基于改进深度神经网络的火箭弹在线弹道规划方法

摘要

为提升火箭弹在线弹道优化效率并缩短最优弹道生成时间，以落速最大为性能指标，提出了一种基于改进深度神经网络的在线弹道规划方法。针对制导火箭弹滑翔弹道模型，构建了一个可自适应调节状态注意力权重的深度神经网络，用于实现弹道快速规划。首先，利用Radau伪谱法对单条制导火箭弹弹道进行优化;其次，通过对初始点状态施加一定程度的扰动，生成大量典型弹道数据用于进行训练;然后，针对不同状态量学习难度差异以及积分误差累积问题，提出了带有状态注意力模块的神经网络。在此基础上，建立了完整的弹道预测模型，并开展仿真对比和蒙特卡洛实验。结果表明，所提出的改进深度神经网络能够动态调整各状态量之间的权重，在不同初始条件下快速生成合理的弹道规划方案，且各项误差相比于传统深度神经网络均有所下降，显示出更好的学习能力和适应性。此外，该方法计算速度也远远快于伪谱法，具有在线弹道规划的应用潜力。

关键词

注意力机制 / 神经网络 / 制导火箭弹 / 弹道规划

基金资助

国家自然科学基金(52202475); 江苏省自然科学基金(BK20200498)