考虑规避与突防的高超声速飞行器智能容错制导控制一体化设计

doi:10.7527/S1000-6893.2023.29607

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

考虑规避与突防的高超声速飞行器智能容错制导控制一体化设计

武天才¹^,²^,³, 王宏伦¹^,³(), 任斌¹^,³, 刘一恒¹^,²^,³, 吴星雨¹^,³, 严国乘¹^,³

^1.北京航空航天大学自动化科学与电气工程学院，北京 100191
^2.北京航空航天大学沈元学院，北京 100191
^3.北京航空航天大学飞行器控制一体化技术重点实验室，北京 100191

收稿日期:2023-09-19 修回日期:2023-11-09 接受日期:2024-01-09 出版日期:2024-01-16 发布日期:2024-01-16
通讯作者: 王宏伦 E-mail:wang_hl_12@126.com
基金资助:
国家自然科学基金(62173022);航空科学基金(2018ZC51031);北京航空航天大学沈元学院卓越研究基金(230121205)

Learning-based integrated fault-tolerant guidance and control for hypersonic vehicles considering avoidance and penetration

Tiancai WU¹^,²^,³, Honglun WANG¹^,³(), Bin REN¹^,³, Yiheng LIU¹^,²^,³, Xingyu WU¹^,³, Guocheng YAN¹^,³

^1.School of Automation Science and Electrical Engineering，Beihang University，Beijing 　100191，China
^2.Shen Yuan Honors College，Beihang University，Beijing 　100191，China
^3.Science and Technology on Aircraft Control Laboratory，Beihang University，Beijing 　100191，China

Received:2023-09-19 Revised:2023-11-09 Accepted:2024-01-09 Online:2024-01-16 Published:2024-01-16
Contact: Honglun WANG E-mail:wang_hl_12@126.com
Supported by:
National Natural Science Foundation of China(62173022);Aeronautical Science Foundation of China(2018ZC51031);Outstanding Research Project of Shen Yuan Honors College, BUAA(230121205)

摘要/Abstract

摘要：

针对再入过程中的禁飞区规避和拦截弹躲避问题，提出一种考虑规避与突防的高超声速飞行器智能容错制导控制一体化设计方法。首先，在纵向制导中，为了提升飞行器的制导性能，基于制导控制一体化设计思想，采用包含姿态容错控制系统的飞行器六自由度模型进行待飞航程的预测；针对随之产生的计算耗时问题，进一步采用深度网络进行预测环节的拟合，以提升算法的实时性；接着，在侧向制导中，为了解决禁飞区规避和拦截弹躲避问题，引入扰动流体动态系统（IFDS）算法进行考虑威胁因素的飞行器期望航向角计算，并结合航向角误差走廊和倾侧角翻转逻辑进行侧向制导指令的求取，使飞行器具备规避与突防能力；然后，考虑到飞行环境的复杂性、飞行器再入段机动能力的差异性和姿态容错控制系统动态特性对制导性能的影响，结合深度强化学习算法进行智能体训练，使其可根据飞行器实时状态进行扰动流体动态系统算法参数的在线决策，提升所提方法的有效性和适应能力。最后，由半物理对比仿真和蒙特卡罗仿真结果可知，所提方法具有较强的规避、突防与制导性能。

关键词: 高超声速飞行器, 制导控制一体化, 规避, 突防, 深度强化学习

Abstract:

To address the problem of no-fly zone and interceptor avoidance during the reentry phase， a learning-based integrated fault-tolerant guidance and control method for hypersonic vehicles considering avoidance and penetration is proposed. Firstly， to improve the guidance performance of the vehicle in longitudinal guidance， the six degree of freedom model of the vehicle， which includes the attitude fault-tolerant control system， is adopted based on the integrated design concept of guidance and control to predict the range-to-go. In view of the resulting problem of time-consuming in calculation， the deep network is further used to fit the predicting process， so as to improve the real-timeliness of the algorithm. Then， to solve the problem of no-fly zone and interceptor avoidance in lateral guidance， the Interfered Fluid Dynamical System（IFDS） algorithm is introduced to calculate the expected heading angle of the vehicle considering threat factors， and the heading angle error corridor and the flip logic of the bank angle are used to obtain the command， so that the vehicle has the ability of avoidance and penetration. Next， considering the complexity of flight environment， the difference of maneuvering ability of vehicle during the reentry phase， and the influence of dynamic characteristics of attitude control system on guidance performance， the deep reinforcement learning algorithm is employed to train the agent， so that the agent can make online decisions on key parameters of IFDS algorithm according to the real-time state of vehicle， and improve the effectiveness and adaptability of the proposed guidance method. Finally， the results of semi-physical comparison simulation and Monte Carlo simulation show that the proposed method can achieve high performance in avoidance， penetration and guidance.

