非开普勒轨道下卫星交会变轨决策研究

针对卫星在非开普勒轨道下的运动特征,提出了研究卫星交会变轨决策的方法。首先,在Hill坐标下,采用比例导引方法求解卫星进行变轨机动时所需要的速度增量。然后,再通过Lagrange插值算法解出卫星在任意特征点上变轨机动所需要的速度增量,根据数字仿真得出大量的仿真数据并画出满足变轨决策条件的决策曲面。最后,对决策曲面的涵义做出分析,说明了该方法对于研究非开普勒轨道下卫星变轨决策问题具有一定的意义。     

印度4月底试射射程3500km弹道导弹

印度计划于4月20日至30日之间试射射程达3500km的“阿格尼Ⅲ”战略导弹。“阿格尼Ⅲ”战略导弹是印度最具雄心的战略导弹，可携带1．5t核弹头。这将是“阿格尼Ⅲ”铁路机动型的第3次试射，将在印度东部奥里萨邦沿海的惠勒岛试验场进行。虽然“阿格尼Ⅲ”导弹的第一次试射于2006年7月失败，但2007年4月进行的第二次试射取得了成功。如果这次试射能获得成功，     

机动卫星星座对多区域目标成像任务规划

针对太阳同步圆轨道卫星星座对地观测任务,研究了在卫星机动情况下对多区域目标的成像任务规划算法。首先提出了单颗卫星对单个点目标的观测方法,解析分析了点目标可见性,并给出了卫星变轨策略;进而通过把区域目标划分为多个条带,将问题转化为卫星对点目标观测问题,结合单星单目标观测方法分析区域目标各条带的可见性;最后建立优化问题模型,给出条带观测策略,并利用遗传算法优化星座对多区域目标的观测总面积。仿真结果表明该算法准确性高,能够有效提高星座的观测能力和观测总面积。     

稀疏孔径ISAR机动目标成像与相位补偿方法

现代逆合成孔径雷达(ISAR)可实现多模式下对多目标的交替测量工作,但波束切换使得任一目标的方位孔径具有稀疏性,同时目标的机动性也使得目标的方位维信号具有高次调制特性,这均导致以连续采样信号模型为基础的传统ISAR运动补偿和成像方法难以直接应用。本文提出一种新的稀疏孔径(SA)ISAR机动目标相位补偿和成像方法。该方法首先建立了稀疏孔径ISAR机动目标的信号模型,然后通过求解2范数最大化的优化函数,实现对相位误差的精确估计,并且通过迭代处理提高了相位误差的估计精度。相位误差补偿后,根据压缩感知理论,构造了机动目标情况下的Chirp-Fourier字典,通过对稀疏优化问题的求解,能够较精确地从稀疏孔径信号中重构出机动目标的全孔径(FA)信号。仿真和实测数据处理结果证明了本文方法的有效性。     

单天基平台测向的空间非合作目标跟踪

针对仅含角度测量信息的单个天基平台可观测性较弱的问题,提出了一种含脉冲机动检测的空间非合作目标跟踪算法,并设计了非合作目标实时跟踪数据处理流程.该算法利用抗差估计技术和UKF（Unscented Kalman Filter,无迹卡尔曼滤波）算法构造目标跟踪滤波器,并综合残差多项式拟合和新息分布特征等方法实现目标机动检测,在天基平台观测信息类型有限和观测几何较差的情况下,可以同时排除孤立野值和成片测量野值的影响,实现非合作机动目标的连续稳定跟踪.数值实验验证了算法的可行性和有效性,也表明了跟踪精度和可靠性与测量精度密切相关.     

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

基于解析解的小范围高频率机动飞行器制导律设计

针对机动飞行器的小范围高频率侧向机动飞行问题,结合飞行器的运动学和动力学方程,通过解析方法给出了机动幅值和飞行器最大可用过载下的最大机动频率,同时利用粒子群优化方法进行了制导律最优频率的优化。基于解析规划算法给出了正弦机动制导律的解析形式以实现飞行器在侧向方向的机动导引飞行。仿真结果表明：解析算法能够精确得出制导律频率,而粒子群优化方法的精度也能很好的满足要求,误差在5%以内。正弦机动制导律在大速度下可以较好的完成任务目标;在小速度下,幅值误差会有小幅度的增加。     

多飞行器突防打击一体化微分对策制导律设计

针对多进攻弹突防弹群拦截再打击目标的交战场景,提出了一种可应用于对手信息不完全情况下的微分对策制导方法。建立多飞行器交战的线性化模型,并依据不同对抗组进行模型降阶。引入时间算子统一所有分组的终端时间,基于二人零和微分理论给出制导律。利用扩展卡尔曼滤波(EKF)实现对拦截弹和目标的状态估计,并将估计应用于所提制导律。在对手状态信息已知时,仿真突防脱靶量大于5 m,拦截脱靶量小于0.1 m。而在只给定粗糙有噪声观测的不完全信息下,滤波器对拦截弹与目标的状态估计误差可接受,仿真结果依然保持相近的脱靶精度。仿真结果表明,所提制导律能有效导引进攻弹规避拦截,并准确打击目标。      

导引头量测故障下的增量式三维制导律设计

考虑导引头量测故障下拦截机动目标的末制导问题,以提高制导系统的鲁棒性、降低制导增益、减小系统残差、避免视线角速率剧烈振荡/发散为目的,基于增量式控制方法设计了一种具有鲁棒增强特性的三维末制导律。首先,将末制导问题转化为零化视线角速率的控制问题。其次,通过弹目相对距离及视线角速率定义辅助变量,给出传统的滑模制导律作为设计参考。然后,基于增量式非线性动态逆滑模控制方法,充分挖掘视线角加速度估计信息及上一采样时刻的制导指令,得到增量式三维鲁棒制导律。最后,在目标机动及导引头量测故障下,分析并比较了两种制导律所产生的系统残差。理论分析及多工况仿真结果表明,增量式制导律不仅对目标机动及大范围失效的导引头量测故障具有强鲁棒性,而且所需制导增益也较小,同时避免了末端视线角速率严重发散的问题     

航天器轨道追逃博弈多阶段强化学习训练方法

针对航天器轨道追逃博弈问题,提出一种多阶段学习训练赋能方法,使得追踪星在终端时刻抵近逃逸星的特定区域,而逃逸星需要通过轨道机动规避追踪星。首先,构建两星的训练策略集,基于逻辑规则设计追踪星和逃逸星的机动策略,通过实时预测对方的终端位置,设计己方的期望位置和脉冲策略,显式给出追逃策略的解析表达式,用于训练赋能;其次,为提升航天器的训练赋能效率及应对未知环境的博弈能力,提出一种基于强化学习技术多模式、分阶段的学习训练方法,先使追踪星和逃逸星分别应对上述逻辑规则引导下的逃逸星和追踪星,完成预训练;再次,开展二次训练,两星都采用邻近策略优化(PPO)策略进行追逃博弈,在博弈中不断调整网络权值,提升决策能力;最后,在仿真环境中验证提出的训练方法的有效性,经过二次训练后,追踪星和逃逸星可有效应对不同策略驱动下的对手,提升追逃成功率。