美国国家导弹防御系统试验受挫

1月 18日 ,美国不顾世界多个国家的强烈反对 ,在中太平洋地区进行了国家导弹防御系统(NMD)的第二次拦截试验。按照预先设想 ,携带假弹头的民兵导弹要模拟一枚核导弹对美国进行攻击。该弹发射 2 0分钟后 ,拦截弹发射 ,在 190公里的高空以 150 0 0公里 /小时的速度接近靶弹并将其击落。当晚6时 19分 ,一枚改进型民兵 2导弹从位于加州的范登堡空军基地发射升空 ,2 0分钟后 ,一枚拦截弹从夸贾林岛发射 ,对其进行拦截。结果拦截弹和靶弹擦肩而过 ,试验以失败告终。据美国军方高层人士透露 ,两个红外热寻的装置是造成拦截弹“脱靶”的罪魁祸首。…     

对电磁发射拦截系统中拦截弹的运动分析

介绍了电磁发射拦截系统的组成及工作原理,建立了发射线圈组件的三维模型。对承载150kA电流的发射线圈组件的工作过程进行了分析,得到了加载瞬间拦截弹的受力、加速度、速度和位移的变化规律。     

一种新的精英遗传算法及在多弹拦截分配策略的应用

为了有效解决多导弹对多机动目标的拦截对抗实战中的目标分配问题,本文提出一种基于精英策略的多种群自适应遗传算法(MAGA).首先,建立目标分配的综合优势函数和约束条件的数学模型.其次,为改善传统遗传算法容易陷入局部最优的问题,通过多个单遗传算法并行计算,引入自适应策略动态改变交叉、变异概率,设计迁移算子增加各种群之间的联...     

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。     

输入受限下的鲁棒微分博弈拦截制导律设计

研究了输入受限和匹配干扰约束下的导弹-目标拦截制导系统，提出了一种复合控制方案。首先，通过超螺旋干扰观测器估计匹配干扰，并依据观测器的估计结果设计了积分滑模控制器对干扰进行补偿。其次，结合微分博弈理论和自适应动态规划算法，设计单评价神经网络来求解微分博弈控制器，并利用Lyapunov稳定性理论证明了所提的复合控制策略保证了闭环系统和评价神经网络的稳定性。最后，对导弹-目标拦截系统进行建模仿真，验证了复合控制策略的有效性。     

拦截机动目标的信赖域策略优化制导算法

针对临近空间高超声速飞行器的高速性、机动性等特性，为提高制导算法针对不同初始状态、不同机动性目标的准确性、鲁棒性及智能性，提出一种基于信赖域策略优化（TRPO）算法的深度强化学习制导算法。基于TRPO算法的制导算法由2个策略（动作）网络、1个评价网络共同组成，将临近空间目标与拦截弹相对运动系统状态以端对端的方式直接映射为制导指令。在算法训练过程中合理选取连续动作空间、状态空间、并通过权衡能量消耗、相对距离等因素构建奖励函数加快其收敛速度，最终依据训练的智能体模型针对不同任务场景进行拦截测试。仿真结果表明：与传统比例导引律（PN）及改进比例导引律（IPN）相比，本文算法针对学习场景及未知场景均具有更小的脱靶量、更稳定的拦截效果、鲁棒性，并能够在多种配置计算机上广泛应用。     

采用二次修正的立方星拦截仿真研究

针对空间攻防背景下立方星拦截问题，提出了一种Lambert求解与C-W方程结合的以燃料-时间为约束的拦截轨道快速设计方法。该方法首先在Lambert求解框架下，以燃料和拦截时间为限，建立了立方星转移时间与速度增量的模型，生成了初始拦截轨道；随后根据末端拦截精度需求，通过C-W方程进行末段导引，施加二次脉冲，对拦截轨道末端进行误差修正，使得最终误差可以满足任务要求。最后通过GMAT构建的轨道力学环境，在Matlab算法驱动下进行联合仿真验证，分析表明该算法在燃料和时间的共同约束下可获得一条优化轨道，并能兼顾末端拦截精度，具有工程借鉴意义。