基于深度强化学习和导航向量场的卫星规避拦截算法

针对在轨卫星规避拦截问题,提出了一种新的基于强化学习和三维李雅普诺夫导航向量场（3D-LGV）算法。首先,采用3D-LGV产生收敛于椭圆轨道的趋近律,保证规避拦截后能再次入轨。其次,针对拦截卫星利用扰动流体动态系统算法（IFDS）产生扰动流场,利用该扰动流场对导航向量场产生的趋近律进行修正,从而保证卫星能有效地规避拦截。由于IFDS算法中扰动流场大小和方向主要受其中反应系数和方向系数的影响,采用近端策略优化深度强化学习算法作为决策层输出反应系数和方向系数,用于指导卫星在不同场景下提供合适的对导航向量场的修正。最后,通过将IFDS算法修正后的趋近律作为卫星的最终运动方向,实现了整个规避过程。在构建的不同场景下进行了对比实验,结果表明,相较于滚动时域优化算法（RHC）、人工势场算法（APF）和传统IFDS算法,基于强化学习的算法决策时间更短、规避效果更好,在不同场景下均能实现有效规避。同时,对该算法进行蒙特卡洛仿真,统计结果显示卫星规避成功率高达98%。因此,此研究对智能方法在卫星规避拦截领域的应用具有一定价值。     

无人机粉碎机 ——硬杀伤式反无人机蜂群关键技术解析

无人机"蜂群"作战模式对部队野战防空和要地防空提出了全新挑战,迫切需要尽快构建低成本预警反应和打击拦截一体化联合防御体系。针对单一手段难以有效对无人机蜂群进行拦截的难题,本文提出一种多层反无人机蜂群拦截体系:远程高性能对高价值、中程面杀伤对多数量、中近程可重复对低成本、近程多样化手段相结合,具有时空分工,紧密衔接的远/中/中近/近程协同拦截体系。其中,中近程是硬杀伤的关键阶段,目前还没有成熟的成本对称的硬杀伤方案。2019年10月,外媒报道了一种"无人机粉碎机"硬杀伤反无人机系统,该系统采用无人机以直接碰撞的形式对低、小、慢无人机目标进行直撞击,以达到拦截入侵无人机的目的。本文对此拦截系统的组成、关键技术、指标参数进行分析,指出其工作方式和在反蜂群体系中可发挥的作用。     

基于北斗卫星反射信号的弹载探测器高度测量方法

为满足弹载探测器的高度测量需求,对高程测量方法进行研究,在载弹中设置北斗卫星信号接收组件,利用两个北斗卫星信号来确定引信的实际对地高度,进而发出指令起爆引信主装药。其中一个北斗信号被弹载接收组件直接截获,而由同一卫星发射的另一信号则经过反射后被弹载的另一接收组件截获,通过上述两信号间传输距离与时间的差异来计算引信的对地高度。同时结合误差模型,利用最小二乘融合算法降低测高误差,提升弹载探测器的测高精度。     

基于相控阵雷达的舰炮联合反导技术

利用相控阵雷达构建舰炮武器系统一体化火控网络,分析了各型常规舰炮武器联合反导的应用场景,不同于以往分区段的梯次拦截,重点考虑中大口径舰炮在小口径舰炮拦截区域的综合使用问题,通过对中大口径发射弹丸的跟踪和预测方法,估算水柱出现的位置和时间信息,能够在小口径舰炮开火前,及时有效地修正火控预测模型,提高舰炮武器系统对反舰导弹的联合拦截概率。该方案切实可行,可扩展性强,进一步体现舰炮火力精确到达的控制能力,提供了舰炮武器系统的火控级数据共享平台。