拦截机动目标的自适应Super-Twisting协同制导律

针对多枚导弹协同拦截机动目标的问题,提出了一种自适应Super-Twisting协同制导律。首先,基于领从式策略建立了多弹在纵平面内的协同制导模型,并结合Super-Twisting控制算法和代数图论设计了鲁棒协同制导律。其次,利用RBF神经网络对目标机动能力进行自适应估计,同时设计在线调节增益函数抑制控制系统抖振。最终,基于李雅普诺夫直接法证明了整个制导控制系统的稳定性,并对4枚导弹协同拦截机动目标的情况进行数值仿真,仿真结果表明了所提协同制导律的有效性和优越性。     

Q-learning强化学习协同拦截制导律CSCD

为实现多枚导弹协同拦截机动目标,提升拦截效能,提出了一种Q-learning强化学习协同拦截制导律。首先,基于逃逸域覆盖理论,建立了非线性多弹协同拦截模型。其次,以视线角速率为状态,依据脱靶量构造奖励函数,通过离线训练生成强化学习智能体,并结合传统比例制导控制方法,构建基于强化学习的变导引系数制导律,实时生成实现协同拦截的制导指令。最终,通过数值仿真验证了所提算法的有效性和优越性。