一种基于自适应神经网络的到达时间控制三维制导方法

1.本发明涉及一种飞行器制导方法，属于飞行器制导、控制领域，具体为一种基于自适应神经网络的到达时间控制三维制导方法，可以使得飞行器在指定的时刻到达目标。


背景技术：

2.鉴于一些特殊任务对飞行器的到达时间有特定的要求，考虑到达时间约束的制导方法引起了飞行器制导领域研究学者的广泛关注。到达时间控制制导方法能够使得飞行器在指定时刻到达目标，对实现定时到达目标或者多飞行器饱和攻击具有重要意义。到达时间控制制导的方法设计通常首先构建到达时间误差，然后设计到达时间控制制导律使得到达时间误差稳定收敛，从而实现对目标的指定时间打击。自适应神经网络能够有效提升控制精度和干扰抑制，然而目前依然缺少基于自适应神经网络的到达时间控制制导方法。如何在三维空间下，设计出基于自适应神经网络的到达时间控制制导方法，对于提高到达时间精度和干扰抑制能力具有显著意义。受此启发，本发明设计了一种基于自适应神经网络的三维到达时间控制制导方法，实现飞行器在指定时间到达目标。


技术实现要素：

3.本发明考虑三维空间下飞行器指定时间到达目标的问题，设计了一种引入神经网络自适应律和一阶低通滤波器的到达时间控制制导方法，来保证飞行器在指定时刻到达目标。
4.本发明的技术构思为：首先，构建飞行器相对目标的三维相对运动数学模型；其次，预测飞行器的剩余飞行时间，且构建飞行器的到达时间误差；再次，设计自适应律和一阶低通滤波器；最后，给出到达时间控制制导律。
5.本发明为一种基于自适应神经网络的三维到达时间控制制导方法，包括以下步骤：步骤1：构建飞行器相对目标的三维运动数学模型。
6.三维空间下飞行器和目标的相对运动关系可表示为：（1）式中，r表示飞行器与目标间的距离，和为飞行器相对目标的视线倾角和视线偏角，a
x
，ay和az为视线坐标系下x, y和z方向的加速度。
7.步骤2：预测飞行器的剩余飞行时间，构建飞行器的到达时间误差。
8.飞行器的剩余飞行时间可预测为：
到达时间误差定义为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）式中，t为当前时间，td为到达时间指令。
9.步骤3：利用步骤2构建的到达时间误差信息e
t
，设计神经网络自适应律和一阶低通滤波器。
10.定义神经网络隐含层的输出为h=[h1, h2,
ꢀ…
, hn]
t
，hi为第i个隐含层的输出：其中，c=[c1, c2, c3,
…
,cn]
t
为隐含层第i个神经元高斯基函数中心点的坐标向量，i=1,2,
…
,n，b=[b1, b2,
…
,bn]
t
，bi为隐含层第i个神经元高斯基函数的宽度。
[0011]
神经网络权重定义为w=[w1, w2,
…
,wn]
t
，设计权重自适应律为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）式中，γ=γ
t
为增益矩阵，ρ》0为常数。
[0012]
自适应神经网络的输出为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）鉴于自适应神经网络输出中可能产生的高频信号易导致制导系统不稳定，因此在自适应神经网络输出端引入一阶低通滤波器：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）式中，tf为一阶低通滤波器的时间常数，y
t
(s)为y
t
的拉普拉斯变换，ym(s)为低通滤波器输出ym的拉普拉斯变换。
[0013]
步骤4：在步骤1-3的基础上，给出三维到达时间控制制导律。
[0014]
设计到达时间控制制导律为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）式中，k1，k2和k3为制导增益。
[0015]
本发明的有益效果为：设计了一种基于自适应神经网络的三维到达时间控制制导律。与已有到达时间控制制导方法不同，本发明所引入的自适应神经网络技术和一阶低通滤波器可提升到达时间控制精度和干扰抑制能力。
附图说明
[0016]
图1基于自适应神经网络的到达时间控制制导方法设计流程图。
[0017]
图2飞行器三维空间飞行轨迹。
[0018]
图3 飞行器与目标间的距离。
[0019]
图4 到达时间控制误差。
具体实施方式
[0020]
为使本发明的目的、技术方案和优点更加清楚明白，参照附图1—4对本发明做进一步说明。
[0021]
所述发明为一种基于自适应神经网络的三维到达时间控制制导方法，设计流程如图1所示，具体包含以下步骤：步骤1：构建飞行器相对目标的三维运动数学模型。
[0022]
三维空间下飞行器和目标的相对运动关系可表示为：
ꢀꢀꢀꢀꢀꢀꢀ
（1）式中，r表示飞行器与目标间的距离，和为飞行器相对目标的视线倾角和视线偏角，a
x
，ay和az为视线坐标系下x, y和z方向的加速度。
[0023]
步骤2：预测飞行器的剩余飞行时间，构建飞行器的到达时间误差。
[0024]
飞行器的剩余飞行时间可预测为：到达时间误差定义为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）式中，t为当前时间，td为到达时间指令。
[0025]
步骤3：利用步骤2构建的达到时间误差信息e
t
，设计神经网络自适应律和一阶低通滤波器。
[0026]
定义神经网络隐含层的输出为h=[h1, h2,
ꢀ…
, hn]
t
，hi为第i个隐含层的输出：其中，c=[c1, c2, c3,
…
,cn]
t
为隐含层第i个神经元高斯基函数中心点的坐标向量，i=1,2,
…
,n，b=[b1, b2,
…
,bn]
t
，bi为隐含层第i个神经元高斯基函数的宽度。
[0027]
神经网络权重定义为w=[w1, w2,
…
,wn]
t
，设计权重自适应律为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）式中，γ=γ
t
为增益矩阵，ρ》0为常数。
[0028]
自适应神经网络的输出为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）鉴于自适应神经网络输出中可能产生的高频信号易导致制导系统不稳定，因此在自适应神经网络输出端引入一阶低通滤波器：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）式中，tf为一阶低通滤波器的时间常数，y
t
(s)为y
t
的拉普拉斯变换，ym(s)为低通滤波器输出ym的拉普拉斯变换。
[0029]
步骤4：在步骤1-3的基础上，给出三维到达时间控制制导律。
[0030]
设计到达时间控制制导律为：
ꢀꢀ
（6）式中，k1，k2和k3为制导增益。
[0031]
利用matlab/simulink仿真平台验证所设计基于自适应神经网络的到达时间控制制导方法的正确性，选用飞行器初始位置为(7048，13000，2565)，目标位置为(0, 0, 0)，飞行器速度v=330m/s，td=25s，n=5，c=[-2,
ꢀ‑
1, 0, 1, 2]
t
, b=[0.1, 0.1, 0.1, 0.1, 0.1]
t
, ρ=0.05, γ=15e5, tf=0.5，k1=k2=k3=10。
[0032]
仿真结果如图2-图4所示，由结果可知，飞行器能够准确到达目标，由飞行器与目标的距离曲线可知，最终到达目标的时间和期望的到达时间25s一致，到达时间误差e
t
能够稳定收敛至0，仿真结果有效验证了方法设计的正确性。