System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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,yury m,and natalya k.pattern recognition techniques forclassifying aeroballistic flying vehicle paths[j].neural computing andapplications,2022:1-13”基于最小等级距离标准方法和人工神经网络,利用模式辨识技术实现了在大气阶段对弹道飞行器路
3、对于rgv轨迹机动模式的辨识,大多数研究基于易于获得的目标状态信息的变化率,在分类方法层面上进行改进,少有学者对和机动模式深度耦合的特征参数进行研究;然而rgv轨迹实质上是一组三维运动数据,其在水平平面和垂直平面具有不同的曲率;机动模式不同,横纵向曲率变化也不同。因此,传统方法并不能很好的完成对于再入滑翔飞行器的飞行器的机动模式智能辨识。
4、针对以上问题,亟需设计一种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,以解决上述现有技术存在的问题。
技术实现思路
1、针对上述存在的问题,本专利技术旨在提供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,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。
2、为了实现上述目的,本专利技术所采用的技术方案如下:
3、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,包括
4、步骤1:建立再入滑翔飞行器的运动模型
5、步骤11:建立再入滑翔飞行器的一般运动模型;
6、步骤12:建立再入滑翔飞行器的机动运动模型;
7、步骤2:基于滑翔飞行器的运动模型,进行rgv机动模式辨识
8、步骤21:依据再入滑翔飞行器的运动模型的特点,计算机动模式辨识特征参数;
9、步骤22:在步骤21的基础上引入lstm,构建用于再入滑翔飞行器机动模式辨识的rgv机动模式辨识网络。
10、优选的,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
11、步骤111:在不考虑地球自转的情况下,建立rgv的一般运动模型为:
12、
13、其中,r表示飞行器到地心的距离,φ,表示飞行器的经、纬度,v表示飞行器的速度,θ,ψ表示飞行器的航迹倾角和航迹偏角,σ表示飞行器的倾侧角;l,d表示飞行器受到的升力及阻力:
14、
15、cl表示飞行器的升力系数,cd表示飞行器的阻力系数,s表示飞行器的受力面积,ρ表示飞行高度对应的大气密度;
16、步骤112:飞行器在飞行时,存在过程约束和终端约束
17、(1)过程约束考虑飞行器的热流密度约束、动压约束和过载约束:
18、
19、其中,q,n分别表示热流密度、动压和过载,qmax,nmax分别表示热流密度约束、动压约束和过载约束的最大值,c表示气动热系数,g0表示零海拔重力加速度;
20、(2)终端约束表示为
21、
22、其中,rf,vf表示给定的飞行器终端地心距和终端速度,tf为终端时刻,若hf为终端高度,re为地球平均半径,有rf=hf+re。
23、优选的,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
24、步骤121:设rgv在临近空间运动的目标机动模式包括平衡滑翔摆动机动、平衡滑翔转弯机动、跳跃滑翔摆动机动和跳跃滑翔转弯机动;所述平衡滑翔和跳跃滑翔为rgv在纵向的机动模式,由攻角控制;摆动机动和转弯机动为rgv在侧向的机动模式,主要由倾侧角控制;当rgv机动运动模型确定时,攻角和倾侧角可以通过机动运动模型反解得到;
25、步骤122:建立rgv在纵向机动模式下的机动运动模型;
26、步骤123:建立rgv在侧向机动模式下的机动运动模型。
27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程包括
6.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21所述的依据再入滑翔飞行器的运动模型的特点,计算机动模式辨识特征参数的过程包括
7.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
8.利用如权利要求1所述方法建立的用于再入滑翔飞行器机动模式辨识的RGV机动模式辨识网络,其特征在于:所述辨识网络基于LSTM构建,包括遗忘门、输入门和输出门;
9.用于再入滑翔飞行器机动模式辨识的RGV机动模式辨识网络,其特征在于:所述的遗忘门、输入门和输出门的工作原理为
10.一种再入滑翔飞行器的轨迹预测装置,其特征在于:包括
...【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。