基于人工智能的敌方拦截弹时间常数回归辨识方法技术

本发明专利技术公开了一种基于人工智能的拦截弹时间常数回归辨识方法，通过辨识模型对飞行器

【技术实现步骤摘要】
基于人工智能的敌方拦截弹时间常数回归辨识方法


[0001]本专利技术涉及一种基于人工智能的敌方拦截弹时间常数回归辨识方法，属于飞行器制导控制领域。

技术介绍

[0002]在空战博弈中，需要有效规避敌方拦截弹的拦截，提高我方飞行器的生存能力。传统的规避方法大多是被动防御方法，例如随机机动、发射干扰弹等，为有效提高我方飞行器的生存能力，可以采用我方飞行器发射防御弹，对敌方拦截弹进行防御的主动防御方法。
[0003]主动防御方法通常要求获得敌方拦截弹的两个关键参数：导弹制导律和导弹时间常数。在传统的敌方参数辨识的研究中，普遍关注于制导律的辨识，而将敌方拦截弹时间常数假定为一个已知的常数。这是因为传统方法通常基于卡尔曼滤波方法，这类方法的缺陷在于，为了应为模型关键参数的不确定性，基于卡尔曼滤波的多模型自适应估计(Multiple
‑
ModelAdaptive Estimator,MMAE)和交互多模型(InteractiveMultiple Model,IMM)通常被用于构建辨识模型。但这些方法均假设模型参数在一组已知参数内，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的拦截弹时间常数回归辨识方法，其特征在于，通过辨识模型对飞行器
‑
拦截弹运动学信息进行处理，获得拦截弹时间常数，从而使得飞行器避开拦截弹的拦截；所述拦截弹时间常数是指拦截弹一阶惯性运动学时间常数所述飞行器
‑
拦截弹运动学信息包括：飞行器加速度a，飞行器速度倾角θ，飞行器速度偏角ψ，飞行器速度V，飞行器与拦截弹相对距离R，拦截弹相对飞行器速度V
r
，拦截弹相对飞行器视线角q，拦截弹相对飞行器视线角速率2.根据权利要求1所述的基于人工智能的拦截弹时间常数回归辨识方法，其特征在于，所述辨识模型具有GRU神经网络。3.根据权利要求1所述的基于人工智能的拦截弹时间常数回归辨识方法，其特征在于，所述辨识模型输入层的输入数据为一段时间内的飞行器
‑
拦截弹运动学信息，其输入形式为二维矩阵形式。4.根据权利要求2所述的基于人工智能的拦截弹时间常数回归辨识方法，其特征在于，所述辨识模型中设置有多模型层，所述多模型层设置在GRU神经网络的隐含层之后，替代GRU的输出层。5.根据权利要求4所述的基于人工智能的拦截弹时间常数回归辨识方法，其特征在于，所述多模型层中含有多个单元，每个单元以GRU神经网络隐含层的输出为输入，多个单元的输出结果合并回归后作为辨识模块的输出。6.根据权利要求5所述的基于人工智能的拦截弹时间常...

【专利技术属性】
技术研发人员：王江，王因翰，范世鹏，刘子超，侯淼，王鹏，刘畅，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：