Key words: hypersonic vehicle, integrated guidance and control, avoidance, penetration, deep reinforcement learning

中图分类号:

V249.1

武天才, 王宏伦, 任斌, 刘一恒, 吴星雨, 严国乘. 考虑规避与突防的高超声速飞行器智能容错制导控制一体化设计[J]. 航空学报, 2024, 45(15): 329607-329607.

Tiancai WU, Honglun WANG, Bin REN, Yiheng LIU, Xingyu WU, Guocheng YAN. Learning-based integrated fault-tolerant guidance and control for hypersonic vehicles considering avoidance and penetration[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(15): 329607-329607.

图/表 30

图 1

图 2

图 3

图 4

表 1

飞行器初始状态散布偏差和参数摄动

扰动项	分布类型	误差界
初始经度散布偏差 $Δ λ$ / $(°)$	均匀分布	±0.5
初始纬度散布偏差 $Δ ϕ$ / $(°)$	均匀分布	±0.5
初始高度散布偏差 $Δ h$ / $k m$	均匀分布	±2
初始速度散布偏差 $Δ V$ / $(m ⋅ s - 1)$	均匀分布	±100
初始弹道倾角散布偏差 $Δ θ$ / $(°)$	均匀分布	±0.2
初始弹道偏角散布偏差 $Δ σ$ / $(°)$	均匀分布	±0.5
气动系数 $η L 、 η x 、 η y 、 η z$ / $%$	均匀分布	±30
执行机构故障 $λ 1$ / $%$	均匀分布	0~100

表 1

图 5

图 6

图 7

图 8

图 9

图 10

表 2

禁飞区中心位置、半径及中心位置摄动范围

编号	禁飞区中心位置/ $(°)$		半径/ $k m$	中心位置摄动范围/ $(°)$	分布类型
编号	经度	纬度	半径/ $k m$	中心位置摄动范围/ $(°)$	分布类型
1	10	8.5	180	0.3	均匀分布
2	14.5	6	180	0.3	均匀分布
3	20.5	11.5	180	0.3	均匀分布
4	22.5	8	180	0.3	均匀分布

表 2

图 11

图 12

图 13

图 14

图 15

图 16

图 17

图 18

图 19

图 20

图 21

图 22

表 3

对比仿真中制导结果统计

方法	终端位置误差/ $k m$	终端高度误差/ $k m$	终端速度误差/ $m ⋅ s - 1$	平均单步耗时/ $m s$
方法1	24.34	3.02	0.84	47.67
方法2	3.59	2.78	-17.54	11.36
方法3	4.01	0.86	5.04	14.41
所提方法	2.93	0.77	7.67	28.23

