CN114415723B - 一种多飞行器协同捕获空间划分方法和装置、电子设备 - Google Patents
一种多飞行器协同捕获空间划分方法和装置、电子设备 Download PDFInfo
- Publication number
- CN114415723B CN114415723B CN202210028604.1A CN202210028604A CN114415723B CN 114415723 B CN114415723 B CN 114415723B CN 202210028604 A CN202210028604 A CN 202210028604A CN 114415723 B CN114415723 B CN 114415723B
- Authority
- CN
- China
- Prior art keywords
- aircraft
- target
- motion model
- capturing
- optimal weighted
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 3
- 230000003864 performance function Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了多飞行器协同捕获空间划分方法和装置、电子设备,属于航空航天技术领域,所述方法包括:建立多对一协同围捕相对运动模型;进行微分对策建模,得出优化目标;在所述微分对策建模下,基于所述运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;定义捕获空间;基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间。通过本发明公开的多飞行器协同围捕方法,能够对多飞行器协同捕获空间进行划分。
Description
技术领域
本发明涉及航空航天技术领域,尤其涉及一种多飞行器协同捕获空间划分方法和装置、电子设备。
背景技术
近年来,随着作战样式和航空航天技术的发展,多飞行器协同围捕的理念受到极大的重视。飞行器的协同围捕是指多枚同种飞行器或不同类型飞行器在时间或空间上同时接近目标,实现群体围捕的效果。与单枚飞行器相比,多飞行器协同围捕能够提高制导精度和围捕成功率,达到更好的围捕效果。
目前关于多飞行器协同围捕的研究大都是围绕协同制导方法展开的。例如,发明CN108362174B公开了一种多个飞行器协同探测与协同制导一体化的围捕方法及***,在围捕机动突防时具有明显的探测和制导优势。发明CN112782984A公开了一种多飞行器反围捕协同打击的制导方法,实现了多飞行器突防导弹群围捕的作战,使得多飞行器能够以最大的机动能力躲避围捕飞行器,并精准打击目标物体。
此外,也有相关文献公开多飞行器协同围捕的对策空间结构划分问题。针对二对一协同围捕场景,根据两枚飞行器P和Q终端脱靶量的符号和大小关系,提出了一种协同拦截空间的划分方法,通过理论分析,给出了P拦截空间、Q拦截空间和PQ拦截空间的约束条件。
现有的对多飞行器协同围捕问题的研究主要是围绕协同制导律的设计问题展开的,而已有对于多飞行器协同围捕对策空间结构划分问题的研究,也是在给定飞行器与目标机动过载条件下,重点讨论如何依据各飞行器与目标的终端脱靶量划分拦截空间。然而,拦截空间划分仅表明是由哪个或哪些飞行器对目标实现拦截的,并不能知晓最终对目标的捕获情况,因此对多飞行器协同围捕捕获空间的划分则显得更为重要。直接地,如果能够得到各飞行器单独捕获以及协同捕获目标的空间区域,那么就能更加凸显多飞行器协同围捕的优势。
发明内容
本发明实施例的目的是提供一种多飞行器协同捕获空间划分方法和装置、电子设备,能够对多飞行器协同捕获空间进行划分。
为解决上述技术问题,本发明提供如下技术方案:
一种多飞行器协同捕获空间划分方法,该方法包括:建立多对一协同围捕相对运动模型;进行微分对策建模,得出优化目标;在所述微分对策建模下,基于所述运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;定义捕获空间;基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间。
其中,在所述微分对策建模下,基于所述运动模型求解最优加权制导率的步骤,包括:
构建线性性能函数,其中,所述线性性能函数可表征每个飞行器离目标的距离,目标离所有飞行器的最小距离;
基于所述运动模型,利用哈密尔顿函数法对所述线性性能函数进行处理,得到飞行器的最优加权制导率和目标的最优加权制导率。
其中,所述定义捕获空间的步骤,包括:
通过定义各飞行器的初始零控脱靶量的集合,以定义飞行器的捕获空间;
定义各飞行器的协同捕获空间;
定义正则区,其中,所述正则区不属于任何飞行器的捕获空间。
其中,在所述飞行器数量为两个的情况下,所述基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获区间的步骤,包括:
所述基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,得到以第一飞行器的零控脱靶量为横坐标、第二飞行器的零控脱靶量为纵坐标的二维平面;
按照第一预设条件,在所述二维平面的第一象限和第三象限中划分第一区域和第二区域为第一飞行器的捕获空间,第三区域和第四区域为所述第二飞行器的捕获空间;
按照第二预设条件,在所述二维平面的第二象限和第四象限中划分第五区域和第六区域为所述第一飞行器的捕获空间,所述第七区域和所述第八区域为所述第二飞行器的捕获空间,所述第九区域和所述第十区域为所述第一飞行器与所述第二飞行器的协同捕获空间,其中,所述第一飞行器的零控脱靶量与所述第二飞行器的零控脱靶量异号时,形成所述协同捕获空间。
