兵工学报 ›› 2025, Vol. 46 ›› Issue (6): 240035-.doi: 10.12382/bgxb.2025.0035
余明骏1,2, 张佳梁2,3, 沈海东1,2,*(), 刘燕斌1,2, 陈金宝1,2
收稿日期:
2025-01-09
上线日期:
2025-06-28
通讯作者:
基金资助:
YU Mingjun1,2, ZHANG Jialiang2,3, SHEN Haidong1,2,*(), LIU Yanbin1,2, CHEN Jinbao1,2
Received:
2025-01-09
Online:
2025-06-28
摘要:
临近空间高超声速滑翔飞行器(Hypersonic Gliding Vehicle,HGV)具有高速、高机动特性以及超强的突防能力,对现有防御系统造成严重威胁。针对临近空间高机动目标拦截任务中跟踪预测难的问题,提出一种基于气动力加速度估计的HGV智能轨迹预测方法。根据HGV目标运动模型,分析其机动模式和气动力变化规律,选定气动升力加速度、气动阻力加速度和倾侧角控制量3个参数作为轨迹预测参数,替代目标运动模型中的未知项。建立基于气动加速度估计的动力学跟踪模型,利用雷达量测数据和无迹卡尔曼滤波实现预测参数的实时跟踪估计,并以此为输入构建长短时记忆(Long Short-Term Memory,LSTM)网络训练模型,对预测参数的变化规律与时序关系进行在线学习。利用训练完备的LSTM预测网络迭代预测目标未来时刻的气动加速度,结合运动方程数值积分外推,实现目标轨迹在线预测。数值仿真结果表明,新方法能有效预测非合作HGV目标轨迹,预测精度高、稳定性好。
中图分类号:
余明骏, 张佳梁, 沈海东, 刘燕斌, 陈金宝. 基于气动力加速度估计的高超声速滑翔飞行器智能轨迹预测[J]. 兵工学报, 2025, 46(6): 240035-.
YU Mingjun, ZHANG Jialiang, SHEN Haidong, LIU Yanbin, CHEN Jinbao. Intelligent Hypersonic Gliding Vehicle Trajectory Prediction Based on Aerodynamic Acceleration Estimation[J]. Acta Armamentarii, 2025, 46(6): 240035-.
网络层 | 神经元个数 |
---|---|
LSTM层1 | 64 |
LSTM层2 | 128 |
输入层1 | 64 |
输入层2 | 3 |
表1 神经元节点数设置
Table 1 Neuron node number Settings
网络层 | 神经元个数 |
---|---|
LSTM层1 | 64 |
LSTM层2 | 128 |
输入层1 | 64 |
输入层2 | 3 |
参数 | 取值 |
---|---|
最大训练迭代次数 | 100 |
最小批次 | 128 |
初始学习率 | 0.005 |
学习率下降因子 | 0.2 |
正则化系数 | 0.1 |
优化器 | Adam |
表 2 网络训练超参数设置
Table 2 Network training hyperparameter settings
参数 | 取值 |
---|---|
最大训练迭代次数 | 100 |
最小批次 | 128 |
初始学习率 | 0.005 |
学习率下降因子 | 0.2 |
正则化系数 | 0.1 |
优化器 | Adam |
方法 | 在线训练耗时/s | 在线预测耗时/s |
---|---|---|
文献[ | 0.0089 | |
文献[ | 0.2117 | |
本文方法 | 13.6 | 0.2932 |
表3 3种方法平均在线预测耗时
Table 3 Average online prediction time for three methods
方法 | 在线训练耗时/s | 在线预测耗时/s |
---|---|---|
文献[ | 0.0089 | |
文献[ | 0.2117 | |
本文方法 | 13.6 | 0.2932 |
[1] |
|
[2] |
|
[3] |
邵雷, 雷虎民, 赵锦. 临近空间高超声速飞行器轨迹预测方法研究进展[J] 航空兵器, 2021, 28(2):34-39.
|
|
|
[4] |
张凯, 熊家军, 李凡, 等. 基于意图推断的高超声速滑翔目标贝叶斯轨迹预测[J]. 宇航学报, 2018, 39(11):1258-1265.
