[发明专利]一种空中动目标追踪方法及系统

说明书

本发明涉及一种空中动目标追踪方法及系统，涉及飞行器目标追踪领域，方法包括分别获取当前时刻飞行器的飞行速度和速度倾角；根据当前时刻飞行器的飞行速度和速度倾角利用飞行器运动学模型确定飞行器与目标的位置坐标，进而利用相对运动模型确定相对信息；判断相对距离是否小于设定距离阈值，若是，则完成追踪过程；若否，则根据相对信息利用近端策略优化算法生成导航比和加速度控制指令；根据导航比和加速度控制指令利用飞行器运动学模型确定下一时刻飞行器的飞行速度和速度倾角；更新当前时刻飞行器的飞行速度和速度倾角并重新确定飞行器与目标的位置坐标。本发明能够提高目标追踪的泛用性、追踪效果和追踪的控制精度。

技术领域

本发明涉及飞行器目标追踪领域，特别是涉及一种空中动目标追踪方法及系统。

背景技术

传统的比例导引法是当前动目标追踪方法中使用最广泛的方法之一。凭借其优异的追踪效果，当代大多导引追踪方法都是从比例导引法演变而来。虽然在多数场景下，传统比例导引法有着实现简单、稳定可靠、追踪效果好等优点。但在面对大机动目标或在快速接近目标时，传统的比例导引很难保证视线稳定，从而导致瞬时过载过大以及脱靶量大等问题。对于不同的场景与不同的应用需求，基于最优控制理论的制导控制方法，有的研究者针对一种或多种性能指标与约束条件设计出符合要求的制导律。有的研究者利用非线性控制方程设计了一种制导控制一体化的非线性制导律。有的研究者提出了一种基于反步法的制导算法，其在满足导引头视野限制的条件下实现了碰撞。在制导控制过程中存在模型不确定性和大气环境扰动等随机噪声引起的航迹不精确等问题。有的研究者针对此问题提出了一种基于随机快速平滑二阶滑模控制理论的末制导律。滑模控制方法是一种对外部扰动有较强的鲁棒性的控制方法，其在空空导弹的制导控制方法中有较多的应用。有的研究者针对二维空间中高速机动目标拦截场景，设计了一种基于非线性运动学模型的滑模制导控制方法。一些研究者使用有限时间滑模控制理论，使得制导控制过程的系统误差在有限时间内收敛。在导弹打击过程中，目标飞行器的真实机动过载往往无法准确测量，在制导过程中很难对目标机动做出预判，从而导致针对随机机动目标打击效果差。有的研究者提出了一种使用状态观测器的制导律。其设计了一个用于估计目标过载的线性扩展状态观测器，并基于此设计了一种可以有效拦截机动目标的制导律。

近年来，随着机器学习等智能算法迎来突破，武器装备智能化逐渐成为研究的热门方向。为了使导弹更加适应未来战争中的战场环境，很多研究者将制导方法与智能算法相结合，设计出智能制导方法。机器学习算法中，深度神经网络是近年来在很多领域中的研究热点。其使用大量数据样本进行训练，并使用梯度下降方法优化神经网络中的参数。研究者们也尝试将神经网络与制导方法相结合。有的研究者设计了一种基于自适应小脑模型控制器的导弹制导律。其通过学习基于李雅普诺夫稳定理论的自适应制导律，得到了感受野函数中的参数。并设计了自适应控制器，满足了导弹的追踪要求。虽然基于神经网络与深度学习的制导方法在理论上可以完成制导打击过程，但是其也存在依赖训练数据的问题。在实际应用场景中，常常无法获得足够的导弹打击数据进行训练，很难保证训练样本数据的多样性，从而导致训练结果过拟合，显著降低算法在不同场景下的泛用性。