基于非线性模型的制导与基于深度学习的目标轨迹预测对抗空中敏捷攻击样式
系统与控制
2021-04-07 v1 人工智能
系统与控制
最优化与控制
摘要
在本工作中，我们提出了一种结合基于深度学习的轨迹预测与非线性模型预测控制的新型导弹制导算法。尽管导弹制导与威胁拦截是一个被充分研究的问题，但当目标在快速改变方向的同时进行高加速度攻击机动时，现有算法的性能会显著下降。我们认为，由于大多数威胁执行类似的攻击机动，这些非线性轨迹模式可利用现代机器学习方法处理，以构建高精度的轨迹预测算法。我们基于一类模拟的结构化敏捷攻击样式训练了长短期记忆网络（LSTM），然后将该预测器与基于二次规划的非线性模型预测控制（NMPC）相结合。我们的方法称为带目标加速度预测的非线性模型预测控制（NMPC-TAP），在目标/威胁执行敏捷机动的情形下，就脱靶距离而言显著优于对比方法。
引用
@article{arxiv.2104.02491,
title = {Nonlinear Model Based Guidance with Deep Learning Based Target Trajectory Prediction Against Aerial Agile Attack Patterns},
author = {A. Sadik Satir and Umut Demir and Gulay Goktas Sever and N. Kemal Ure},
journal= {arXiv preprint arXiv:2104.02491},
year = {2021}
}
备注
Accepted for the 2021 American Control Conference (ACC)