基于自学习微分对策的主动防御制导方法

主要对三体对抗场景下的主动防御制导方法进行研究。首先,通过构造具有严格反馈形式的三体对抗模型,结合Backstepping理论和微分对策思想推导出一种主动防御制导策略;其次,基于自适应动态规划算法建立评价神经网络以自学习在线求解该制导方法,并利用Lyapunov稳定性理论证明了闭环系统的稳定性和评价网络权值的收敛性;最终,仿真验证了所设计的主动防御制导方法的有效性。

基于微分对策的鲁棒导弹自动驾驶仪设计

针对导弹纵向通道存在干扰影响的问题,设计了一种复合控制方案。首先,选取超螺旋干扰观测器估计未知干扰,并设计积分滑模控制器补偿输入干扰产生的影响;其次,基于微分对策理论,结合自适应动态规划算法,设计单评价神经网络在线求解自适应最优控制器来抑制非匹配干扰,利用Lyapunov稳定性理论证明了闭环系统的稳定性和评价网络权值的收敛性;最后,对导弹纵向动力学进行建模仿真,验证了所提复合控制策略的有效性。

基于自适应动态规划的多对一追逃博弈策略

针对多对一追逃博弈(PE)问题,提出了显性协同框架下的最优追逃控制策略。首先,利用图论工具将多对一追逃博弈问题转化为多智能体系统一致性控制问题;然后,结合自适应动态规划(ADP)技术,设计评价网络对追逃双方控制策略进行在线求解,并利用Lyapunov法证明稳定性。考虑到追逃策略总是成对出现,单个逃逸者面对多方追击时存在多个逃逸策略难以选择的问题,提出整体逃逸策略是各单一逃逸策略的动态加权的控制算法;最后,通过对导弹协同攻防过程建模并进行对比仿真,证明了所提博弈策略的有效性。

输入受限下的鲁棒微分博弈拦截制导律设计

研究了输入受限和匹配干扰约束下的导弹-目标拦截制导系统,提出了一种复合控制方案。首先,通过超螺旋干扰观测器估计匹配干扰,并依据观测器的估计结果设计了积分滑模控制器对干扰进行补偿。其次,结合微分博弈理论和自适应动态规划算法,设计单评价神经网络来求解微分博弈控制器,并利用Lyapunov稳定性理论证明了所提的复合控制策略保证了闭环系统和评价神经网络的稳定性。最后,对导弹-目标拦截系统进行建模仿真,验证了复合控制策略的有效性。