其中,所述构建多对一协同围捕相对运动模型的步骤,包括:
为每个飞行器和目标建立视线坐标系,并在视线坐标系内建立飞行器和所示目标的三维相对运动模型;
将所述三维相对运行模型解耦为二维非线性相对运动模型;其中,所述二维非线性相对运动模型包含视线的铅垂面和水平面两个平面;
根据平面内速度矢量与视线之间的夹角及视线角变化规律,线性化所述二维非线性相对运动模型,得到二维平面内弹目相对运动线性模型;
将建立在各自视线坐标系下的全部飞行器的弹目相对运动模型,转化为同一视线坐标系下,得到多对一协周围围捕相对运动模型。
其中,在所述基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间的步骤之后,所述方法还包括:
确定待处理的第一飞行器的第一初始零控脱靶量与第二飞行器的第二初始零控脱靶量;
确定所述第一初始零控脱靶量与所述第二初始零控脱靶量的正负性;
确定所述第一初始零控脱靶量与所述第二初始零控脱靶量之间的大小关系;
基于所述正负性、所述大小关系以及划分的所述飞行器捕获空间,确定所述第一飞行器、所述第二飞行器的捕获空间。
一种多飞行器协同捕获空间划分装置,所述装置包括:第一建立模块,用于建立多对一协同围捕相对运动模型;第二建立模块,用于进行微分对策建模,得出优化目标;求解模块,用于在所述微分对策建模下,基于所述运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;定义模块,用于定义捕获空间;空间划分模块,用于基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间。
其中,所述求解模块包括:
第一子模块,用于构建线性性能函数,其中,所述线性性能函数可表征每个飞行器离目标的距离,目标离所有飞行器的最小距离;
第二子模块,用于基于所述运动模型,利用哈密尔顿函数法对所述线性性能函数进行处理,得到飞行器的最优加权制导率和目标的最优加权制导率。
其中,所述定义模块包括:
第三子模块,用于通过定义各飞行器的初始零控脱靶量的集合,以定义飞行器的捕获空间;
第四子模块,用于定义各飞行器的协同捕获空间;
第五子模块,用于定义正则区,其中,所述正则区不属于任何飞行器的捕获空间。
其中,在所述飞行器数量为两个的情况下,所述空间划分模块包括:
二维平面创建子模块,用于所述基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,得到以第一飞行器的零控脱靶量为横坐标、第二飞行器的零控脱靶量为纵坐标的二维平面;
第一划分子模块,用于按照第一预设条件,在所述二维平面的第一象限和第三象限中划分第一区域和第二区域为第一飞行器的捕获空间,第三区域和第四区域为所述第二飞行器的捕获空间;
第二划分子模块,用于按照第二预设条件,在所述二维平面的第二象限和第四象限中划分第五区域和第六区域为所述第一飞行器的捕获空间,所述第七区域和所述第八区域为所述第二飞行器的捕获空间,所述第九区域和所述第十区域为所述第一飞行器与所述第二飞行器的协同捕获空间,其中,所述第一飞行器的零控脱靶量与所述第二飞行器的零控脱靶量异号时,形成所述协同捕获空间。
其中,所述第一建立模块包括:
第六子模块,用于为每个飞行器和目标建立视线坐标系,并在视线坐标系内建立飞行器和所示目标的三维相对运动模型;
第七子模块,用于将所述三维相对运行模型解耦为二维非线性相对运动模型;其中,所述二维非线性相对运动模型包含视线的铅垂面和水平面两个平面;
第八子模块,用于根据平面内速度矢量与视线之间的夹角及视线角变化规律,线性化所述二维非线性相对运动模型,得到二维平面内弹目相对运动线性模型;
第九子模块,用于将建立在各自视线坐标系下的全部飞行器的弹目相对运动模型,转化为同一视线坐标系下,得到多对一协周围围捕相对运动模型。
其中,所述装置还包括:
初始零控脱靶量确定模块,用于在所述空间划分模块基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间之后,确定待处理的第一飞行器的第一初始零控脱靶量与第二飞行器的第二初始零控脱靶量;
正负性确定模块,用于确定所述第一初始零控脱靶量与所述第二初始零控脱靶量的正负性;
大小关系确定模块,用于确定所述第一初始零控脱靶量与所述第二初始零控脱靶量之间的大小关系;
捕获空间确定模块,用于基于所述正负性、所述大小关系以及划分的所述飞行器捕获空间,确定所述第一飞行器、所述第二飞行器的捕获空间。
本发明实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现上述任意一种多飞行器协同捕获空间划分方法的步骤。
本发明实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现上述任意一种多飞行器协同捕获空间划分方法的步骤。
本发明实施例提供的多飞行器协同捕获空间划分方法,建立多对一协同围捕相对运动模型;进行微分对策建模,得出优化目标;在微分对策建模下,基于运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;定义捕获空间;基于运动模型、飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间。本发明实施例提供的多飞行器协同捕获空间划分方法,根据理论分析结果,能够更加直观地认识到,在给定初始条件下,各飞行器单独捕获以及协同捕获目标的捕获区域。进而证明了多飞行器协同围捕能够扩大捕获区域,从而更好地实现对于目标的跟踪围捕。
附图说明
图1是表示本申请实施例的一种多飞行器协同捕获空间划分方法的步骤流程图;
图2为本申请实施例所提供的末制导段多飞行器和目标间的几何关系;
