[发明专利]一种导弹航迹在线智能规划方法

权利要求书

1.一种导弹航迹在线智能规划方法，其特征在于，包括如下步骤：

步骤1，采用APF法在末制导初始阶段进行导弹航迹规划，训练A3C网络，获得A3C稳定网络参数，即得到网络稳定的A3C算法；

步骤2，判断A3C网络稳定性；并基于A3C网络稳定性，实现从APF法快速切换至A3C算法进行导弹航迹规划；所述步骤2中实现APF法和A3C算法快速切换的方法为：

步骤2.1，针对不同类型的网络参数，分别判断网络参数稳定性；

步骤2.2，当A3C网络达到稳定时，航迹规划算法从APF法快速自主切换至A3C算法，以便运用网络稳定的A3C算法，得到复杂飞行环境下次优/最优导弹避障航迹；

步骤2.3，若A3C网络未达到稳定时，则是继续采用APF法航迹，进行网络训练；

步骤3，采用网络稳定的A3C算法进行导弹航迹规划；

步骤3中进行导弹航迹规划的过程为：

首先，获得导弹和被保护目标之间的弹目距离、来袭拦截弹位置、速度、航迹角信息，实现作战环境探测；

基于上述作战环境信息，建立地威胁程度快速评估法，得到来袭拦截弹的目标威胁评估值；

将获得的目标威胁评估值通过颜色通道，转化为像素值，建立反映运动体、目标、障碍物三者之间相对运动关系的目标威胁态势图；

将目标威胁态势图作为A3C算法环境状态变量，即作为A3C算法的CNN网络输入，通过CNN网络对复杂作战环境进行特征提取，以及采用由单步Q-Learning法、单步Sarsa法、n步Q-Learning法以及优势行为评价法构成地多线程异步网络参数更新法，对Actor网络参数进行更新，从而得到连续形式次优/最优规划航迹。

2.根据权利要求1所述的一种导弹航迹在线智能规划方法，其特征在于，将单步Q-Learning法、单步Sarsa法、n步Q-Learning法以及优势行为评价法这四种方法分别作为A3C每个线程所用方法，四种方法并行、异步对环境进行探索，并对A3C网络参数进行更新，使得观测数据间相关性减少，避免采用经验回放池策略，网络训练时间减少，以及有助于提高A3C算法稳定性。

3.根据权利要求1所述的一种导弹航迹在线智能规划方法，其特征在于，所述步骤1中采用离线和在线相结合的APF法进行导弹航迹规划。

4.根据权利要求3所述的一种导弹航迹在线智能规划方法，其特征在于，离线APF法航迹规划的过程为：建立弹目运动模型，采用离线APF规划算法规划导弹的参考航迹，并使用参考航迹的引力场代替目标引力场，使导弹飞向参考航迹。

5.根据权利要求3所述的一种导弹航迹在线智能规划方法，其特征在于，在线APF法航迹规划的过程为：考虑到导弹以参考航迹飞向打击目标过程中，敌方防御系统为保护目标而发射拦截弹，当进入拦截弹影响范围时，需在参考航迹基础上，引入拦截弹斥力场，对导弹避障航迹进行在线规划。

6.根据权利要求1所述的一种导弹航迹在线智能规划方法，其特征在于，针对无期望值型网络参数，检测该网络参数是否收敛，即检测该网络参数是否收敛于某个值，收敛值为这个网络参数的最终训练值；如果该网络参数收敛，表明该网络参数已达到稳定。

7.根据权利要求1所述的一种导弹航迹在线智能规划方法，其特征在于，对于有期望值型网络参数，检测该网络参数与期望值之差，该差值是否在给定小正数邻域内，如果在此邻域内，表明该网络参数已达到稳定。