再入滑翔飞行器俯冲段智能博弈机动策略

针对再入滑翔飞行器在俯冲段易受拦截器威胁这一问题,提出了一种智能博弈机动策略,可有效规避拦截威胁,并保证命中精度。首先,构建包括再入滑翔飞行器、典型拦截器等动力学、运动学和制导律模型的强化学习训练环境。其次,将飞行器运动参数作为状态变量,将攻角和倾侧角的变化率设计为动作变量,以拦截器脱靶量和落点偏差设计奖励函数,将博弈机动问题转化为马尔科夫决策过程。为解决深度强化学习中的稀疏奖励问题,提高了较高优先级样本和成功样本的采样概率以加速策略提升,同时设计了一种基于任务成功率的自适应动作噪声,以改进深度确定性策略梯度算法的探索机制,提高了智能博弈机动策略的训练效率。最后,针对典型场景进行了数学仿真,结果表明提出的智能博弈机动策略在泛化场景下成功率仍大于90%,从而验证了方法的有效性和神经网络的泛化能力。

基于滚动时域控制的无人机机动博弈决策

针对无人机机动决策计算复杂等问题,研究基于滚动时域控制的无人机机动博弈决策算法。分割无人机空战时间域,将机动决策问题转化成滚动时域控制下的最优控制序列求解问题;确定无人机系统的状态方程,选取机动过程中的控制变量;建立空战机动决策指标函数,计算敌我双方无人机的态势优势值,获得敌我双方无人机机动态势博弈矩阵,求解双方机动博弈决策的纳什均衡解,实现无人机机动博弈决策,并通过仿真实例验证所建模型的可行性和有效性。

高速打击武器突防技术综述

高速打击武器具备速度快、动能大、航程远等特点,可极大地压缩敌方导弹防御系统的预警、拦截时间,有效地完成突防任务,从而受到世界各军事强国关注。对高速打击武器突防技术的研究进展进行综述,介绍了敌导弹防御系统组成情况及新一代导弹防御系统发展规划,阐述了隐身和机动突防技术的突防机理,总结了雷达、红外隐身技术和弹道、博弈、航迹规划机动突防技术的研究情况,分析得出隐身技术正向隐身材料方向拓展,机动突防技术正向智能化发展的趋势。