图3为本申请实施例所提供的飞行器P和Q的协同围捕捕获空间划分图;
图4是表示本申请实施例的一种多飞行器协同捕获空间划分装置的结构框图;
图5是表示本申请实施例的一种电子设备的结构框图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的多飞行器协同捕获空间划分方案进行详细地说明。
图1是表示本申请实施例的一种多飞行器协同捕获空间划分方法的步骤流程图。
本申请实施例的多飞行器协同捕获空间划分方法包括以下步骤:
步骤101:建立多对一协同围捕相对运动模型。
对每个飞行器和目标建立各自的视线坐标系,在视线坐标系内建立飞行器和目标的三维相对运动模型。将所建立的三维模型解耦为包含视线的铅垂面和水平面两个平面内的二维非线性相对运动模型,进而根据平面内速度矢量与视线之间的夹角及视线角变化很小的事实,线性化平面内的二维非线性模型得到二维平面内弹目相对运动线性模型。最后,利用坐标系转化将建立在各自视线坐标系下的所有飞行器的弹目相对运动模型转化到同一视线坐标系下。所建立的多对一弹目对抗协同围捕相对运动模型如下:
其中,下标E表示目标,n表示经过武器分配后围捕目标E的飞行器个数,n个飞行器分别用P1,P2....,Pn表示。x表示统一视线坐标系下的状态向量,和/>分别表示飞行器Pi和目标E在垂直于初始视线方向上的距离和速度。/>和uE分别代表飞行器Pi和目标E的加速度指令。
后续将协同围捕相对运动模型(1)简称为运动模型。
步骤102:进行微分对策建模,得出优化目标。
微分对策建模的一个重要部分是构建微分对策性能函数。假设飞行器和目标的相对运动可以在初始视线附近实现线性化,则各枚飞行器完成围捕所需要的时间为:
其中代表飞行器Pi与目标E之间的相对初始距离,/>飞行器Pi与目标E之间的相对初始速度。各枚飞行器的剩余飞行时间定义为:
为避免控制饱和,对飞行器和目标的机动过载做出如下约束:
其中和/>分别表示飞行器Pi和目标E的机动过载。
选取微分对策性能函数:
其中表示飞行器Pi的终端脱靶量。/>表示终端时刻每个飞行器离目标的距离,而JE表示终端时刻目标离所有飞行器的最小距离。因此,每个飞行器希望选择最优的制导律从而使得各自的性能函数/>达到最小,目标飞行器则希望选择最优的制导律使得自身的性能函数JE达到最大。
步骤103:在微分对策建模下,基于运动模型求解飞行器的最优加权制导率与目标的最优加权制导率。
一种可选地在微分对策建模下,基于所述运动模型求解最优加权制导率的方式可以为:
首先,构建线性性能函数,其中,所述线性性能函数可表征每个飞行器离目标的距离,目标离所有飞行器的最小距离;
其次,基于运动模型,利用哈密尔顿函数法对所述线性性能函数进行处理,得到飞行器的最优加权制导率和目标的最优加权制导率。
由(5)式可以看出,对最优制导律的求解是一个多目标优化问题,并且性能指标函数不连续,无法直接求解。因此,构造如下的线性性能函数:
不失一般性,设则κi可由下式给出
其中σi为设定参数。
基于协同围捕相对运动模型(1),对上述线性性能函数利用哈密尔顿函数法,得到飞行器Pi和目标E的最优加权制导律分别为:
步骤104:定义捕获空间。
在定义捕获空间时,可通过定义各飞行器的初始零控脱靶量的集合,以定义飞行器的捕获空间;定义各飞行器的协同捕获空间;定义正则区,其中,正则区不属于任何飞行器的捕获空间。
上述问题建模和制导律的求解考虑的是一般的多飞行器的情况。后续为了描述方便,以两枚飞行器为例,给出捕获空间的定义和划分方法,同样的方法可扩展到多飞行器的情况。如下,以两枚飞行器为例,给出捕获空间的定义。记两个飞行器分别为P和Q,其中P为第一飞行器,Q为第二飞行器。图2为本申请实施例所提供的末制导段多飞行器和目标间的几何关系。
具体对捕获空间的定义可以如下:
定义1:定义初始零控脱靶量的集合
为飞行器P的捕获空间。
定义2:定义初始零控脱靶量的集合
为飞行器Q的捕获空间。
定义3:定义初始零控脱靶量的集合
为飞行器PQ的协同捕获空间。
定义4:定义初始零控脱靶量的集合
为正则区D1。
步骤105:基于运动模型、飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间。
一种可选地划分飞行器捕获空间的方式可以如下:基于运动模型、飞行器的最优加权制导率以及目标的最优加权制导率,得到以第一飞行器的零控脱靶量为横坐标、第二飞行器的零控脱靶量为纵坐标的二维平面;按照第一预设条件,在二维平面的第一象限和第三象限中划分第一区域即P1和第二区域P3为第一飞行器的捕获空间,第三区域Q1和第四区域Q3为第二飞行器的捕获空间;其中,第一预设条件即下文中公式(8)、(9)中所限定的条件。
按照第二预设条件,在二维平面的第二象限和第四象限中划分第五区域P2和第六区域P4为第一飞行器的捕获空间,第七区域Q2和第八区域Q4为第二飞行器的捕获空间,第九区域和第十区域为第一飞行器与第二飞行器的协同捕获空间,其中,第一飞行器的零控脱靶量与第二飞行器的零控脱靶量异号时,形成协同捕获空间。其中,第二预设条件即下文中公式(10)、(11)以及(12)中所限定的条件。
在上述捕获区定义下,基于弹目对抗协同围捕相对运动模型(1)和最优加权控制策略(7),可得到对以零控脱靶量ZP(t0)为横坐标,ZQ(t0)为纵坐标构成的二维平面的捕获区间的划分方法如下:
在第一象限和第三象限内:P飞行器捕获空间P1∪P3和Q飞行器捕获空间Q1∪Q3分别为:
其中,P1和P3分别为第一象限和第三象限内P飞行器的捕获空间,Q1和Q3分别为第一象限和第三象限内Q飞行器的捕获空间。
在第二象限和第四象限,P飞行器捕获空间P2∪P4,Q飞行器捕获空间Q2∪Q4和PQ飞行器协同捕获空间PQ2∪PQ4分别为:
