[发明专利]一种基于时空大机动目标的非线性预测制导律构建方法

说明书

本发明公开了一种基于时空大机动目标的非线性预测制导律构建方法，首先构建目标战术规则动作库，然后对目标航迹数据进行聚类，将每一个目标航迹数据聚类到目标战术规则动作库的一个动作上；接下来基于循环神经网络进行航迹预测，最终根据得到的航迹预测结果，确定预靶点，直接发射导弹到预靶点进行拦截。本发明在面对时空大机动目标时，与其他传统导引律相比消耗能量小，能为未来智能空战提供强有力的技术支持，为空战中对抗情景提供决策支持。

技术领域

本发明属于飞机制导技术领域，具体涉及一种非线性预测制导律构建方法。

背景技术

对空战目标信息的快速准确估计是实现导弹精确攻击的前提，直接决定着制导的精度和攻击的成功率，即飞行器轨迹预测是现代战争取得主动权的关键因素之一。传统的制导方法有追踪法、平行接近法、三点法和比例导引法等。未来空战强调“非接触”式作战，即在直瞄火力范围之外进行射击，利用精确制导武器进行防区外打击，避免有生力量的消耗。随着目标飞行器的性能的不断提高，尤其是超声速特性和高机动性，要求新一代导弹朝着高精度命中、大机动跟踪目标和远程打击的方向发展，从而对制导控制技术提出了更高的要求。

由于高速大范围机动目标的运动模式复杂，使其动力学和运动学模型难以准确获取，大多数方法通常将目标的运动特性描述为线性运动或某种特定的非线性运动，这很难准确地描述目标在真实世界中的复杂运动情况。预测可以从己知的知识中得到未知的知识，从而预判还未发生但可能会发生的事，为后续决策提供指导意见，减少决策时的盲目性和不确定性。(成磊峰,基于无监督学习的目标轨迹预测.TelecommunicationEngineering,2018.58(2).)。因此，探索能够对非线性模型进行意图轨迹预测的制导律具有重要的研究意义和应用价值。

发明内容

为了克服现有技术的不足，本发明提供了一种基于时空大机动目标的非线性预测制导律构建方法，首先构建目标战术规则动作库，然后对目标航迹数据进行聚类，将每一个目标航迹数据聚类到目标战术规则动作库的一个动作上；接下来基于循环神经网络进行航迹预测，最终根据得到的航迹预测结果，确定预靶点，直接发射导弹到预靶点进行拦截。本发明在面对时空大机动目标时，与其他传统导引律相比消耗能量小，能为未来智能空战提供强有力的技术支持，为空战中对抗情景提供决策支持。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：构建目标战术规则动作库；

根据目标机动模式和目标战术飞行动作，构建目标战术规则动作库，目标战术规则动作库中的动作包括最大加速、最大减速、最大过载爬升、最大过载俯冲、最大过载左转、最大过载右转、稳定飞行、直线平飞、定常盘旋、将机头转向目标、下滑增速、俯冲、急拉起、战斗转弯、瞄准跟踪、急规避、蛇形机动；对常规动作进行组合，衍生新的复杂机动动作，包括加速机动、盘旋机动、筋斗机动、殷麦曼机动和蛇形机动，加入目标战术规则动作库中；

步骤2：目标航迹数据聚类；

步骤2-1：获取目标航迹数据，构成时间观测序列Y＝{Y₁,…,Y_N}，其中N为目标航迹数据总数，Y_N为第N个目标航迹数据；

为每一个目标航迹数据拟合一个马尔科夫模型，得到马尔科夫参数集λ＝{λ₁，…λ_N}，λ_N为第N个目标航迹数据的马尔科夫模型；

计算时间观测序列{Y_j,1≤j≤N}在任一马尔科夫模型{λ_i,1≤i≤N}下的概率分布L(Y_j|λ_i)，采用对数似然表示如式(1)：