基于Q-learning与预测校正的外形-飞行轨迹一体化避障规划方法

    公开(公告)号:CN119200636A

    公开(公告)日:2024-12-27

    申请号:CN202411295308.3

    申请日:2024-09-18

    Abstract: 本发明涉及一种基于Q‑learning与预测校正的外形‑飞行轨迹一体化避障规划方法,属于飞行轨迹规划技术领域。纵向制导采用解析预测校正制导方法进行设计,保证了计算的速度和实时性;侧向制导采用分段制导的方法,在靠近禁飞区时切换为倾侧角幅值增大策略进行规避,飞离禁飞区时切换回原本的侧向控制逻辑,从而能够实现实时的障碍规避。本发明侧向制导采用横程公式设计了一种随待飞距离收敛的横程走廊,保证了制导精度,且避免了倾侧角频繁反转的问题。本发明通过在线实时预测终端状态对控制量实时校正,消除飞行器的终端状态误差;且通过校正飞行器的变构型系数,能够给出适应当前飞行状态的最佳升阻比,极大提高了高速飞行器的打击精度。

    一种禁飞区规避最优再入飞行轨迹规划方法

    公开(公告)号:CN119356394A

    公开(公告)日:2025-01-24

    申请号:CN202411511082.6

    申请日:2024-10-28

    Abstract: 本申请属于再入飞行轨迹规划技术领域。本申请提供一种禁飞区规避最优再入飞行轨迹规划方法。本公开实施例建立变体高速三自由度运动模型,并将变体系数扩展为控制量;给出过程约束、控制量约束、端点约束、性能指标约束和禁飞区约束的具体形式;针对约束条件和运动模型,将轨迹优化问题转换为Bolaz型最优控制问题,并基于hp自适应伪谱法对Bolaz型最优控制问题进行时域变换和最优控制求解。将禁飞区转化为路径约束的同时,引入了hp自适应伪谱法,充分结合了h法的快速收敛性和p法的计算稀疏性,具有更合理的配点分布。高精度的禁飞区最优轨迹规划问题求解得以实现。

    一种高速飞行器智能控制方法
    3.
    发明公开

    公开(公告)号:CN119511907A

    公开(公告)日:2025-02-25

    申请号:CN202411677684.9

    申请日:2024-11-22

    Abstract: 本发明涉及一种高速飞行器智能控制方法,包括构建飞行器控制架构、决策神经网络模型,对决策神经网络进行训练,根据飞行器的飞行状态对控制指令进行实时补偿,以实现对变构型高速飞行器的控制。飞行器控制器采用模型+学习双层架构,决策神经网络设计为Double Network结构,奖励函数设计考虑了俯仰、偏航、滚转通道的过载误差,决策神经网络模型的训练基于双延迟确定性策略梯度算法,采用优先经验回放技术和目标策略平滑机制优化训练过程,使控制系统能够实现对控制指令的实时智能调节,从环境中获取飞行器三通道的过载量、姿态角及对应的上一时刻控制器输出的舵偏指令,智能体输出为俯仰、偏航、滚转通道的控制指令,以实现对变构型高速飞行器的智能控制。

    一种面向低成本捷联导引头的协同制导方法

    公开(公告)号:CN119247982A

    公开(公告)日:2025-01-03

    申请号:CN202411361975.7

    申请日:2024-09-27

    Abstract: 本发明涉及一种面向低成本捷联导引头的协同制导方法,属于协同制导技术领域。包括:基于捷联导引头测量的弹体系下的体视线角获取惯性系下的视线角;基于惯性系下的视线角,利用α‑β滤波算法对视线角以及视线角速率进行估计;考虑终端落角约束,基于估计的视线角速率建立空间协同制导律;考虑时间约束,基于估计的视线角速率建立时间协同制导;根据不同的场景选择空间协同制导律或者时间协同制导分别对捷联飞行器进行空间协同制导或者时间协同制导。相比于现有技术,本发明利用滤波算法估计视线角和视线角速率,结构简单,不涉及复杂的矩阵运算,工程应用性强,并设计了协同制导算法,实现对目标的协同打击,提高飞行器集群效能。

Patent Agency Ranking