其中,P2和P4分别为第二象限和第四象限内P飞行器的捕获空间,Q2和Q4分别为第二象限和第四象限内Q飞行器的捕获空间,PQ2和PQ4分别为第二象限和第四象限内P和Q飞行器协同捕获空间。
图2为本申请实施例所提供的飞行器P和Q的协同围捕捕获空间划分图;由上述捕获区间的划分可知,在第二和第四象限,初始两个飞行器P和Q的初始零控脱靶量异号,即两个飞行器位于目标的两侧,则在最优导引律的作用下可以形成对目标的夹击效果,形成协同捕获区PQ2和PQ4,这也体现了协同捕获的效果。上述方法可同样扩展到多目标围捕的情况。
在通过步骤101至步骤105完成飞行器捕获空间的划分后,在后续飞行器协同捕获空间确定时,可通过如下方式实现:
首先,确定待处理的第一飞行器的第一初始零控脱靶量与第二飞行器的第二初始零控脱靶量;
其次,确定第一初始零控脱靶量与第二初始零控脱靶量的正负性;
再次,确定第一初始零控脱靶量与第二初始零控脱靶量之间的大小关系;
最后,基于正负性、大小关系以及划分的飞行器捕获空间,确定第一飞行器、第二飞行器的捕获空间。
假设待处理的第一飞行器和第二飞行器的初始零控脱靶量分别为ZP(t0)和ZQ(t0),根据它们的正负以及大小关系,结合上述捕获空间的划分,即可以判定最优控制策略下的捕获情况。若(ZP(t0),ZQ(t0))落在P1∪P2∪P3∪P4范围内则最终为第一飞行器捕获;若(ZP(t0),ZQ(t0))落在Q1∪Q2∪Q3∪Q4范围内则最终为第二飞行器捕获;若(ZP(t0),ZQ(t0))落在PQ2∪PQ4则能够实现协同捕获;若(ZP(t0),ZQ(t0))落在上述区域之外的正则区,则无法实现捕获。
本申请实施例提供的多飞行器协同捕获空间划分方法,根据理论分析结果,能够更加直观地认识到,在给定初始条件下,各飞行器单独捕获以及协同捕获目标的捕获区域。进而证明了多飞行器协同围捕能够扩大捕获区域,从而更好地实现对于目标的跟踪围捕。
图4为实现本申请实施例的一种多飞行器协同捕获空间划分装置的结构框图。
本申请实施例的多飞行器协同捕获空间划分装置包括如下功能模块:
第一建立模块401,用于建立多对一协同围捕相对运动模型;
第二建立模块402,用于进行微分对策建模,得出优化目标;
求解模块403,用于在所述微分对策建模下,基于所述运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;
定义模块404,用于定义捕获空间;
空间划分模块405,用于基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间。
可选地,所述求解模块包括:
第一子模块,用于构建线性性能函数,其中,所述线性性能函数可表征每个飞行器离目标的距离,目标离所有飞行器的最小距离;
第二子模块,用于基于所述运动模型,利用哈密尔顿函数法对所述线性性能函数进行处理,得到飞行器的最优加权制导率和目标的最优加权制导率。
可选地,所述定义模块包括:
第三子模块,用于通过定义各飞行器的初始零控脱靶量的集合,以定义飞行器的捕获空间;
第四子模块,用于定义各飞行器的协同捕获空间;
第五子模块,用于定义正则区,其中,所述正则区不属于任何飞行器的捕获空间。
可选地,在所述飞行器数量为两个的情况下,所述空间划分模块包括:
二维平面创建子模块,用于所述基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,得到以第一飞行器的零控脱靶量为横坐标、第二飞行器的零控脱靶量为纵坐标的二维平面;
第一划分子模块,用于按照第一预设条件,在所述二维平面的第一象限和第三象限中划分第一区域和第二区域为第一飞行器的捕获空间,第三区域和第四区域为所述第二飞行器的捕获空间;
第二划分子模块,用于按照第二预设条件,在所述二维平面的第二象限和第四象限中划分第五区域和第六区域为所述第一飞行器的捕获空间,所述第七区域和所述第八区域为所述第二飞行器的捕获空间,所述第九区域和所述第十区域为所述第一飞行器与所述第二飞行器的协同捕获空间,其中,所述第一飞行器的零控脱靶量与所述第二飞行器的零控脱靶量异号时,形成所述协同捕获空间。
可选地,所述第一建立模块包括:
第六子模块,用于为每个飞行器和目标建立视线坐标系,并在视线坐标系内建立飞行器和所示目标的三维相对运动模型;
第七子模块,用于将所述三维相对运行模型解耦为二维非线性相对运动模型;其中,所述二维非线性相对运动模型包含视线的铅垂面和水平面两个平面;
第八子模块,用于根据平面内速度矢量与视线之间的夹角及视线角变化规律,线性化所述二维非线性相对运动模型,得到二维平面内弹目相对运动线性模型;
第九子模块,用于将建立在各自视线坐标系下的全部飞行器的弹目相对运动模型,转化为同一视线坐标系下,得到多对一协周围围捕相对运动模型。
可选地,所述装置还包括:
初始零控脱靶量确定模块,用于在所述空间划分模块基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间之后,确定待处理的第一飞行器的第一初始零控脱靶量与第二飞行器的第二初始零控脱靶量;
正负性确定模块,用于确定所述第一初始零控脱靶量与所述第二初始零控脱靶量的正负性;
大小关系确定模块,用于确定所述第一初始零控脱靶量与所述第二初始零控脱靶量之间的大小关系;
捕获空间确定模块,用于基于所述正负性、所述大小关系以及划分的所述飞行器捕获空间,确定所述第一飞行器、所述第二飞行器的捕获空间。
本申请实施例提供的多飞行器协同捕获空间划分装置,建立多对一协同围捕相对运动模型;进行微分对策建模,得出优化目标;在微分对策建模下,基于运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;定义捕获空间;基于运动模型、飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间。本发明实施例提供的多飞行器协同捕获空间划分装置,根据理论分析结果,能够更加直观地认识到,在给定初始条件下,各飞行器单独捕获以及协同捕获目标的捕获区域。进而证明了多飞行器协同围捕能够扩大捕获区域,从而更好地实现对于目标的跟踪围捕。