表 3

图 23

图 24

图 25

图 26

表 4

参考文献 28

1	DING Y B， YUE X K， CHEN G S， et al. Review of control and guidance technology on hypersonic vehicle［J］. Chinese Journal of Aeronautics， 2022， 35（7）： 1-18.
2	WU T C， WANG H L， LIU Y H， et al. Learning-based interfered fluid avoidance guidance for hypersonic reentry vehicles with multiple constraints［J］. ISA Transactions， 2023， 139： 291-307.
3	王铮，邢晓露，闫天，等. 高超声速飞行器突防制导的发展现状与未来发展方向［J］. 飞航导弹， 2021（7）： 18-24.
	WANG Z， XING X L， YAN T， et al. Development status and future development direction of hypersonic vehicle penetration guidance［J］. Aerodynamic Missile Journal， 2021（7）： 18-24 （in Chinese）.
4	ZHANG Y， ZHANG R， LI H F. Online path decision of no-fly zones avoidance for hypersonic vehicles based on a graph attention network［J］. IEEE Transactions on Aerospace and Electronic Systems， 2023， 59（5）： 5554-5567.
5	余跃，王宏伦. 基于深度学习的高超声速飞行器再入预测校正容错制导［J］. 兵工学报， 2020， 41（4）： 656-669.
	YU Y， WANG H L. Deep learning-based reentry predictor-corrector fault-tolerant guidance for hypersonic vehicles［J］. Acta Armamentarii， 2020， 41（4）： 656-669 （in Chinese）.
6	LU P. Entry guidance： A unified method［J］. Journal of Guidance， Control， and Dynamics， 2014， 37（3）： 713-728.
7	CHENG L， JIANG F H， WANG Z B， et al. Multiconstrained real-time entry guidance using deep neural networks［J］. IEEE Transactions on Aerospace and Electronic Systems， 2021， 57（1）： 325-340.
8	郭建国，梁乐成，周敏，等. 高速飞行器俯冲段制导控制一体化综述［J］. 航空兵器， 2023， 30（1）： 1-10.
	GUO J G， LIANG L C， ZHOU M， et al. Overview of integrated guidance and control for hypersonic vehicles in dive phase［J］. Aero Weaponry， 2023， 30（1）： 1-10 （in Chinese）.
9	HOU M Z， LIANG X L， DUAN G R. Adaptive block dynamic surface control for integrated missile guidance and autopilot［J］. Chinese Journal of Aeronautics， 2013， 26（3）： 741-750.
10	LIU X D， HUANG W W， DU L F. An integrated guidance and control approach in three-dimensional space for hypersonic missile constrained by impact angles［J］. ISA Transactions， 2017， 66： 164-175.
11	BAO C Y， WANG P， TANG G J. Integrated method of guidance， control and morphing for hypersonic morphing vehicle in glide phase［J］. Chinese Journal of Aeronautics， 2021， 34（5）： 535-553.
12	YAN B B， LIU R F， DAI P， et al. A rapid penetration trajectory optimization method for hypersonic vehicles［J］. International Journal of Aerospace Engineering， 2019， 2019： 1490342.
13	SHEN Z P， YU J L， DONG X W， et al. Penetration trajectory optimization for the hypersonic gliding vehicle encountering two interceptors［J］. Aerospace Science and Technology， 2022， 121： 107363.
14	邵会兵. 滑翔飞行器滑翔能力智能预示与多约束制导研究［D］. 哈尔滨：哈尔滨工业大学， 2020.
	SHAO H B. Gliding manoeuvrability intelligent prediction and multi-constrained guidance for gliding vehicles［D］. Harbin： Harbin Institute of Technology， 2020 （in Chinese）.
15	JORRIS T R， COBB R G. Three-dimensional trajectory optimization satisfying waypoint and no-fly zone constraints［J］. Journal of Guidance， Control， and Dynamics， 2009， 32（2）： 551-572.
16	ZHAO D J， SONG Z Y. Reentry trajectory optimization with waypoint and no-fly zone constraints using multiphase convex programming［J］. Acta Astronautica， 2017， 137： 60-69.
17	LIANG Z X， LIU S Y， LI Q D， et al. Lateral entry guidance with no-fly zone constraint［J］. Aerospace Science and Technology， 2017， 60： 39-47.
18	ZHANG D， LIU L， WANG Y J. On-line reentry guidance algorithm with both path and no-fly zone constraints［J］. Acta Astronautica， 2015， 117： 243-253.
19	HU Y D， GAO C S， LI J L， et al. A novel adaptive lateral reentry guidance algorithm with complex distributed no-fly zones constraints［J］. Chinese Journal of Aeronautics， 2022， 35（7）： 128-143.
20	惠俊鹏，汪韧，郭继峰. 基于强化学习的禁飞区绕飞智能制导技术［J］. 航空学报， 2023， 44（11）： 327416.
	HUI J P， WANG R， GUO J F. Intelligent guidance for no-fly zone avoidance based on reinforcement learning［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（11）： 327416 （in Chinese）.
21	WU T C， WANG H L， YU Y， et al. Hierarchical fault-tolerant control for over-actuated hypersonic reentry vehicles［J］. Aerospace Science and Technology， 2021， 119： 107134.
22	惠俊鹏，汪韧，俞启东. 基于强化学习的再入飞行器“新质” 走廊在线生成技术［J］. 航空学报， 2022， 43（9）： 325960.
	HUI J P， WANG R， YU Q D. Generating new quality flight corridor for reentry aircraft based on reinforcement learning［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（9）： 325960 （in Chinese）.
23	WU J F， WANG H L， LIU Y H， et al. Learning-based fixed-wing UAV reactive maneuver control for obstacle avoidance［J］. Aerospace Science and Technology， 2022， 126： 107623.
24	CHEN Y D， WANG J N， WANG C Y， et al. Three-dimensional cooperative homing guidance law with field-of-view constraint［J］. Journal of Guidance， Control， and Dynamics， 2019， 43（2）： 389-397.
25	CHANG J， GUO Z Y， CIESLAK J， et al. Integrated guidance and control design for the hypersonic interceptor based on adaptive incremental backstepping technique［J］. Aerospace Science and Technology， 2019， 89： 318-332.
26	包为民，朱建文，张洪波，等. 高超声速飞行器全程制导方法［M］. 北京：科学出版社， 2021： 97-106.
	BAO W M， ZHU J W， ZHANG H B， et al. Full-course guidance method for hypersonic vehicle［M］. Beijing： Science Press， 2021： 97-106 （in Chinese）.
27	吴健发，王宏伦，王延祥，等. 无人机反应式扰动流体路径规划［J］. 自动化学报， 2023， 49（2）： 272-287.
	WU J F， WANG H L， WANG Y X， et al. UAV reactive interfered fluid path planning［J］. Acta Automatica Sinica， 2023， 49（2）： 272-287 （in Chinese）.
28	FUJIMOTO S， VAN HOOF H， MEGER D. Addressing function approximation error in actor-critic methods［DB/OL］. arXiv preprint： 1802.09477， 2018.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

