基于意图推断的高超声速滑翔目标贝叶斯轨迹预测

为解决高超声速滑翔目标机动给探测防御造成的困难，研究基于意图推断的贝叶斯轨迹预测方法。首先对目标进行动力学建模，利用气动参数设计机动模式集。假定高超声速滑翔目标必定攻击某目标，结合飞行意图合理构造意图代价函数，借鉴贝叶斯理论迭代推导机动模式和运动状态递推公式。通过蒙特卡洛采样实现轨迹预测算法。仿真结果表明，算法能有效提高目标机动不确定条件下轨迹预测的精度，当多目标可能被打击时，通过对预测轨迹进行在线重新规划，降低目标误判给轨迹预测造成的不利影响。     

带攻击角度约束的深度强化元学习制导律

针对执行机构部分失效的速度时变导弹机动目标拦截问题,本文提出一种基于深度强化元学习和剩余飞行时间感知逻辑函数的攻击角度约束三维制导律。首先,采用基于模型的深度强化元学习方法,建立深度神经网络动力学模型;引入模型预测路径积分控制,该深度神经网络动力学模型作为预测模型;采用元学习方法,在线学习执行机构部分失效及目标机动等环境变化。其次,提出基于偏态分布的采样方法,提升模型预测路径积分控制的采样效率。再次,在制导律的指标函数设计中提出一种逻辑函数,降低了制导初始阶段的加速度,提升了末速度。最后,多种情况下的仿真结果及蒙特卡洛仿真校验了方法在提升采样效率与降低初始阶段加速度的有效性。     

烧蚀热响应计算中的不确定性传播分析方法研究

发展了基于代理模型的不确定度量化方法，以少量确定性模拟结果为样本，通过代理模型来构建目标变量和不确定性输入参数的响应关系，以此来分析目标变量的不确定性信息，包括均值、标准差、概率密度分布等统计信息以及各个输入参数对目标变量的敏感性大小。本文以烧蚀热响应计算为例，通过分析材料物性参数的不确定性对烧蚀热响应预测的影响，表明该方法具有准确度高、效率高的特点，为工程中的高维不确定度量化问题提供了很好的解决思路。     

运载火箭推力故障下在线计算轻量化任务重构方法

为了避免运载火箭推力下降故障引起发射任务失败,基于径向基神经网络,提出了一种在线计算轻量化的任务重构方法,可快速在线计算最优救援轨道对应飞行轨迹(最优轨迹)的近似解.在离线部分,结合凸优化与自适应配点法产生"故障状态-最优轨迹"数据集.数据集被用来训练径向基神经网络,建立轨迹决策模型来构建故障状态到最优轨迹的动力学关系...     

运载火箭推力故障下基于智能决策的在线轨迹重规划方法

为了提高运载火箭上升段飞行中推力故障下轨迹重规划的计算效率,提出了一种基于智能决策的在线轨迹重规划方法,将原问题转化为最优救援轨道的在线智能决策和成熟的燃料最优轨迹规划问题进行求解。通过离线求解不同故障状态对应的轨迹重规划问题,建立"故障状态-救援轨道"样本集,基于径向基神经网络建立最优救援轨道的决策模型,并将决策模型装订箭上。在实际飞行中以当前故障状态作为输入,利用决策模型可在线快速决策出最优救援轨道根数,进而求解以救援轨道为目标轨道的燃料最优轨迹规划问题,从而完成推力故障下的在线轨迹重规划。数值仿真表明,与直接求解轨迹重规划问题相比,该方法的计算效率提高了两个数量级以上,同时给出一致的最优救援轨迹。     

航空电子产品的BAYES可靠性评估

针对航空电子产品可靠性评估问题, 确定了环境因子的分布, 把模拟试验信息通过环境因子折合得到了可靠性的预测分布。利用此预测分布作为验前分布结合飞行试验信息得到可靠性的验后分布。仿真算例表明这种方法比经典统计方法和传统BAYES方法更合理     

一种深度强化学习制导控制一体化算法

研究了一种基于深度强化学习理论的制导控制一体化算法。不同于传统的制导控制一体化算法和制导控制回路分开设计的方法,基于深度强化学习理论的制导控制一体化算法利用深度学习强化算法生成一个智能体,智能体根据导弹的观测量生成舵偏角控制指令准确拦截目标。首先将制导控制问题转化为一个马尔可夫决策过程,然后提出了一个权衡制导精度、能量损耗和飞行时间的奖励函数,将制导控制问题转化到强化学习问题的框架中。最后采用深度确定性策略梯度算法,求解提出的强化学习问题,训练得到制导控制智能体,智能体根据导弹观测量生成舵偏角指令。通过进行大量的数值模拟,验证了提出的制导控制一体化算法的有效性和鲁棒性。     

