基于新特征参数的再入滑翔飞行器机动模式智能辨识方法技术

本发明专利技术公开了基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，属于人工智能技术领域，包括步骤1：建立再入滑翔飞行器的运动模型；步骤2：基于滑翔飞行器的运动模型，进行RGV机动模式辨识；本方法通过构建再入滑翔飞行器的运动模型，搭建了LSTM深度学习神经网络，实现了对RGV机动模式的智能辨识，具有收敛速度快、辨识精度高和鲁棒性好的特点；能够有效解决传统方法并不能很好的完成对于再入滑翔飞行器的机动模式辨识的问题，为后期拦截方针对RGV机动轨迹的高精度预测做了前期准备和奠定了理论基础。

【技术实现步骤摘要】

本专利技术涉及人工智能，具体涉及基于新特征参数的再入滑翔飞行器机动模式智能辨识方法。

技术介绍

1、再入滑翔飞行器(reentry gliding vehicle，rgv)作为一种全球快速打击武器，在临近空间的长时间飞行具有速度快、突防能力强、打击范围广的特点，是世界各国争相研究的焦点，同时对防御方的探测、跟踪、预测和拦截等都带来了严峻挑战。从拦截的角度，针对来袭飞行器的轨迹预测是对其成功拦截的前提，而对其机动模式的准确辨识则又是高精度轨迹预测的前提，从而针对rgv机动模式的辨识已经逐渐成为国内外学者研究的热点。

2、机动模式辨识本质上来看，是一种对提前划分好的机动模式的分类问题。防御方通过探测装置观察到的目标状态信息，将目标轨迹划分为不同的机动模式，进而根据提前建立的机动模型对目标轨迹进行预测。文献“[5].赵建磊，李海阳.稀疏轨道信息下的非合作飞行器机动识别方法[j].系统工程与电子技术,2022,44(06):1950-1956”通过建立目标机动样式和状态信息之间的对应关系，实现对典型目标机动样式的准确辨识；文献“vladimir g,y本文档来自技高网...

【技术保护点】

1.基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：包括

2.如权利要求1所述的基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：步骤11所述的建立再入滑翔飞行器的一般运动模型的过程包括

3.如权利要求1所述的基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：步骤12所述的建立再入滑翔飞行器的机动运动模型的过程包括

4.如权利要求3所述的基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：步骤122所述的建立RGV在纵向机动模式下的机动运动模型的过程包括

5.如权利要求3所述的基于新特...

【技术特征摘要】

1.基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：包括

2.如权利要求1所述的基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：步骤11所述的建立再入滑翔飞行器的一般运动模型的过程包括

3.如权利要求1所述的基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：步骤12所述的建立再入滑翔飞行器的机动运动模型的过程包括

4.如权利要求3所述的基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：步骤122所述的建立rgv在纵向机动模式下的机动运动模型的过程包括

5.如权利要求3所述的基于新特征参数的再入滑翔飞行器机动模式智能辨识方法，其特征在于：步骤123所述的建立rgv在侧向机动模式下的机动运动模型的过...

【专利技术属性】
技术研发人员：贺杨超，李炯，邵雷，周池军，李万礼，张锦林，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：