基于MADDPG的再入飞行器协同制导方法

摘要

临近空间再入阶段的多飞行器协同制导任务面临强气动耦合、剧烈非线性特性以及复杂任务与威胁约束。传统制导方法大多依赖解析模型或单体优化策略，在实时决策、复杂约束处理及协同能力方面均存在不足，难以满足未来高动态集群作战场景的需求。针对这一问题，提出了一种基于多智能体深度确定性策略梯度(MADDPG)的主-从式协同制导方法。首先，在视线坐标系下构建主-从相对动力学模型，为构建多飞行器协同编队模型提供了理论支撑;其次，为提升智能体在多约束环境下的策略学习能力，设计了以视线角变化率、相对距离保持误差与编队偏差为核心的复合奖励函数，并引入雷达威胁区惩罚项，以实现对编队保持、终端需求满足及威胁规避等多目标的统一描述;最后，结合残差网络结构框架进行主-从飞行器的策略学习与训练，实现了多飞行器的协同控制。仿真结果表明，所提出的方法在控制精度、稳定性及计算效率方面均显著优于传统制导策略。该方法能够在高动态环境下保持从飞行器对主飞行器的稳定编队跟随，显著降低相对距离误差与视线角抖动，并有效规避雷达威胁区，提高了整体协同制导的完成质量与任务成功率。研究内容为临近空间再入阶段多飞行器协同制导，提供了一种可扩展、智能化、高可靠性的技术路径，提高了多飞行器协同制导的稳定性与决策能力。

关键词

多飞行器编队 / MADDPG算法 / 再入段 / 协同制导

基金资助

国家自然科学基金(52472419)