本申请实施例中图4所示的多飞行器协同捕获空间划分装置可以是装置,也可以是服务器中的部件、集成电路、或芯片。本申请实施例中的图5所示的多飞行器协同捕获空间划分装置可以为具有操作***的装置。该操作***可以为安卓(Android)操作***,可以为iOS操作***,还可以为其他可能的操作***,本申请实施例不作具体限定。
本申请实施例提供的图4所示的多飞行器协捕获空间划分装置能够实现图1至图3的方法实施例实现的各个过程,为避免重复,这里不再赘述。
可选地,如图5所示,本申请实施例还提供一种电子设备500,包括处理器501,存储器502,存储在存储器502上并可在所述处理器501上运行的程序或指令,该程序或指令被处理器501执行时实现上述多飞行器协捕获取空间划分方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要注意的是,本申请实施例中的电子设备包括上述所述的服务器。
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述多飞行器协捕获空间划分方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述多飞行器协同捕获空间划分方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为***级芯片、***芯片、芯片***或片上***芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种多飞行器协同捕获空间划分方法,其特征在于,所述方法包括:
建立多对一协同围捕相对运动模型;
进行微分对策建模,得出优化目标;
在所述微分对策建模下,基于所述运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;
在所述微分对策建模下,基于所述运动模型求解最优加权制导率的步骤,包括:
构建线性性能函数,其中,所述线性性能函数可表征每个飞行器离目标的距离,目标离所有飞行器的最小距离;
基于所述运动模型,利用哈密尔顿函数法对所述线性性能函数进行处理,得到飞行器的最优加权制导率和目标的最优加权制导率;
构造如下的线性性能函数:
其中,P1,P2....,Pn表示n个飞行器;表示飞行器Pi的终端脱靶量;i∈{1,...,n};/>表示终端时刻每个飞行器离目标的距离,而JE表示终端时刻目标离所有飞行器的最小距离;
其中表示各枚飞行器完成围捕所需要的时间,/>表示飞行器Pi与目标E之间的相对初始距离,/>表示飞行器Pi与目标E之间的相对初始速度;
不失一般性,设则κi可由下式给出:
其中σi为设定参数;
基于协同围捕相对运动模型,对上述线性性能函数利用哈密尔顿函数法,得到飞行器Pi和目标E的最优加权制导律分别为:
其中和/>分别表示飞行器Pi和目标E的机动过载;sgn表示符号函数;
定义捕获空间;
所述定义捕获区的步骤,包括:
通过定义各飞行器的初始零控脱靶量的集合,以定义飞行器的捕获空间;
定义各飞行器的协同捕获空间;
定义正则区,其中,所述正则区不属于任何飞行器的捕获空间;
基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间;
在所述飞行器数量为两个的情况下,所述基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获区间的步骤,包括:
基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,得到以第一飞行器的零控脱靶量为横坐标、第二飞行器的零控脱靶量为纵坐标的二维平面;
按照第一预设条件,在所述二维平面的第一象限和第三象限中划分第一区域和第二区域为第一飞行器的捕获空间,第三区域和第四区域为所述第二飞行器的捕获空间;
按照第二预设条件,在所述二维平面的第二象限和第四象限中划分第五区域和第六区域为所述第一飞行器的捕获空间,第七区域和第八区域为所述第二飞行器的捕获空间,第九区域和第十区域为所述第一飞行器与所述第二飞行器的协同捕获空间,其中,所述第一飞行器的零控脱靶量与所述第二飞行器的零控脱靶量异号时,形成所述协同捕获空间。
2.根据权利要求1所述的方法,其特征在于,所述构建多对一协同围捕相对运动模型的步骤,包括:
为每个飞行器和目标建立视线坐标系,并在视线坐标系内建立飞行器和所示目标的三维相对运动模型;
将所述三维相对运行模型解耦为二维非线性相对运动模型;其中,所述二维非线性相对运动模型包含视线的铅垂面和水平面两个平面;
根据平面内速度矢量与视线之间的夹角及视线角变化规律,线性化所述二维非线性相对运动模型,得到二维平面内弹目相对运动线性模型;
将建立在各自视线坐标系下的全部飞行器的弹目相对运动模型,转化为同一视线坐标系下,得到多对一协周围围捕相对运动模型。
3.根据权利要求1所述的方法,其特征在于,在所述基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间的步骤之后,所述方法还包括:
确定待处理的第一飞行器的第一初始零控脱靶量与第二飞行器的第二初始零控脱靶量;
确定所述第一初始零控脱靶量与所述第二初始零控脱靶量的正负性;
确定所述第一初始零控脱靶量与所述第二初始零控脱靶量之间的大小关系;
基于所述正负性、所述大小关系以及划分的所述飞行器捕获空间,确定所述第一飞行器、所述第二飞行器的捕获空间。
4.一种多飞行器协同捕获空间划分装置,其特征在于,所述装置包括:
第一建立模块,用于建立多对一协同围捕相对运动模型;