[1]	张鸿林, 罗建军, 马卫华. 基于机器学习的航天器规避目标威胁博弈决策[J]. 航空学报, 2024, 45(8): 329136-329136.
[2]	蔡云鹏, 周大鹏, 丁江川. 具有防撞安全约束的无人机集群智能协同控制[J]. 航空学报, 2024, 45(5): 529683-529683.
[3]	单圣哲, 张伟伟. 基于自博弈深度强化学习的空战智能决策方法[J]. 航空学报, 2024, 45(4): 328723-328723.
[4]	王祝, 张梦通, 张振鹏, 徐广通. 基于多指标动态优先级的无人机协同路径规划[J]. 航空学报, 2024, 45(4): 328816-328816.
[5]	杨博, 于贺, 樊子辰. 微观能量分析气动光学效应时变误差的方法[J]. 航空学报, 2024, 45(4): 128703-128703.
[6]	张赛, 杨震, 杜向南, 罗亚中. 基于轨道可达域的机动航天器接近威胁规避方法[J]. 航空学报, 2024, 45(4): 328778-328778.
[7]	李博宸, 牛双诚, 丁璐, 王成罡, 宋磊, 晋玉强. 面向海上目标打击的无人编组弹性运动规划[J]. 航空学报, 2024, 45(12): 329455-329455.
[8]	张宏岩, 王伟, 陈仕伟, 纪毅, 刘佳琪. 基于全驱系统方法的制导控制一体化设计[J]. 航空学报, 2024, 45(1): 628891-628891.
[9]	王雪鉴, 文永明, 石晓荣, 张宁宁, 刘洁玺. 多智能体多耦合任务混合式智能决策架构设计[J]. 航空学报, 2023, 44(S2): 729770-729770.
[10]	倪炜霖, 王永海, 徐聪, 赤丰华, 梁海朝. 基于强化学习的高超飞行器协同博弈制导方法[J]. 航空学报, 2023, 44(S2): 729400-729400.
[11]	马平, 张宁, 石安华, 于哲峰, 梁世昌, 黄洁. 典型微波波段信号在模拟等离子体中的传输特性[J]. 航空学报, 2023, 44(S2): 729476-729476.
[12]	陈浩宇, 王彬文, 宋巧治, 李晓东. 热颤振地面模拟试验技术[J]. 航空学报, 2023, 44(8): 227295-227295.
[13]	高锡珍, 汤亮, 黄煌. 深度强化学习技术在地外探测自主操控中的应用与挑战[J]. 航空学报, 2023, 44(6): 26762-026762.
[14]	韩荣, 刘伟, 杨小亮. 高超声速飞行器自适应减阻盘动态减阻机理[J]. 航空学报, 2023, 44(4): 126633-126633.
[15]	王梓伊, 张伟伟, 刘磊, 杨肖峰. 适用于复杂流动的热气动弹性降阶建模方法[J]. 航空学报, 2023, 44(4): 126807-126807.

考虑规避与突防的高超声速飞行器智能容错制导控制一体化设计

Learning-based integrated fault-tolerant guidance and control for hypersonic vehicles considering avoidance and penetration

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 30

参考文献 28

相关文章 15

编辑推荐

Metrics

本文评价