PN制导律多模型自适应辨识滤波方法

针对导弹主动防御应用中拦截导弹制导行为辨识问题,提出一种比例导引（PN）制导律多模型辨识滤波方法,对拦截导弹加速度和制导律导航常数进行辨识。采用非线性可观性理论对制导模型的可观性进行了分析。得出在拦截导弹使用PN制导律时,制导模型可观的充要条件。与以往工作相比,该方法考虑了拦截导弹末制导初期由于瞄准误差校正而引起的控制器饱和现象,在拦截导弹执行器处于饱和或退出饱和阶段都能精确对制导律进行辨识。另外,以往工作假定PN制导律常数已知,该方法将PN制导律常数当做制导模型的一个状态进行估计。仿真结果校验了所提方法的性能。     

基于小型一体化MEMS惯性组合单元的应用研究

介绍基于小型一体化MEMS惯性组合单元的发展和应用情况,结合MEMS惯性组合导航解算软、硬件设计的特点,阐述MEMS导航系统的工作原理,分析空间飞行器使用MEMS进行导航的关键技术,对我国开展MEMS惯性组合的研制提出建议.     

大气层外拦截器最优中制导律设计

中制导是大气层外拦截嚣复合制导体系的关键技术之一,对消除主动段结束时的速度误差和构造有利的末制导初始条件有着重要意义.以机动能力需求最小为优化目标,本文提出了一种针对大气层外拦截器的中制导规律.能量最优中制导规律的关键是在预测拦截点附近寻找最优的拦截点和对应的最优需用速度,并满足中段机动能力约束.仿真试验结果表明,该方...     

基于深度Q网络的多智能体逃逸算法设计CSCD

当前多智能体追逃博弈问题通常在二维平面下展开研究,且逃逸方智能体运动不受约束,同时传统方法在缺乏准确模型时存在设计控制策略困难的问题。针对三维空间中逃逸方智能体运动受约束的情况,提出了一种基于深度Q网络(DQN)的多智能体逃逸算法。该算法采用分布式学习的方法,逃逸方智能体通过对环境的探索学习得到满足期望的逃逸策略。为提高学习效率,根据任务的难易程度将智能体策略学习划分为两个阶段,并设计了相应的奖励函数引导智能体探索满足期望的逃逸策略。仿真结果表明,该算法所得逃逸策略效果稳定,并且具有泛化能力,在改变一定的初始位置条件后,逃逸方智能体也可成功逃逸。