系统工程与电子技术

作者：闫循良, 王宽, 张子剑, 王培臣

单位：1. 西北工业大学航天学院陕西省空天飞行器设计重点实验室, 陕西 西安 710072；2. 北京宇航系统工程研究所, 北京 100076

关键词：再入滑翔制导,强化学习,深度确定性策略梯度,长短期记忆网络

基金：国家自然科学基金(11602296);陕西省自然科学基础研究计划(2019JM-434);智控实验室开放基金(2023-ZKSYS-KF04-02)

针对现有基于深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法的再入制导方法计算精度较差, 对强扰动条件适应性不足等问题, 在DDPG算法训练框架的基础上, 提出一种基于长短期记忆-DDPG(long short term memory-DDPG, LSTM-DDPG)的再入制导方法。该方法采用纵、侧向制导解耦设计思想, 在纵向制导方面, 首先针对再入制导问题构建强化学习所需的状态、动作空间; 其次, 确定决策点和制导周期内的指令计算策略, 并设计考虑综合性能的奖励函数; 然后, 引入LSTM网络构建强化学习训练网络, 进而通过在线更新策略提升算法的多任务适用性; 侧向制导则采用基于横程误差的动态倾侧反转方法, 获得倾侧角符号。以美国超音速通用飞行器(common aero vehicle-hypersonic, CAV-H)再入滑翔为例进行仿真, 结果表明: 与传统数值预测-校正方法相比, 所提制导方法具有相当的终端精度和更高的计算效率优势; 与现有基于DDPG算法的再入制导方法相比, 所提制导方法具有相当的计算效率以及更高的终端精度和鲁棒性。

来源：2025年第1期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第1期