基于强化学习算法的飞行器再入跟踪制导方法

    公开(公告)号:CN115437406A

    公开(公告)日:2022-12-06

    申请号:CN202211130234.9

    申请日:2022-09-16

    Abstract: 本发明公开了一种基于强化学习算法的飞行器再入跟踪制导方法,用于解决现有技术中对系统模型依赖性较大和适应性及制导性能差的问题。其实现方案为建立半速度坐标系下飞行器再入连续最优控制问题;将飞行器再入连续最优控制问题转化为序列凸最优控制问题;将序列凸最优控制问题转化为序列二阶锥规划问题;对序列二阶锥规划问题进行求解,获取飞行器最优倾侧角;对最优倾侧角轨迹采样得到参考轨迹训练数据集;构建神经网络和奖励函数;利用训练数据集对神经网络进行离线训练,直到累计奖励收敛到最大值,得到制导网络;通过制导网络在线获取飞行器再入制导指令,实时跟踪目标高度。本发明适应性强,制导精度高,可用于火箭回收。

    一种基于主动流动控制多变量耦合的高速飞行器轨迹规划方法

    公开(公告)号:CN119882428A

    公开(公告)日:2025-04-25

    申请号:CN202411979392.0

    申请日:2024-12-30

    Abstract: 本申请公开了一种基于主动流动控制多变量耦合的高速飞行器轨迹规划方法、装置、介质和设备,通过分别获取飞行器受到喷流影响的第一组相关系数,获取飞行器未受到喷流影响的第二组相关系数,利用第一组相关系数替换第二组相关系数,得到新的运动学方程和新的动力学方程;基于控制量、约束条件和目标函数、新的动力学方程和新的运动学方程确定基于主动流动控制系统的飞行器轨迹规划模型;求解基于主动流动控制系统的飞行器轨迹规划模型,得到飞行器的目标规划轨迹,提升了轨迹规划的灵活性和效率,而且还增强了飞行器在复杂环境下的操控性和稳定性,使得轨迹规划系统能够更加智能地响应飞行过程中的各种动态变化,从而确保了飞行任务的顺利完成。

    基于神经网络的飞行器再入段轨迹优化方法

    公开(公告)号:CN115390456A

    公开(公告)日:2022-11-25

    申请号:CN202211133178.4

    申请日:2022-09-16

    Abstract: 本发明公开了一种基于神经网络的飞行器再入段轨迹优化方法,主要解决现有技术中存在的实时性和适应性较差的问题,其实现方案为:建立半速度坐标系下飞行器再入连续最优控制问题;将飞行器再入连续最优控制问题转化为序列凸最优控制问题;将序列凸最优控制问题转化为序列二阶锥规划问题;对序列二阶锥规划问题进行求解;从求解结果中采样得到状态量数据集和控制量数据集;构建神经网络和损失函数;利用部分状态量数据集作为训练数据集对神经网络进行离线训练,直到损失函数收敛到一个最小值,得到训练好的轨迹网络;利用轨迹网络在线获取飞行器再入段的轨迹优化结果。本发明适应性强,实时性好,减小了参数变动对飞行器的影响,可用于火箭回收。

Patent Agency Ranking