估算转弯加速度的卡尔曼滤波器

近年来由于计算机的飞速发展，计算速度越来越快，所以用相控阵天线跟踪目标时采用卡尔曼滤波器已成为现实。对直线飞行的目标，卡尔曼滤波器能得到良好的跟踪精度，但若目标的加速度为高斯噪声，目标转弯时跟踪精度会降低。对处理转弯目标的跟踪精度曾提出两种方案，即估算输入的卡尔曼滤波器和二级卡尔曼滤波器。这些卡尔曼滤波器是在目标的运动模型上使位置和速度矢量与加速度矢量分离，利用预测误差估算加速度的。但由于对预测增减较大的目标的急转弯与目标运动模型不匹配，所以得不到良好的跟踪精度。为此提出了为处理目标的急转弯，不用预测误差而是通过卡尔曼滤波器估算的位置计算出形成飞行轨迹的转弯半径和角速度。还通过计算机仿真与原来的中方式进行比较，证明了其有效性。     

一种基于飞行任务的临近空间短距滑翔飞行器弹道预示方法

针对临近空间短距滑翔飞行器机动模式多变、弹道参数变化剧烈等特点,本文设计了一种基于变结构交互式多模型滤波的轨迹预测方法。该方法基于飞行任务结合自适应网格构建时变的机动模型集,解决机动模式多变的问题。通过引入渐消因子、修正Markov概率转移矩阵,提出一种变结构交互式多模型方法辨识机动模型特征参数。最后通过更新机动模型中的控制参量,实现数值积分条件下的轨迹预测。仿真结果表明,该方法对典型机动模式下的短距滑翔飞行器,具有高精度和强鲁棒的轨迹跟踪能力并且在轨迹预示过程中具有较强的收敛性,因此具有一定的理论意义和工程应用价值。     

一种基于任务分区的轨道转移飞行器轨迹重规划方法

针对轨道转移飞行器入轨任务中可能的异常状态,提出一种基于任务分区的在线轨迹重规划方法。将重规划问题描述为非线性系统最优控制问题,在地心惯性坐标系中建立飞行器的状态方程。考虑轨道倾角偏差与远地点高度偏差,设计任务分区并完成目标轨道决策。根据不同分区确定相应的性能指标与约束条件,以目标轨道为圆轨道的任务为例,构建凸优化问题并采用序列凸规划方法完成求解,使轨道转移飞行器出现飞行偏差时能够预测可达范围并重新规划任务飞行轨迹。仿真结果表明这种方法可以在飞行任务中快速实现不同条件的轨迹重规划设计,对异常状态实现一定程度的补救。     

基于Sarsa(λ)强化学习的空间机械臂路径规划研究

针对目标特性未知的在轨操作环境，研究了典型空间操作机械臂的路径规划策略。采用Sarsa(λ)强化学习方法实现目标跟踪及避障的自主路径规划与智能决策，该方法将机械臂系统的每节臂视为一个决策智能体，通过感知由目标偏差和障碍距离程度组成的二维状态，设计符合人工经验的拟合奖赏函数，进行各臂转动动作的强化训练，最终形成各智能体的状态-动作值函数表，即可作为机械臂在线路径规划的决策依据。将本方法应用于多自由度空间机械臂路径规划任务，仿真结果表明新算法能在有限训练次数内实现对移动目标的稳定跟踪与避障，同时各智能体通过学习所得的状态-动作值函数表，具备较强的后期在线自主调整能力，从而验证了算法较强的鲁棒性和智能性。     

共面快速受控绕飞轨迹设计与控制

绕飞运动在航天器在轨服务与在轨支援、辅助航天员舱外活动、航天器编队飞行、空间交会对接等空间活动中具有重要应用。分析了快速受控绕飞的可行性和主要过程，建立了适用于目标航天器运行在圆轨道上的共面快速绕飞和进入绕飞与退出绕飞的轨迹设计模型，采用多速度脉冲控制方法和等角度，等时间控制方式对绕飞轨迹进行控制。仿真计算结果表明所提出的快速受控绕飞轨迹设计模型和控制方法可以实现对圆轨道目标航天器的共面快速受控绕飞。     

导弹目标ISAR成像的仿真

在逆合成孔径雷达（ISAR）成像基本原理及信号处理过程的基础上，根据导弹的飞行弹道、自转和进动模型建立导弹飞行模型，采用自相关快速运动和累积相关运动两种补偿方法，对导弹目标的ISAR二维成像进行了仿真研究。结果表明，导弹的自旋时成像结果及积累时间的影响较大，模型不同，积累时间也不同。     