第二建立模块,用于进行微分对策建模,得出优化目标;
求解模块,用于在所述微分对策建模下,基于所述运动模型求解飞行器的最优加权制导率与目标的最优加权制导率;
所述求解模块包括:
第一子模块,用于构建线性性能函数,其中,所述线性性能函数可表征每个飞行器离目标的距离,目标离所有飞行器的最小距离;
第二子模块,用于基于所述运动模型,利用哈密尔顿函数法对所述线性性能函数进行处理,得到飞行器的最优加权制导率和目标的最优加权制导率;
构造如下的线性性能函数:
其中,P1,P2....,Pn表示n个飞行器;表示飞行器Pi的终端脱靶量;i∈{1,...,n};/>表示终端时刻每个飞行器离目标的距离,而JE表示终端时刻目标离所有飞行器的最小距离;
其中表示各枚飞行器完成围捕所需要的时间,/>表示飞行器Pi与目标E之间的相对初始距离,/>表示飞行器Pi与目标E之间的相对初始速度;
不失一般性,设则κi可由下式给出:
其中σi为设定参数;
基于协同围捕相对运动模型,对上述线性性能函数利用哈密尔顿函数法,得到飞行器Pi和目标E的最优加权制导律分别为:
其中和/>分别表示飞行器Pi和目标E的机动过载;sgn表示符号函数;
定义模块,用于定义捕获空间;
所述定义模块包括:
第三子模块,用于通过定义各飞行器的初始零控脱靶量的集合,以定义飞行器的捕获空间;
第四子模块,用于定义各飞行器的协同捕获空间;
第五子模块,用于定义正则区,其中,所述正则区不属于任何飞行器的捕获空间;
空间划分模块,用于基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,划分飞行器捕获空间;
在所述飞行器数量为两个的情况下,所述空间划分模块具体用于:
基于所述运动模型、所述飞行器的最优加权制导率以及目标的最优加权制导率,得到以第一飞行器的零控脱靶量为横坐标、第二飞行器的零控脱靶量为纵坐标的二维平面;
按照第一预设条件,在所述二维平面的第一象限和第三象限中划分第一区域和第二区域为第一飞行器的捕获空间,第三区域和第四区域为所述第二飞行器的捕获空间;
按照第二预设条件,在所述二维平面的第二象限和第四象限中划分第五区域和第六区域为所述第一飞行器的捕获空间,第七区域和第八区域为所述第二飞行器的捕获空间,第九区域和第十区域为所述第一飞行器与所述第二飞行器的协同捕获空间,其中,所述第一飞行器的零控脱靶量与所述第二飞行器的零控脱靶量异号时,形成所述协同捕获空间。
5.一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-3任一项所述的多飞行器协同捕获空间划分方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028604.1A CN114415723B (zh) | 2022-01-11 | 2022-01-11 | 一种多飞行器协同捕获空间划分方法和装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210028604.1A CN114415723B (zh) | 2022-01-11 | 2022-01-11 | 一种多飞行器协同捕获空间划分方法和装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114415723A CN114415723A (zh) | 2022-04-29 |
CN114415723B true CN114415723B (zh) | 2023-09-12 |
Family
ID=81273903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210028604.1A Active CN114415723B (zh) | 2022-01-11 | 2022-01-11 | 一种多飞行器协同捕获空间划分方法和装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415723B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222310B (zh) * | 2023-04-13 | 2024-04-26 | 哈尔滨工业大学 | 三维空间中基于rbf_g的二对一同步区域覆盖拦截方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884237A (zh) * | 2014-04-08 | 2014-06-25 | 哈尔滨工业大学 | 基于目标概率分布信息的多对一协同制导方法 |
CN104932512A (zh) * | 2015-06-24 | 2015-09-23 | 北京科技大学 | 一种基于mimo非线性不确定反步法的四旋翼位姿控制方法 |
CN105716470A (zh) * | 2016-03-22 | 2016-06-29 | 北京航空航天大学 | 一种微分对策反拦截机动突防/精确打击导引方法 |
CN105759612A (zh) * | 2016-03-22 | 2016-07-13 | 北京航空航天大学 | 带落角约束的微分对策反拦截机动突防/精确打击导引方法 |
WO2018069920A2 (en) * | 2016-10-11 | 2018-04-19 | Dr. Frucht Systems Ltd. | Method and system for capturing an intruder in-flight |
CN107943079A (zh) * | 2017-11-27 | 2018-04-20 | 西安交通大学 | 一种剩余飞行时间在线估计方法 |
