高超声速飞行器助推段弹道快速计算方法

为提高机动发射高超声速飞行器助推段弹道计算速度和精度,提出一种联合BP神经网络和Levenberg-Marquardt(L-M)算法实现弹道精确快速计算的方法。首先综合考虑各项约束条件设计了助推段飞行程序和弹道优化模型;其次采用BP神经网络方法推导了发射点及终端入轨点状态量与弹道参数的映射关系;最后建立了基于BP神经网络和L-M算法的联合数值寻优计算模型,并采用联合算法对高超声速飞行器助推段弹道进行优化计算。仿真结果表明,基于BP神经网络和L-M方法的联合算法能够快速和高精度地完成机动条件下的高超声速飞行器助推段弹道计算,其终端高度、速度和弹道倾角的入轨精度可分别达到2 m、0.1 m/s、0.01°,并且弹道计算耗时在3 s以内。

基于改进DE算法的定时拦截能耗优化方法

在满足对目标卫星在指定时间拦截的要求下,以拦截器变轨能量消耗最省为优化指标,构建了定时拦截变轨能耗计算模型,提出了运用改进差分进化算法优化拦截器变轨能耗的方法。仿真结果表明:改进差分进化算法能够在更短的时间搜索到更优的变轨时间及其对应的变轨能耗,并且算法具有较好的稳定性和收敛性。

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。

基于神经网络的高超声速飞行器惯导系统精度提高方法

针对目前惯性系统误差补偿模型对静态误差和动态误差处理能力不足的问题,为适应高超声速飞行器长航时、高精度的惯性导航要求,基于神经网络提出一种加速度计拟合模型。在高超声速飞行器飞行前期有准确的卫星导航信息时,收集导航信息和加速度计脉冲信息,利用神经网络强大的非线性拟合能力,在飞行过程中进行在线训练,得到精确的惯性系统模型。仿真结果表明,在存在逐次通电误差和不考虑二次项误差系数的误差补偿模型方法位置导航偏差在数公里和数百米量级的情况下,相同时间内所提方法的位置导航偏差仅为数十米量级,有效提高了高超声速飞行器的导航精度。

高超声速飞行器非连续点火助推增程弹道设计

针对高超声速飞行器因防热烧蚀而制约整体射程的问题,创新提出了一种非连续点火助推方案,通过增大助推段射程的弹道设计方法提高飞行器整体射程能力,减轻后续段的射程压力。综合考虑动压、过载、控制和终端高度、速度、弹道倾角等约束条件,以助推段射程最大为目标函数,设计了非连续点火助推段飞行程序和纵向平面弹道优化模型,采用改进的梯度粒子群算法进行优化求解。仿真结果表明,改进的梯度粒子群算法能有效解决非连续点火助推弹道设计问题,设计的非连续点火助推弹道方案在满足各项约束的同时,助推段射程比连续点火方案提高了8.7倍,射程达到了4 800 km,增程的效果十分明显。

机动发射条件下空间飞行器上升段弹道设计

为提高空间飞行器机动发射能力,在飞行中段轨迹确定情况下,以入轨点位置、高度、速度、速度方位角、弹道倾角等作为终端约束,设计上升段弹道,实现以基准发射点为中心,一定范围内任意发射点上升段与飞行中段高精度交班。考虑到上升段终端入轨点约束条件多、精度要求高,且上升段弹道具有非线性、强耦合的特点,研究设计了二级、三级能量管理模型和变射面横向机动模型,并采用加入混合扰动算子的梯度粒子群算法对上升段弹道进行求解。仿真结果表明:优化设计的变射面横向机动弹道能够实现与飞行中段的高精度交班,上升段终端入轨点位置、高度、速度、速度方位角和弹道倾角平均偏差分别为27. 506 2 m、2. 125 4 m、1. 652 2 m/s、0. 072 8°和0. 029 0°。

掩护攻击下从弹的导航与制导方法

针对全导式多弹头在确保射击精度与弹头密集分布条件下的作战需求,提出了一种数值导航计算和相对制导的方法。基于零视加速度理论,在自由段采用数值导航计算方法,有效地消除了惯性导航系统加速度计漂移误差对导航精度的影响,减小了弹头落点偏差。以摄动制导理论为基础,研究了从弹伴随主弹飞行的相对制导方法,设计了满足落点约束的姿态控制方程和制导关机方程,将从弹和主弹分离时刻的状态参数作为标准关机量,实时计算分离后从弹的关机量并与标准关机量进行对比,满足相对距离条件则实施关机。仿真表明:通过数值导航与相对制导方法能有效实现全导式多弹头的伴随飞行,并以较高精度命中目标,从弹掩护主弹攻击的效果较好。

