高超声速滑翔飞行器地形匹配辅助导航方法研究

高超声速滑翔飞行器滑翔飞行高度在30 km以上，大气极其稀薄，传统采用气压高度计的地形匹配辅助导航方式将无法正常工作。为实现高精度地形匹配，在分析匹配算法对地形常值误差不敏感的基础上，详细论证了基于惯性系统解算绝对高度方案，并对比分析了将短时滑翔段弹道简化为等高飞行方案。在捷联惯性导航系统（SINS）误差模型基础上，结合高度通道方块图，通过拉普拉斯变换，建立了惯性系统高度通道短时稳定性解析模型，并以CAV-H为研究对象建立数值仿真环境。仿真结果表明，解析模型精度较高，基于SINS解算绝对高度能够满足地形匹配辅助导航系统精度要求，优于气压高度计正常工作时的精度。      

基于地形匹配的高超声速飞行器初始定向偏差在线辨识方法

针对高超声速飞行器机动发射条件下自瞄准时间短、初始定向偏差大的问题，提出一种基于地形匹配的初始定向偏差在线辨识方法。以综合初始对准和姿态控制的惯性系统导航误差模型为分析基础，融合相邻两个地形匹配区两次地形匹配定位结果，建立了初始定向偏差在线辨识模型，并从惯性系统工具误差系数偏差和地形匹配定位误差两方面讨论了辨识模型的适应性。以美国高超声速飞行器CAV H为研究对象建立仿真环境，采用蒙特卡洛法检验初始定向偏差辨识效果。仿真结果表明，在地形匹配定位误差为173.88 m (3σ)情况下，初始定向剩余偏差平均值为8.42″，最大值为34.65″，能够有效提高惯性系统导航精度，并且有助于缩短发射准备时间、提高武器系统生存能力。     

基于学习的中段反导拦截时间和拦截点预测方法

弹道导弹实时、准确地预测拦截弹的拦截点与拦截时间，是实现中段突防的有效手段。针对弹道导弹中段突防中的拦截点坐标及拦截时间的预测问题，提出了一种基于监督学习的在线预测方法。以拦截弹的主动段关机参数和关机时刻为输入量，建立拦截时间和拦截点预测模型。在多层感知机神经网络的基础上构建有监督学习算法，通过攻防仿真获取拦截弹的参数制作训练数据集，在线下完成网络训练。仿真结果表明:神经网络能够有效在线预测拦截时间和拦截点坐标，预测结果的相对误差分别为0.124 3%和0.128 5%，拦截时间预测结果误差的平均值为0.224 0 s，拦截点预测结果距离误差平均值为2 016.48 m，均满足精度要求。