CN108362174A (zh) * | 2018-02-09 | 2018-08-03 | 中国人民解放***箭军工程大学 | 多个***协同探测与制导一体化的拦截方法及*** |
CN109165444A (zh) * | 2018-08-22 | 2019-01-08 | 哈尔滨工业大学 | 多飞行器同时协同拦截飞行器数量及空间位置散布的设计方法 |
CN112180971A (zh) * | 2020-08-26 | 2021-01-05 | 北京理工大学 | 多旋翼飞行器多模制导方法及*** |
CN112214930A (zh) * | 2020-09-29 | 2021-01-12 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于协作粒子群优化算法的多机协同航路规划方法及*** |
CN112363527A (zh) * | 2020-09-17 | 2021-02-12 | 北京理工大学 | 基于最优控制理论的多飞行器协同围捕方法及*** |
CN112731965A (zh) * | 2020-12-17 | 2021-04-30 | 哈尔滨工业大学 | 一种基于目标机动辨识的制导方法 |
CN112782984A (zh) * | 2021-01-22 | 2021-05-11 | 北京航空航天大学 | 多飞行器反拦截协同打击的制导方法、装置和飞行器 |
CN112859918A (zh) * | 2021-01-18 | 2021-05-28 | 中国人民解放***箭军工程大学 | 一种多智能体多模自适应协同制导律确定方法及*** |
CN113325866A (zh) * | 2021-05-20 | 2021-08-31 | 南京航空航天大学 | 一种基于事件触发的微分对策协同制导方法 |
CN113778082A (zh) * | 2021-08-23 | 2021-12-10 | 北京科技大学 | 一种基于自触发机制的无人车轨迹跟踪控制方法及*** |
CN113835442A (zh) * | 2021-09-30 | 2021-12-24 | 北京航空航天大学 | 高超声速滑翔飞行器线性伪谱再入制导方法和*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108363405A (zh) * | 2018-04-08 | 2018-08-03 | 广东华中科技大学工业技术研究院 | 一种无人机协同无人艇充电的方法及*** |
-
2022
- 2022-01-11 CN CN202210028604.1A patent/CN114415723B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884237A (zh) * | 2014-04-08 | 2014-06-25 | 哈尔滨工业大学 | 基于目标概率分布信息的多对一协同制导方法 |
CN104932512A (zh) * | 2015-06-24 | 2015-09-23 | 北京科技大学 | 一种基于mimo非线性不确定反步法的四旋翼位姿控制方法 |
CN105716470A (zh) * | 2016-03-22 | 2016-06-29 | 北京航空航天大学 | 一种微分对策反拦截机动突防/精确打击导引方法 |
CN105759612A (zh) * | 2016-03-22 | 2016-07-13 | 北京航空航天大学 | 带落角约束的微分对策反拦截机动突防/精确打击导引方法 |
WO2018069920A2 (en) * | 2016-10-11 | 2018-04-19 | Dr. Frucht Systems Ltd. | Method and system for capturing an intruder in-flight |
CN107943079A (zh) * | 2017-11-27 | 2018-04-20 | 西安交通大学 | 一种剩余飞行时间在线估计方法 |
CN108362174A (zh) * | 2018-02-09 | 2018-08-03 | 中国人民解放***箭军工程大学 | 多个***协同探测与制导一体化的拦截方法及*** |
CN109165444A (zh) * | 2018-08-22 | 2019-01-08 | 哈尔滨工业大学 | 多飞行器同时协同拦截飞行器数量及空间位置散布的设计方法 |
CN112180971A (zh) * | 2020-08-26 | 2021-01-05 | 北京理工大学 | 多旋翼飞行器多模制导方法及*** |
CN112363527A (zh) * | 2020-09-17 | 2021-02-12 | 北京理工大学 | 基于最优控制理论的多飞行器协同围捕方法及*** |
CN112214930A (zh) * | 2020-09-29 | 2021-01-12 | 中国航空工业集团公司沈阳飞机设计研究所 | 基于协作粒子群优化算法的多机协同航路规划方法及*** |
CN112731965A (zh) * | 2020-12-17 | 2021-04-30 | 哈尔滨工业大学 | 一种基于目标机动辨识的制导方法 |
CN112859918A (zh) * | 2021-01-18 | 2021-05-28 | 中国人民解放***箭军工程大学 | 一种多智能体多模自适应协同制导律确定方法及*** |
CN112782984A (zh) * | 2021-01-22 | 2021-05-11 | 北京航空航天大学 | 多飞行器反拦截协同打击的制导方法、装置和飞行器 |
CN113325866A (zh) * | 2021-05-20 | 2021-08-31 | 南京航空航天大学 | 一种基于事件触发的微分对策协同制导方法 |
