基于机器学习的巡飞弹气动优化与制导一体化设计

针对巡飞弹末制导过程,提出了一种基于机器学习的气动优化与制导一体化设计方法。该方法首先以巡飞弹机翼为自由变形对象建立了基于全连接神经网络的气动参数代理模型,结合该模型提出了物理参数优化神经网络进行气动寻优,以此构建了在线气动优化模型;其次,耦合该优化模型和巡飞弹飞行动力学方程组,搭建了强化学习的制导环境,利用深度Q网络强化学习算法设计了智能制导律,实现了气动优化与制导一体化设计。通过打击地面静止目标的仿真实验,与无气动优化的制导律相比,表明：在线气动优化可使得巡飞弹以最优升阻比飞行,缩短了制导时间,节约燃料;一体化模型仅利用弹目视线角速率信息,可产生较连续的攻角制导指令,提高了制导精度。