用于拦截带寄生姿态环机动外大气层目标的强化元学习
系统与控制
2021-12-14 v1 机器学习
系统与控制
摘要
我们利用强化元学习来优化一种适用于机动目标外大气层拦截的自适应制导、导航与控制系统。该系统将包含捷联导引头角度和速率陀螺测量的观测直接映射为推力器开关指令。使用高保真六自由度仿真器，我们证明了优化后的策略能够适应寄生效应，包括导引头角度测量滞后、推力器控制滞后、由标度因数误差以及角度与角速度测量上的高斯噪声引起的寄生姿态环，以及由燃料消耗与晃动导致的时变质心。重要的是，优化后的策略在多种挑战性目标机动下均表现良好。与以往通过诱导视线振荡来增强距离可观测性的工作不同，我们的系统被优化为仅使用来自导引头与速率陀螺的可用测量。通过对随机外大气层拦截场景的大量蒙特卡洛仿真，我们证明了优化策略的性能接近于具有完全交战状态完美知识的增广比例导引。优化后的系统计算高效且所需内存极小，应与当今的飞行处理器兼容。
引用
@article{arxiv.2004.09978,
title = {Reinforcement Meta-Learning for Interception of Maneuvering Exoatmospheric Targets with Parasitic Attitude Loop},
author = {Brian Gaudet and Roberto Furfaro and Richard Linares and Andrea Scorsoglio},
journal= {arXiv preprint arXiv:2004.09978},
year = {2021}
}
备注
Under Consideration for publication in Journal of Spacecraft and Rockets. arXiv admin note: text overlap with arXiv:1906.02113