CN113778082A (zh) * | 2021-08-23 | 2021-12-10 | 北京科技大学 | 一种基于自触发机制的无人车轨迹跟踪控制方法及*** |
CN113835442A (zh) * | 2021-09-30 | 2021-12-24 | 北京航空航天大学 | 高超声速滑翔飞行器线性伪谱再入制导方法和*** |
Non-Patent Citations (1)
Title |
---|
多导弹协同作战中的分布式协调控制问题;温广辉等;《指挥与控制学报》;第7卷(第2期);137-145 * |
Also Published As
Publication number | Publication date |
---|---|
CN114415723A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Nash strategies for pursuit-evasion differential games involving limited observations | |
Li et al. | Path planning of unmanned aerial vehicle based on improved gravitational search algorithm | |
Li et al. | Defending an asset: a linear quadratic game approach | |
CN103884237B (zh) | 基于目标概率分布信息的多对一协同制导方法 | |
CN112782984B (zh) | 多飞行器反拦截协同打击的制导方法、装置和飞行器 | |
CN114415723B (zh) | 一种多飞行器协同捕获空间划分方法和装置、电子设备 | |
Weintraub et al. | Optimal guidance strategy for the defense of a non‐manoeuvrable target in 3‐dimensions | |
Kim | Three‐dimensional discrete‐time controller to intercept a targeted UAV using a capture net towed by multiple aerial robots | |
CN108073742A (zh) | 基于改进粒子滤波算法的拦截导弹末段飞行状态估计方法 | |
CN112066992A (zh) | 一种基于视场约束的反辐射无人机搜索航迹规划方法 | |
CN112363527B (zh) | 基于最优控制理论的多飞行器协同围捕方法及*** | |
CN116503745B (zh) | 一种基于混合神经网络模型的红外模糊目标识别方法 | |
CN116047495B (zh) | 一种用于三坐标雷达的状态变换融合滤波跟踪方法 | |
Fu et al. | Air combat assignment problem based on bayesian optimization algorithm | |
You et al. | Air combat command and guidance situation assessment based on attack area | |
Yuksek et al. | Optimization of Allocation and Launch Conditions of Multiple Missiles for Three‐Dimensional Collaborative Interception of Ballistic Targets | |
You et al. | UAV-Pose: A Dual Capture Network Algorithm for Low Altitude UAV Attitude Detection and Tracking | |
Brunet et al. | Stereo Vision for Unmanned Aerial VehicleDetection, Tracking, and Motion Control | |
Sinha et al. | Three-dimensional autonomous guidance for enclosing a stationary target within arbitrary smooth geometrical shapes | |
Hao et al. | Flight Trajectory Prediction Using an Enhanced CNN-LSTM Network | |
Ni et al. | Optimized Application Of Multi-UAV Electromagnetic Deception Jamming | |
Weintraub | Optimal Defense of High Value Airborne Assets | |
CN103217686A (zh) | 一种sar图像仿真过程中方位向聚焦位置的计算方法 | |
CN114741880B (zh) | 一种计算群目标电磁特性的方法及装置 | |
Zhang et al. | Evaluation method of UAV cluster simulation models with different granularity based on sensitivity analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |