[發明專利]飛行器智能軌跡重構再入制導方法

有效

• 申請號: 202010141607.7
• 申請日: 2020-03-03
• 公開（公告）號: CN111351488B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 胥彪;李翔;馮建鑫;李爽
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01C21/24;B64G1/24;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 徐紅梅

1.飛行器智能軌跡重構再入制導方法，其特征在于，包括以下步驟：

(1)根據飛行器再入初始狀態和再入終端目標約束條件，在滿足路徑約束和控制量約束的條件下，利用數值優化方法優化出一條參考軌跡；

(2)在步驟(1)生成的參考軌跡上選取某些高度處的飛行路徑點作為執行軌跡重構的航路點，根據飛行器再入初始狀態、路徑約束和控制量約束，利用優化方法計算出在各個航路點高度處飛行器的可達域范圍；

(3)根據制導精度需求，選擇合適大小的采樣密度，在得到的每個可達域范圍內選取大量的數據點，基于參數化滾轉角的思想，根據各個數據點的狀態量，利用搜索算法得到滾轉角曲線參數，即生成對應的滿足終端約束的參考軌跡，因此按照一個數據點對應一組滾轉角曲線參數，生成樣本數據集；具體的：

使用五個歸一化的參數EDR、ECR₁、ECR₂、EHF、PHF設計滾轉角曲線，其中EDR、ECR₁、ECR₂、EHF為能量參數，表示滾轉角發生變化的時刻；PHF為末段滾轉角參數，表示末段常值滾轉角的大小；對于給定的一組參數可以生成一條對應的滾轉角曲線；

五個歸一化的能量參數EDR、ECR₁、ECR₂、EHF、PHF的取值范圍均為0～1；

EDR為調整滾轉角大小時刻的標準能量值，參數ECR₁為滾轉角第一次變號時刻的標準能量值，參數ECR₂為滾轉角第二次變號時刻的標準能量值，參數EHF為飛行器開始進入末段高度調整的標準能量值；通過改變參數PHF的數值能夠調整飛行末段常值滾轉角σ_HF的大小，從而控制最終高度，表達式為：

σ_HF＝PHFσ_max+(1-PHF)σ_min (1)；

其中，σ_min為允許的滾轉角最小值，σ_max為允許的滾轉角最大值；

在給定再入初始狀態、終端目標約束、路徑約束及控制量約束下，通過遺傳算法搜索得到滿足要求的一組參數P(EDR，ECR₁，ECR₂，EHF，PHF)，然后將對應的滾轉角曲線代入運動學方程，即運動學模型公式，生成一條參考軌跡；首先依據運動學方程建立滾轉角參數與縱程、橫程、高度和航跡角的映射關系：

P(EDR,ECR₁,ECR₂,EHF,PHF)→e_DR(P)，e_CR(P)，F_h(P)，F_γ(P) (2)；

其中，e_DR(P)，e_CR(P)，F_h(P)，F_γ(P)分別為飛行器的縱程誤差、橫程誤差、終端高度和航跡角；

采用的搜索算法的主要任務，就是尋求一組合適的滾轉角參數P，使之既滿足上述再入過程的約束條件，又能使縱程和橫程誤差最小，同時盡可能增大終端高度，即滿足如下三個目標函數：

其中，k_h為高度系數，k_γ為航跡角系數，γ_f為目標航跡角；

(4)分別將每個樣本數據集中各個數據點的狀態量作為輸入，對應的各個滾轉角參數作為輸出，進行多個BP神經網絡算法訓練，經過多次迭代，當損失函數的值達到所要求的誤差或最大迭代次數時，完成各個神經網絡的訓練；

(5)采用跟蹤阻力加速度的制導方法對步驟(1)中生成的參考軌跡進行在線跟蹤；

(6)當飛行器的實際飛行軌跡高度到達設定的航路點高度時，將飛行器的實時狀態信息輸入到步驟(4)中生成的對應航路點的神經網絡，得到一組滾轉角參數，代入運動學模型公式得到一條新的阻力加速度參考曲線，即重新規劃出一條參考軌跡，實現快速軌跡重構；

(7)繼續采用步驟(5)中的制導方法跟蹤軌跡重構新生成的軌跡，更新制導指令；當實際飛行軌跡到達下一個航路點可達域時，重復步驟(6)的軌跡重構過程，最終完成整個再入段制導過程。