|
|
|
[5] |
|
[6] |
韩宇辰, 王松艳, 权申明, 等. 基于贝叶斯推断的高超声速滑翔目标轨迹预测方法[J]. 控制与决策, 2024, 39(11):3736-3744.
|
|
|
[7] |
李佳丽, 郭杰, 唐胜景. 面向高超声速滑翔目标的多模型多意图融合轨迹预测[J]. 宇航学报, 2024, 45(2):167-180.
|
|
|
[8] |
韩春耀, 熊家军, 张凯, 等. 高超声速飞行器分解集成轨迹预测算法[J]. 系统工程与电子技术, 2018, 40(1):151-158.
|
doi: 10.3969/j.issn.1001-506X.2018.01.22 |
|
[9] |
寇英信, 奚之飞, 徐安, 等. 基于改进核极限学习机和集成学习理论的目标机动轨迹预测[J]. 国防科技大学学报, 2021, 43(5):23-35.
|
|
|
[10] |
胡星志, 王旭, 江雄, 等. 基于高斯过程回归的高超声速飞行器不确定轨迹预测[J]. 空天技术, 2022(4):49-61.
|
|
|
[11] |
张洪波, 黄景帅, 李广华, 等. 典型控制规律滑翔飞行器的轨迹预测方法[J]. 现代防御技术, 2017, 45(4):112-118.
|
|
|
[12] |
魏喜庆, 顾龙飞, 李瑞康. 基于Singer模型的高超声速飞行器轨迹跟踪与预测[J]. 航天控制, 2017, 35(4):62-72.
|
|
|
[13] |
翟岱亮, 雷虎民, 李炯, 等. 基于自适应IMM的高超声速飞行器轨迹预测[J]. 航空学报, 2016, 37(11):3466-3475.
doi: 10.7527/S1000-6893.2016.0044 |
|
|
[14] |
|
[15] |
吉瑞萍, 张程祎, 梁彦, 等. 基于LSTM的弹道导弹主动段轨迹预报[J]. 系统工程与电子技术, 2022, 44(6):1968-1976.
doi: 10.12305/j.issn.1001-506X.2022.06.24 |
doi: 10.12305/j.issn.1001-506X.2022.06.24 |
|
[16] |
杨春伟, 刘炳琪, 王继平, 等. 基于注意力机制的高超声速飞行器LSTM智能轨迹预测[J]. 兵工学报, 2022, 43(增刊2):78-86.
|
doi: 10.12382/bgxb.2022.B002 |
|
[17] |
|
[18] |
张堃, 杜睿怡, 时昊天, 等. 基于Mogrifier-BiGRU的飞行器轨迹预测[J]. 兵工学报, 2024, 45(2):373-384.
doi: 10.12382/bgxb.2022.0750 |
doi: 10.12382/bgxb.2022.0750 |
|
[19] |
李强. 高超声速滑翔飞行器再入制导控制技术研究[D]. 北京: 北京理工大学, 2015.
|
|
|
[20] |
张君彪, 熊家军, 兰旭辉, 等. 一种高超声速滑翔飞行器轨迹智能预测方法[J]. 宇航学报, 2022, 43(4):413-422.
|
|
|
[21] |
朱建文. 助推-滑翔飞行器自适应全程制导方法研究[D]. 长沙: 国防科学技术大学, 2016.
|
|
|
[22] |
兰旭辉, 熊家军, 张君彪, 等. 临近空间高超声速飞行器轨迹预测技术[M]. 武汉: 华中科技大学出版社, 2022.
|
|
|
[23] |
程云鹏. 高超声速滑翔飞行器轨迹估计和预报方法研究[D]. 西安: 西北工业大学, 2021.
|
|
|
[24] |
黄景帅. 高超声速滑翔目标跟踪与拦截制导方法研究[D]. 长沙: 国防科学技术大学, 2020.
|
|
|
[25] |
李佳兴, 袁利, 张聪. 天基单视线测量目标轨道可观性分析及确定方法[J]. 航空学报, 2025, 46(3):629484.
|
|
|
[26] |
|
[27] |
|
[28] |
李广华. 高超声速滑翔飞行器运动特性分析及弹道跟踪预报方法研究[D]. 长沙: 国防科学技术大学, 2016.
