基于深度学习网络的高超声速飞行器避障轨迹规划方法

作者：伍元培; 王阳; 赵爱红; 李智; 王剑颖^*

来源：战术导弹技术, 2022, (01): 53-59.

DOI：10.16358/j.issn.1009-1300.20220504

• 高超声速飞行器
• 伪谱法
• 轨迹优化
• 深度学习
• 再入阶段

考虑到高超声速飞行器的实时轨迹规划要求，提出了一种基于深度神经网络的实时轨迹优化方法。建立了高超声速飞行器再入阶段的轨迹优化模型，同时考虑始末位置随机、威胁区随机的情况，采用伪谱法进行离线轨迹优化，获取大量最优轨迹数据样本。以轨迹的状态量和控制量序列为输入，以当前时刻的轨迹控制为输出，建立深度神经网络模型，并基于最优轨迹数据样本库训练深度神经网络模型的参数，以获得能够预测轨迹控制输出的最佳神经网络模型。对高超声速飞行器再入段的飞行轨迹进行了蒙特卡洛打靶仿真验证。仿真结果表明，在初值偏差和环境干扰的条件下，所提出的基于深度学习的方法可以实现快速生成高超声速飞行器最优轨迹，具有计算效率高和可靠性强的优点。与传统的轨迹优化算法相比，所提出的方法具有满足精度要求的泛化能力，能够满足在线实时轨迹优化的需求。

• 单位
  北京宇航系统工程研究所; 中山大学; 航天学院