基于深度学习与动力学约束的高速飞行器轨迹预测方法

张靖岩; 赵斌; 于知涵; 卢青; 蒋瑞民

弹道学报 ›› 2025, Vol. 37 ›› Issue (4) : 38 -47.

张靖岩, 赵斌, 于知涵, 卢青, 蒋瑞民

作者信息 +

Author information +

文章历史 +

摘要

为满足高速飞行器拦截任务中对高动态、强非线性弹道实时预报的需求，针对传统轨迹预测方法在物理约束缺失、长时序特征捕捉不足及泛化能力弱等方面的局限，提出了一种融合深度学习特征表征与动力学约束的混合驱动预测方法。首先，构建了高速飞行器再入段三自由度动力学模型，并分析气动参数、倾侧角对飞行状态演化的影响;其次，设计了一种基于卷积-双向长短期记忆-自注意力机制的特征表征网络，用于提取飞行状态的时序特征和相关性;最后，将网络预测得到的参数作为动力学模型的驱动项，构建了“参数预测-状态更新-轨迹生成”的闭环递推模型，从而实现数据与物理双驱动的高精度预测，确保预测结果满足物理运动规律。仿真结果表明，该方法在不同场景下均能保持较高的预测精度与稳定性，单步预测耗时保持在毫秒量级，满足实时性要求，且对非合作目标轨迹表现出良好的泛化能力，为高速目标的实时轨迹预报提供了可行的技术路径。