[發明專利]一種智能的高超聲速飛行器再入機動制導方法及系統

在審

• 申請號: 202010750002.8
• 申請日: 2020-07-30
• 公開（公告）號: CN111881518A
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 蔡光斌;徐慧;高楊;楊小岡;李小鋒;黃月平
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王立普

1.一種智能的高超聲速飛行器再入機動制導方法，其特征在于，包括：

基于地心直角坐標系，建立高超聲速滑翔飛行器再入動力學模型；

根據所述高超聲速滑翔飛行器再入動力學模型，基于端點約束和路徑約束，建立多約束條件下高超聲速滑翔飛行器再入機動制導問題模型；

對于不同禁飛區，利用GPOPS II工具包對所述多約束條件下高超聲速滑翔飛行器再入機動制導問題模型進行求解，獲得不同禁飛區條件下的優化軌跡數據集；

利用深度學習算法對所述優化軌跡數據集進行學習，得到智能路航點模型；

基于所述智能路航點模型、多觸角探測和側滑角瞬變，設計機動制導律。

2.根據權利要求1所述的智能的高超聲速飛行器再入機動制導方法，其特征在于，所述高超聲速滑翔飛行器再入動力學模型如下：

式中，r為飛行器的地心距，V為飛行器的地球相對速度，ψ與γ分別為飛行器的航向角與航跡角，θ為飛行器所處的經度，為飛行器所處的緯度，m和g為飛行器的質量和當前地心距的重力加速度，σ為飛行器的側滑角，α為飛行器的攻角，D為飛行器在飛行過程中的氣動阻力，L為飛行器在飛行過程中的升力。

3.根據權利要求2所述的智能的高超聲速飛行器再入機動制導方法，其特征在于，所述端點約束為：

|X(t_f)-X_f|≤ε_X

式中，X為飛行器狀態矩陣，f表示預定軌跡的終端狀態，t_f表示飛行器到達終端的時刻，ε_X為常值矩陣。

4.根據權利要求2所述的智能的高超聲速飛行器再入機動制導方法，其特征在于，所述路徑約束包括常規路徑約束和空間類路徑約束；所述常規路徑約束包括熱流率約束、過載約束和動壓約束；

熱流率約束Q為：Q＝K_Qρ^0.5V^3.15≤Q_max

過載約束n為：

動壓約束為：

其中，Q_max,n_max,分別是熱流率、過載與動壓在飛行器飛行過程中的最大值，ρ為飛行器當前高度的空氣密度，熱流率常數K_Q＝7.9686×10^-5Js²/(m^3.5kg^0.5)；

空間類路徑約束包括路航點約束、禁飛區約束和剩余地面距離-速度-航向角約束；剩余地面距離-速度-航向角約束Ψ_i為：

式中，θ_pi,φ_pi,ψ_pi為當前軌跡點P_i位置的經緯度坐標和航向角，(θ_f,φ_f)是終點的經緯度坐標；

禁飛區約束為：

第i個禁飛區的中心經緯度坐標為(α_i,β_i)，半徑為R_i。

5.根據權利要求2所述的智能的高超聲速飛行器再入機動制導方法，其特征在于，所述利用深度學習算法對所述優化軌跡數據集進行學習，得到智能路航點模型，具體包括：

采用多條不同側滑角的探測觸角對所述優化軌跡進行探測，獲得根據時間條件和約束條件終止后的反饋終止信息(θ_i,φ_i,Stop_i)，得到完備訓練集；其中(θ_i,φ_i)是第i個觸角的終點坐標，Stop_i是該觸角停止條件的類型。

采用深度學習方法對所述完備訓練集進行訓練，得到智能路航點模型；所述智能路航點模型如下：

式中，P(θ,φ)是預測的智能路航點，F_i是由各個觸角反饋后信息向智能路航點的映射。