|
|
|
[29] |
李世杰, 雷虎民, 周池军, 等. 基于控制变量估计的高超声速再入滑翔目标轨迹预测算法[J]. 系统工程与电子技术, 2020, 42(10):2320-2327.
doi: 10.3969/j.issn.1001-506X.2020.10.21 |
doi: 10.3969/j.issn.1001-506X.2020.10.21 |
|
[30] |
苏雨, 张龙政腾, 赵国宏, 等. 基于GRU-KAN的高速飞行器轨迹预测方法[J]. 航空兵器, 2024, 31(6):44-49.
|
|
|
[31] |
郑建成, 谭贤四, 曲智国, 等. 高超声速滑翔飞行器特性分析与防御发展趋势[J]. 飞航导弹, 2021(11):52-57,70.
|
|
|
[32] |
赵良玉, 雍恩米, 王波兰. 反临近空间高超声速飞行器若干研究进展[J]. 宇航学报, 2020, 41(10):1239-1250.
|
|
[1] | 王旋, 石章松, 佘博, 孙世岩, 秦奋起. 退化趋势平滑约束下基于BLSTM-VAE的剩余寿命预测方法[J]. 兵工学报, 2025, 46(5): 240635-. |
[2] | 王浩凝, 郭杰, 万泱泱, 张宝超, 唐胜景, 李响. 考虑射向位置调节的高超声速滑翔飞行器编队控制方法[J]. 兵工学报, 2025, 46(4): 240410-. |
[3] | 肖柳骏, 李雅轩, 刘新福. 基于强化学习的高超声速滑翔飞行器自适应末制导[J]. 兵工学报, 2025, 46(2): 240222-. |
[4] | 季稳, 李春娜, 贾续毅, 王刚, 龚春林. 结合系统辨识和迁移学习的高速旋转弹气动力建模方法[J]. 兵工学报, 2024, 45(7): 2197-2208. |
[5] | 张堃, 杜睿怡, 时昊天, 华帅. 基于Mogrifier-BiGRU的飞行器轨迹预测[J]. 兵工学报, 2024, 45(2): 373-384. |
[6] | 陈刚, 王国新, 明振军, 陈旺, 商曦文, 阎艳. 基于DBSCAN聚类和LSTM网络的装甲车辆集群轨迹预测方法[J]. 兵工学报, 2024, 45(12): 4295-4310. |
[7] | 连静, 丁荣琪, 李琳辉, 王雪成, 周雅夫. 基于图模型和注意力机制的车辆轨迹预测方法[J]. 兵工学报, 2023, 44(7): 2162-2170. |
[8] | 任济寰, 吴祥, 薄煜明, 吴盘龙, 何山. 基于增强上下文信息长短期记忆网络的弹道轨迹预测[J]. 兵工学报, 2023, 44(2): 462-471. |
[9] | 郑志伟, 管雪元, 傅健, 马训穷, 尹上. 基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测[J]. 兵工学报, 2023, 44(10): 2975-2983. |
[10] | 丁伟, 明振军, 王国新, 阎艳. 基于多层次LSTM网络的多智能体攻防效能动态预测模型[J]. 兵工学报, 2023, 44(1): 176-192. |
[11] | 杨春伟, 刘炳琪, 王继平, 邵节, 韩治国. 基于注意力机制的高超声速飞行器LSTM智能轨迹预测[J]. 兵工学报, 2022, 43(S2): 78-86. |
[12] | 唐上钦, 魏政磊, 谢磊, 周欢, 张卓然. 基于机动单元库的TSO-GRU-Ada机动轨迹预测[J]. 兵工学报, 2022, 43(8): 1913-1925. |
[13] | 张永梅, 赖裕平, 马健喆, 冯超, 束颉. 基于视频的装甲车和飞机检测跟踪及轨迹预测算法[J]. 兵工学报, 2021, 42(3): 545-554. |
[14] | 张君彪, 熊家军, 兰旭辉, 李凡, 陈新, 席秋实. 基于自适应多通道交互式多模型的高超声速滑翔飞行器跟踪方法[J]. 兵工学报, 2021, 42(12): 2626-2636. |
[15] | 张宏鹏, 黄长强, 唐上钦, 轩永波. 基于卷积神经网络的无人作战飞机飞行轨迹实时预测[J]. 兵工学报, 2020, 41(9): 1894-1903. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||