攻击角度约束下的分布式强化学习制导方法

为提高导弹在攻击角度约束下对目标的打击效能，提出了一种基于深度确定性策略梯度算法的分布式强化学习制导策略。为了最大限度地减小攻击角度误差，设计了一种新的奖励函数，使导弹在满足视场角约束的同时，视线角向期望值收敛。此外，为了增强强化学习模型的泛化能力，提出了一种分布式探索策略，提高了模型训练过程中对环境的探索效率。仿真结果验证了所提出的分布式强化学习制导方法能够在固定攻击角度约束下实现对目标的精准打击。与传统制导律相比，所提制导方法的攻击角度误差更小，收敛速度更快。     

一种无人机集群对抗多耦合任务智能决策方法

针对复杂场景下无人机集群对抗中协同目标分配和突防轨迹规划等多耦合任务的决策问题，提出了一种集群对抗多耦合任务智能决策方法。首先，针对无人机集群对抗中耦合任务多和决策空间大难题，结合集中式和分层式架构的优点，设计了面向多耦合任务的混合式深度强化学习架构，可提升多耦合任务间的协同性和集群对抗效能；其次，针对轨迹规划序贯决策的稀疏奖励难题，设计了基于轨迹构造的一步式动作空间设计方法，可加快策略网络收敛速度；再次，针对强对抗条件下的场景不确定难题，基于无人机集群红蓝对抗仿真平台，设计了基于多随机场景的红蓝博弈训练方法，可增强策略网络的泛化性；最后，通过与传统方法、集中式架构方法和分层式架构方法进行对比，验证了此方法的有效性和先进性。     

拦截大气层内机动目标的深度强化学习制导律

针对大气层内高速机动目标的拦截问题，提出了一种基于双延迟深度确定性策略梯度(TD3)算法的深度强化学习制导律，它直接将交战状态信息映射为拦截弹的指令加速度，是一种端到端、无模型的制导策略。首先，将攻防双方的交战运动学模型描述为适用于深度强化学习算法的马尔科夫决策过程，之后通过合理地设计算法训练所需的交战场景、动作空间、状态空间和网络结构，并引入奖励函数整形和状态随机初始化，构建了完整的深度强化学习制导算法。仿真结果表明：与比例导引和增强比例导引两种方案相比，深度强化学习制导策略在脱靶量更小的同时能够降低对中制导精度的要求；具有良好的鲁棒性和泛化能力，并且计算负担较小,具备在弹载计算机上运行的条件。     

基于轨迹规划的自由漂浮空间机器人抓取运动物体的研究

针对空间机器人非完整性和冗余性，对笛卡空间下的轨迹规划问题进行了研究。在此基础上，分析了空间机器人抓取运动物体的策略，提出了基于轨迹规划的空间机器人路径规划方法，并以三自由度空间机器人为例，对空间机器人抓取运动目标体的问题进行了研究，该方法是开环控制方法，但由于在进行轨迹跟踪过程中，误差不累积，得到的实际曲线与理论曲线相近，误差达到了规定的范围。     

地月低能转移轨道设计方法研究

研究地月低能转移轨道的设计方法。这种低能转移轨道利用了弱稳定边界理论，通过太阳的引力摄动，使得探测器能够不经过减速就被月球俘获。与经典的霍曼转移相比，低能转移轨道呵节省约140m／s的速度脉冲。由于设计是基于叫体问题模型进行的，问题具有很强的非线性特性，寻找满足约束条件的转移轨道变得非常困难。常用的两点边值问题的解法在这里都失效。本文在研究地月低能转移轨道特忡的基础上，对一般地月转移轨道搜索的变步长爬山法进行改进，用来设计地月低能转移轨道。仿真结果验证了该方法的有效性。     

组合动力运载器上升段轨迹智能优化方法

针对组合动力水平起飞可重复使用运载器，开展了上升段轨迹优化模型设计与轨迹优化方法研究。首先，针对跨大空/速域飞行须采用多种动力形式协调工作这一问题，考虑动力/气动/轨迹/指标间的复杂耦合关系，建立了运载器动力和气动模型。其次，为降低轨迹优化问题的求解难度，设计了一种全新的飞行剖面，实现了关键优化参数的提取和攻角约束的自动满足，减少了优化算法需要处理的约束数量。然后，提出了一种改进的粒子群优化(PSO)算法完成求解；在收敛性分析的基础上，引入强化学习机制对PSO寻优过程进行自主智能控制，从本质上提升了PSO算法的求解效率。最后通过数学仿真验证了方法的正确性和有效性。