基于强化学习的大气层内导弹集成自适应制导与控制

我们应用强化元学习框架来优化一种用于空对空导弹的集成自适应制导与飞行控制系统。该系统被实现为一个策略，将导航系统输出直接映射到导弹控制面偏转的指令变化率。该系统针对机动目标生成满足舵面偏转角控制约束以及视线角和过载路径约束的拦截轨迹。我们在一个包含非线性天线罩模型和捷联导引头模型的六自由度仿真器中测试了优化后的系统，并证明该系统能适应大飞行包线和非标称飞行条件，包括气动系数参数和压心位置的扰动以及弹性体动力学。此外，我们发现该系统对由天线罩折射和不完美的导引头稳定引起的寄生姿态回路具有鲁棒性。我们将我们的系统性能与比例导引纵向模型结合三回路自动驾驶仪进行了比较，发现我们的系统以较大优势优于这一基准。额外的实验研究了从策略和价值函数网络中移除循环层的影响、使用红外导引头时的性能以及弹性体动力学。