[发明专利]一种导弹航迹在线智能规划方法

说明书

本发明公开了一种导弹航迹在线智能规划方法，将传统航迹规划法APF与以深度强化学习为代表新一代人工智能法A3C相结合，二者优势互补，不但能够克服传统航迹规划方法中，易陷入局部极小缺点，而且能够有效解决人工智能方法网络收敛速度慢问题。拟建立算法具体为：在末制导初始阶段，运用离线和在线相结合地APF法对导弹航迹进行规划，同时，将产生航迹用于“暗地”训练A3C网络，得到稳定网络参数。由于在此阶段APF法航迹精度，远高于A3C算法所得航迹，因此能够大幅加快网络训练速度、提高算法运行效率。当A3C网络参数稳定时，经拟设计两阶段快速切换法，使得算法从APF自主快速切换至A3C，并运用网络稳定A3C算法提供导弹次优/最优规划航迹。

技术领域

本发明属于飞行器控制领域，尤其涉及一种飞行器航迹在线智能规划方法。

背景技术

近年来，各国导弹技术不断发展，使得导弹的可靠性、有效性、精确打击能力等大幅提升。此外，随着人工智能、云计算、大数据等技术广泛应用和融合发展，新技术持续涌入军事领域，使得战争朝智能化方向快速发展。可知，我国导弹性能以及智能化水平亟待提高。其中，导弹航迹规划是需要提升地关键技术之一。导弹航迹规划指在综合考虑导弹机动性能、作战环境、作战任务等条件，按照给定优化指标，寻找从起始点至目标点可行、最优运动轨迹。良好的导弹航迹规划算法能够优化导弹飞行航迹，使得导弹能够主动规避威胁、防止弹间碰撞以及减小被拦截概率。因此，研究导弹航迹在线智能规划方法具有现实意义。

航迹规划技术作为实现自主控制先决条件之一，已广泛运用于机器人、无人机等系统。目前，国内外航迹规划法研究主要有：A*法、人工势场法(Artificial PotentialField，APF)、随机路标图法(Probabilistic Roadmaps，PRM)、快速扩展随机树(RapidExploring Random Trees，RRT)以及各种仿生智能算法等。

A*法是一种启发式路径搜索算法，主要通过起点到目标点代价估计函数，引导算法搜索方向，从而找到两点间最短路径。这种算法具有较高搜索效率，以及在启发因子满足单调性条件时，一定能够找到最优路径。但是，当存在多个较短路径时，这种算法搜索结果不一定最优，并且随着搜索范围扩大，搜索速度会减弱。此外，运用这种方法规划路径与障碍物相对较近，存在碰撞风险。

APF法将环境表示为人工视场，其中目标点产生引力场，影响整个空间，不同位置引力值不同；障碍物产生斥力场，影响范围有限。物体在场内移动，视为在引力和斥力合力作用下，沿合力场梯度下降方向移动。这种算法具有简单直观，计算速度快以及规划航迹平滑等优点。但是，当障碍物环境比较复杂时，容易陷入视场局部最小值，导致无法到达目标位置。

PRM法随机生成一定数量节点，以及把各节点相互连线，如果连线与障碍物相交，则删除这条线，最终得到起点与终点间的避障路径。这种算法优势在于算法计算复杂度仅取决于节点个数、节点连接图复杂度，而与空间大小以及维度无关。但是，这种算法存在显著缺点，即节点随机生成，导致算法每次运行结果均不一样，所得规划路径质量无法保障，甚至可能出现无法搜索到路径情况。

RRT算法使用类似树生长方式进行节点扩展，采用随机节点引导树拓展方向。具体为：随机生成一个数，如果这个数小于给定值，则随机生成一个节点，否则将目标点定义为随机节点；在此基础上，从当前节点向随机节点方向前进固定长度，得到新节点，从而得到起点到目标点路径。这种算法优点在于算法计算量仅与路径扩展步长有关，与空间维度无关，即算法步长越小，搜索速度越慢；步长越大，搜索速度越快。但是，当环境中存在密集障碍物时，算法收敛速度变慢；以及当搜索步长较大时，可能存在搜索不到路径的问题。

仿生智能算法主要有遗传算法、蚁群算法、粒子群算法等，通过模拟生物体遗传过程或觅食行为等，利用较强寻优能力，解决一些传统算法难以解决地优化问题。但是，这类方法解决问题范围有限，以及存在收敛速度慢、易陷入局部最优等缺点。