基于高阶滑模微分器的增广比例导引律

导引律的设计在导弹制导与控制中具有重要作用,为了解决增广比例导引中导弹-目标视线角速度和视线角加速度不易获得的问题,设计了一种基于高阶滑模微分器的增广比例导引律。首先,根据高阶滑模微分器的数学模型建立视线角速度和视线角加速度的估计模型;其次,根据视线角速度和视线角加速度的估计值,利用一种光滑无抖阵滑模微分器构造增广比例导引律。最后,通过仿真验证表明,具有滑模微分器结构的增广比例导引律导引性能良好。     

相似分布特性准则下的高斯混合项聚类-合并算法

针对高斯混合模型估计非高斯系统时高斯混合项呈指数级增长问题，提出一种基于相似分布特性准则的聚类-合并方法。通过分析高斯混合项的分布特性，基于扩展积分均方误差代价函数搜索最优置信范围，并对混合项进行高斯聚类，进而获得具有不同分布特性的高斯簇。为防止高斯簇间对高斯子项的重复利用，引入局部最近邻思想对交叉高斯项进行重新分配。采用并行多元素合并方法对高斯簇中的混合项进行合并，在保证无偏性基础上减少下一时刻混合项数量。仿真结果表明，改进算法在保证跟踪精度的同时还可有效提高算法效率。     

干扰及机动条件下的比例导引智能调控策略

由于红外诱饵干扰样式复杂、目标机动形式多变导致传统比例导引律极易被干扰。为提高采用比例导引方法的导弹性能，提出一种利用径向基函数网络调控比例系数及导弹发射时机的智能导引律。以飞行时间及脱靶量为参考，通过构建加权型指标函数将求解最优比例系数及发射时机问题转化为单目标优化问题；引入量子粒子群算法求解最优决策参量，并以其作为网络输出，干扰样式作为网络输入，离线训练径向基函数网络；为提高训练效率，结合K-means及K最近邻算法初始化径向基函数网络。仿真结果表明，当存在红外诱饵干扰时，智能导引律性能优于扩展比例导引律及自适应滑模导引律。