摘要：针对三体对抗中由目标飞行器释放的弱机动防御弹难以精确打击高机动来袭拦截弹的问题,提出了一种目标-防御弹的自适应协同突防制导策略。首先,根据已知的拦截弹的制导策略和运动信息,以最小化脱靶量和控制代价为目标,通过系统降阶,利用最优控制理论设计了目标-防御弹的最优协同制导律。接着,考虑实际攻防对抗中拦截弹制导策略未知的情况,采用基于平方根容积卡尔曼滤波的多模型自适应滤波器估计拦截弹的制导策略和运动信息,利用模型概率对各模型的最优协同制导律进行混合输出,得到自适应协同突防制导律。仿真结果表明:最优协同制导律能让目标飞行器协助防御弹在不具备机动能力优势的情况下成功打击拦截弹,且脱靶量小于0.1m;自适应协同制导律能够准确地估计拦截弹的运动状态,并使得防御弹在目标飞行器配合下以较小的控制代价精确地打击拦截弹,脱靶量有97%的概率落入小于0.765m范围内。

摘要：针对三体对抗交战场景中的制导控制问题,综述了该领域的研究现状和发展趋势。将现有的研究方法分为三种类型:经典法、最优控制理论和微分对策理论,并对这三种方法的基本思想以及相关的研究成果进行了详细的介绍。结合研究现状以及实际的作战需求,展望了三体对抗中的制导控制问题未来可能的发展趋势,即不完美信息条件下的制导律设计以及基于博弈理论的多弹协同制导技术,为三体对抗中的制导控制问题的进一步研究提供了一定的参考。

摘要：针对三体对抗场景中的攻防博弈问题,提出了基于深度强化学习的智能博弈策略,包括适用于进攻弹的攻击策略以及适用于目标/防御弹的主动防御策略。在经典三体对抗研究的基础上引入强化学习算法,提高了算法训练的目的性,同时在奖励函数设计中考虑了攻防对抗双方的奖惩条件。应用深度强化学习算法对攻防双方智能体进行训练,并得到收敛的博弈策略。仿真结果表明,通过训练获得的进攻弹的攻击策略能够根据战场态势合理规划机动行为,在避开防御弹攻击后仍能在短时间内成功命中目标;目标/防御弹的主动防御策略中的目标扮演诱饵角色,防御弹将进攻弹迅速锁定在拦截三角形上,从而使目标在战场上面临机动能力较强的进攻弹时,能够免于攻击。

摘要：三体对抗场景下,对来袭导弹制导律的准确识别可以为其轨迹预测提供有力支持。针对此场景中来袭导弹运动与目标运动呈现半合作特征的特点,在收集导弹轨迹数据时加入不同目标机动,使数据更加贴合实际。提出了一种基于长短期记忆(Long Short-Term Memory,LSTM)神经网络的制导律识别方法,对来袭导弹制导律的类型进行识别。设计了一种加入注意力机制的LSTM神经网络,提高了网络模型的自适应能力以及泛化能力,使识别准确率及识别精度大幅度提高。实验结果证明,此方法识别准确率较高,且识别所需时间小,可以满足弹上使用需求。