摘要：针对多飞行器对机动目标的协同制导问题,在视线坐标系下建立飞行器-目标相对运动模型,在此基础上将协同制导问题分为视线角协同以及命中时间协同2个子问题。基于扩张状态观测器分别在视线方向以及视线法向设计了分布式协同制导律。通过一致性分析证明了所设计的制导律在有向切换拓扑条件下的收敛性,并通过数值仿真的方式进一步验证了制导律的有效性。

摘要：针对被操作目标运动状态变化导致双臂与目标间内力发生突变的问题,提出了一种空间机动目标双臂协调柔顺操作控制方法。首先,针对空间双臂协调柔顺操作任务,分别建立双臂空间机器人开链动力学模型和闭链动力学模型;其次,考虑目标机动产生的扰动,设计阻抗参数自主调整策略,在双臂末端与目标间作用力发生较大变化时,可以保证双臂协调操作任务的平稳性和安全性;最后,搭建双臂协调柔顺操作地面物理试验系统,并开展物理仿真试验验证,试验结果表明了本文所提方法的有效性。

摘要：提出了预定时间视线角(LOS)速率收敛制导律,用于三维场景中的多种交战情况。通过使用这种制导律,视线角速率会在任意预先指定的时间内收敛到0,且收敛时间与初始条件和控制参数无关。此外,收敛时间存在一个确切上界。首先,通过解耦三维(3D)交战模型,设计了一个平面制导律,提出了在二维(2D)场景中的制导指令。然后,通过理论分析证明了制导指令在三维场景中的可行性。最后,仿真验证了制导律的有效性。

摘要：针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。

摘要：面向目标强机动、推力干扰、测量偏差的动能拦截器强抗扰末制导方法设计问题,提出一种目标机动补偿的大气层外动能拦截器增量式强抗扰末制导方法。通过回采推力传感信息、视线转率辅助微分信息,同时联合增量式制导方法与惯性时延的扰动估计方法,对目标机动等不确定性和内外部不确定性等带来的扰动进行实时补偿并融合至制导算法,从而实现复杂工况下拦截器对抗机动目标的制导系统扰动降级与鲁棒增强等目的。复杂工况下仿真结果表明:所提方法对强机动目标、测量偏差、推力干扰等多源扰动具有强抗扰能力,并且能够实现精确碰撞式拦截任务。

摘要：研究了多领导者-多跟随者模式下多飞行器协同拦截机动目标的分布式协同围捕制导问题。借鉴狼群协同围捕大机动猎物的行为学机理,在数学层面抽象出领-从模式协同制导架构、分布式通信与状态估计以及多路多方向协同围捕制导律3种映射策略。首先,针对领-从模式协同制导架构,提出了多领导者-多跟随者协同围捕方案。其次,针对多领导者飞行器,设计带有目标不确定机动补偿的协同逆轨拦截制导律,为跟随者飞行器提供有利的围捕拦截参考轨迹。再次,针对多跟随者,利用分布式状态观测器对多领导者状态轨迹凸组合进行估计,进而设计了时变围捕视线角编队跟踪制导律,引入动态增益补偿系统来解决最大可用过载受限问题。然后,证明了闭环系统稳定性,并给出了协同制导可行性分析结论。最后,对理论结果进行仿真验证,结果显示,多飞行器在目标逃逸方向两侧形成一定散布的围捕构型,即存在若干飞行器的末制导拦截阵位是合适的,提高了对机动目标的拦截效能。

摘要：针对导弹在三维场景中以期望角度拦截加速度未知的机动目标问题,提出了一种考虑角度约束的三维拦截制导律。首先,建立了三维弹目非线性拦截制导模型;其次,设计了一种全滑动模态的积分滑模面,省去了传统滑模制导律中的滑模趋近阶段,有效地降低了拦截制导过程中的能量消耗;而后,基于设计的积分滑模面和二阶滑模控制理论,在弹目视线法向和侧向上分别设计了一种带角度约束的三维积分二阶滑模拦截制导律,有效地抑制了抖振现象,同时对目标机动造成的未知干扰进行了在线补偿;此外,对所设计算法进行了严格的Lyapunov稳定性数学证明;最后,数值仿真结果验证了本文所提三维拦截制导律的有效性、优越性以及抗干扰的鲁棒性。

摘要：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。

摘要：为解决导弹开启末制导时初始前置角过大或前置角变化幅度较大的问题,设计适用于多种导弹制导律的前置角三维剩余飞行时间估计方法。将导弹速度和目标速度投影分解,在地面坐标系的Oxy面和Oxz面上建立弹目相对运动关系方程,以此为基础建立三维弹目相对运动模型。利用弹目相对运动关系方程和比例导引控制方程,建立1阶非线性微分方程,解析弹目距离与前置角的关系,并利用麦克劳林展开式求解方程。根据视线角速度变化选择合适的内框角,对前置角进行补偿,同时使用中位值平均滤波法降低前置角波动造成的误差。利用已建立的三维弹目相对运动模型进行仿真实验。仿真结果表明,在小角度假设不能成立时,尤其是因制导律进行角度控制而导致前置角变化较大时,前置角剩余飞行时间(Time-to-go,TGO)估计方法的估计值误差收敛时间和最大误差值要小于其他TGO估计方法,估计效果最佳。

摘要：针对机动目标的高动态属性导致雷达系统不能精确地分配系统资源问题,本文提出了一种基于改进的当前统计模型的组网机会阵雷达功率分配算法。该算法通过改进的当前统计模型预测机动目标运动状态,采用预测的条件克拉美罗界作为功率分配时目标跟踪性能的衡量基准。针对目标信息的不确定性,引入随机变量表征目标RCS,建立基于机会约束规划的功率资源分配模型,并设计混合智能优化算法求解满足机会约束的最优功率分配。仿真结果表明,预测的条件克拉美罗界能够提供一个更加精确的跟踪性能衡量边界,该算法能够有效提高雷达系统资源利用率。