减阻增程弹道的射程估算与特性分析

为实现弹道导弹射程的快速估算和减阻设计后弹道增程的定量分析,提出一种基于导弹基本参数的射程快速精确估算方法。通过建立减阻模型,仿真计算得到气动阻力系数表,并对速度计算公式进行逐项积分,利用高度近似值和气动系数拟合结果得到关机点状态量和射程的初步值,最终通过迭代计算得到满足精度要求的射程结果。仿真结果表明,经过高度和气动系数的迭代计算能有效快速得到满足精度的计算结果,通过减阻设计,导弹射程提高了162.36 km,增程的效果明显。

基于地形匹配的高超声速飞行器初始定向偏差在线辨识方法

针对高超声速飞行器机动发射条件下自瞄准时间短、初始定向偏差大的问题,提出一种基于地形匹配的初始定向偏差在线辨识方法。以综合初始对准和姿态控制的惯性系统导航误差模型为分析基础,融合相邻两个地形匹配区两次地形匹配定位结果,建立了初始定向偏差在线辨识模型,并从惯性系统工具误差系数偏差和地形匹配定位误差两方面讨论了辨识模型的适应性。以美国高超声速飞行器CAV-H为研究对象建立仿真环境,采用蒙特卡洛法检验初始定向偏差辨识效果。仿真结果表明,在地形匹配定位误差为173.88 m(3σ)情况下,初始定向剩余偏差平均值为8.42″,最大值为34.65″,能够有效提高惯性系统导航精度,并且有助于缩短发射准备时间、提高武器系统生存能力。

高超声速飞行器惯导系统误差参数两次优化辨识方法

为满足高超声速飞行器高精度和高可靠性的导航要求,提出一种在发射惯性系下利用智能优化算法实现捷联惯性系统误差参数两次优化辨识的方法.建立惯性测量单元(IMU)误差补偿模型和完整的非线性捷联惯性系统导航模型,为数值优化计算提供准确的模型基础.基于SINS/GPS/CNS组合导航系统信息,建立陀螺仪误差优化模型和加速度计误差优化模型,采用两次优化策略分步估计捷联惯性系统误差参数:首先利用粒子群算法对陀螺仪误差参数进行优化辨识和补偿;然后利用粒子群算法对加速度计误差参数进行优化辨识.仿真结果表明,基于组合导航系统信息和非线性优化模型,两次优化辨识方法能够在线辨识出高精度的捷联惯性系统误差参数,陀螺仪和加速度计优化参数值的相对误差均在20%以内,从而有效提高了高超声速飞行器导航精度.

基于BP神经网络的惯导初始对准误差辨识方法

针对弹道导弹捷联惯导系统初始对准问题,提出一种基于BP神经网络在线辨识初始对准误差的方法。首先设计了初始对准误差辨识总体方案;然后,基于SINS/GPS组合导航系统测量信息,以SINS与GPS之间的位置偏差为输入量,以初始对准误差为输出量,分别采用三输入和六输入的BP神经网络建立位置偏差与初始对准误差参数之间的映射关系,生成BP神经网络结构;最后,设计仿真试验,分别采用三输入BP神经网络、六输入BP神经网络和卡尔曼滤波算法预测初始对准误差参数。仿真结果表明,六输入BP神经网络算法识别精度最好,初始水平姿态角误差小于30″,瞄准方位角误差小于70″。

机动发射下空间飞行器上升段弹道快速计算方法

机动发射条件下,为提高空间飞行器变射面横向机动模型的诸元计算速度,设计了基于牛顿迭代算法的诸元快速计算模型。以基准弹道诸元参数为迭代初值,选取了6个关键参数,在同一弹道模型基础上,采用牛顿迭代法对诸元进行快速求解。仿真结果表明,在一定范围内,迭代后的变射面横向机动弹道能够与飞行中段弹道高精度交班,且计算耗时不超过2 s,能够满足机动发射需求。