热流率、过载和动压三个过程约束，以及准平衡滑翔条件约束，完成纵向制导；基于航向角与视线角偏差确定倾侧角符号，完成横向制导。通过本公开的方案，利用深度神经网络可逼近任意非线性映射的特性，将深度神经网络预测作为纵向制导主体，提高了高超声速飞行器再入制导的制导指令计算效率、精准度和稳定性。

公开(公告)号：CN115951585A

公开(公告)日：2023-04-11

申请号：CN202310214355.X

申请日：2023-03-08

Applicant: 中南大学

Inventor： 廖宇新 ,  韩易博 ,  罗天贤 ,  许炜平 ,  魏才盛 ,  陈琪锋 ,  殷泽阳

IPC: G05B13/04

Abstract: 本公开实施例中提供了一种基于深度神经网络的高超声速飞行器再入制导方法，属于控制技术领域，具体包括：确定深度神经网络的输入量，同时确定倾侧角幅值剖面参数为输出量，采用5折交叉验证法确定深度神经网络结构，并使用基于预测校正方法产生的训练数据训练深度神经网络；将训练后的深度神经网络输出量带入倾侧角幅值剖面，配合热流率、过载和动压三个过程约束，以及准平衡滑翔条件约束，完成纵向制导；基于航向角与视线角偏差确定倾侧角符号，完成横向制导。通过本公开的方案，利用深度神经网络可逼近任意非线性映射的特性，将深度神经网络预测作为纵向制导主体，提高了高超声速飞行器再入制导的制导指令计算效率、精准度和稳定性。