欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024114845312
申请人: 河南大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于动态威胁的LGVF-APF-SAC航天器路径规划方法,其特征在于:包括如下步骤:步骤1:建立航天器路径规划场景模型,其具体过程为:

本发明涉及的动态未知环境中的航天器路径规划任务,描述为航天器在前往目标点执行追捕任务过程中躲避途中的动态威胁的过程,对此问题建立优化函数模型如公式(1)所示:其中,pt=[xt,yt]是航天器t时刻的位置;xt和yt是航天器在t时刻的坐标,X表示威胁区域、x和y为航天器在二维上的坐标信息;Nmax=[NXmax,NYmax]表示航天器的纵向和横向动力过载阈值,航天器的角速度不可大于该阈值;p0和pG分别代表开始和结束位置;该目标函数旨在找到一个路径,该路径不仅总距离最短,而且要在安全避开威胁区域的同时符合航天器动力学约束,不可有过载动力转弯动作;

航天器连续时间下的动力学微分模型定义如公式(2)所示:

其中x和y为航天器在二维上的坐标信息;v表示航天器的速率,与u是速率的微分量即加速度u;表示航天器的航向,是航向变化的微分量即角速度ψ;

设定该场景任务成功的条件为航天器P与目标点E的距离小于航天器的任务作用范围内,如公式(3)所示:dPE≤RP                           (3)

其中,dPE是航天器P与目标E的距离,RP是指航天器P的任务作用范围;

设定该场景任务失败的条件为航天器P与威胁区域X发生重叠,即航天器被威胁雷达探测到,如公式(4)所示:pt∈X(4)

步骤2:根据步骤1建立的航天器路径规划场景模型,设计航天器的状态空间模型、动作空间模型;

步骤3:根据步骤1建立的航天器路径规划场景模型,建立基于雷达探测暴露风险的动态预警区域;

步骤4:根据步骤3建立的基于雷达探测暴露风险的动态预警区域,建立基于雷达探测威胁的动态时变LGVF导引势场;

步骤5:根据步骤1建立的航天器路径规划场景模型,提出改进的深度强化学习SAC算法,为航天器提供实时的动作策略,以应对未知的动态复杂场景;

步骤6:将步骤4所述基于雷达探测威胁的动态时变LGVF导引势场以奖励函数形式整合进步骤5提出的基于深度强化学习算法的航天器路径规划场景模型中,优化强化学习决策过程;

步骤7:将步骤6中所提出的已优化算法模型加载到信息部分可观测且不可预知的在线任务仿真场景中测试,通过追捕航天器执行追捕任务的测试效果反馈完善所述的航天器路径规划场景模型。

2.根据权利要求书1所述的所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法,其特征在于,所述步骤2具体包括如下步骤:步骤2.1:航天器状态空间模型设计:

设定航天器机载GPS设备和陀螺仪,获得自身的位置信息和速度信息;威胁雷达荷载设备,能够获取探测范围内的航天器位置信息和速度信息;

设航天器状态空间模型S包含连续的有界状态空间其中xt和yt是航天器在t时刻的坐标,vt和ψt是速度和航向,以及Ptarget和Xt分别是航天器对目标的位置信息记载和威胁区域的量测信息;

步骤2.2:航天器动作空间模型的设计,具体的:

追捕航天器的控制输入设计为角速度和加速度,假定航天器的动力学方程将航天器设置为匀加速运动,连续的动作空间at如公式(5)所示:at=[ut,ψt]=[ut-1+Δu,ψt-1+Δψ]T    (5)

其中,设定航天器最大角速度小于25.5rad/sec,即ψ∈[-25.5,25.5],取俯视图逆时针方向为正方向。

3.根据权利要求书1所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法,其特征在于,所述的步骤3根据步骤1已建立的航天器追捕任务场景模型,设计建立基于雷达探测暴露风险的动态预警区域的具体步骤如下:为模拟雷达的动态扫描威胁,根据雷达不同角度上的天线增益,模拟了雷达波束的各向异性,从而建立起了航天器基于雷达探测暴露风险的预警区域,即对威胁区域的建模;

设将雷达阵列中心置于球形坐标系的原点处,其中有N个阵元,具有均匀间距d;阵元位置如公式(6)所示:定义雷达阵列的流行矢量vk(k)为如公式(7)所示:

其中k是波数的幅度;

则对于传播方向为a,时域频率即弧度0为ω的平面波输入,N元ULA的频率-波数响应函数如公式(8)所示:其中是各个阵列的频域加权系数

根据频率-波数响应函数可获得雷达阵列的波束方向图函数如公式(9)所示:

雷达阵列的波束方向图反映了雷达阵列在不同角度方向上的天线增益;在以下的研究中,我们将以方向功率函数G(θ,φ)=|B(ω:θ,φ)|2来表示雷达的天线增益;

使用增益为G的有方向性天线,天线传递给雷达信号处理器的功率如公式(10)所示:其中,Pt是雷达峰值发射功率,G为方向天线增益,λ为波长,σ是雷达截面积,R为与雷达的距离半径;使用增益为G的有方向性天线,令Smin表示最小可检测信号功率,那么最大的雷达探测距离Rmax如公式(11)所示:其中,Pt是雷达峰值发射功率,G为方向天线增益,λ为波长,σ是雷达截面积;根据不同角度上的天线增益G,我们可以获得每个角度的雷达最大探测距离Rmax;根据标准参数行仿真,可得到雷达在各个角度上的探测距离;

出于动力学约束考虑,对雷达探测区域包络进行处理,将其近似为椭圆形的连续区域;可以由极坐标下的椭圆方程描述;其中,a为椭圆长轴,e为椭圆离心率;通过最小化各个角度上包络线与雷达最大探测距离的残差Δθ求解出参数a与e,可以获得椭圆的长轴a,短轴在每一时刻算法将重新计算预警区域的参数以模拟雷达的扫描边界变化,使我们可以定义椭圆区域的边界;至此,动态预警区域构建完毕。

4.根据权利要求书1所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法,其特征在于,所述的步骤4根据步骤3建立的基于雷达探测暴露风险的动态预警区域,基于雷达探测威胁的动态时变LGVF导引势场的具体步骤如下:在获得了动态预警区域后,构建势场时需基于其动态参数,拉伸原本的静态势场;基于雷达探测威胁的动态时变LGVF导引势场总势场表达式如公式(12)所示:Utotal(x,y)=watt·Uatt(x,y)+wrep·Urep(x,y) (12)其中,watt和wrep分别是引力场和斥力场的权重系数;Uatt与Urep表示引力场与斥力场,引力场基于航天器与目标的相对位置构建,其一般形式如公式(13)所示:斥力场则基于改进的动态LGVF构建;具体的,根据雷达与航天器的位置及Lyapunov稳定性原理,设李雅普诺夫函数如公式(14)所示:使用(xU,yU)与(xR,yR)分别表示航天器与雷达位置,Rd为航天器距离危险的安全距离阈值,是航天器与威胁之间的直线距离;为模拟真实场景中的危险模型,我们基于坐标拉伸变换,将已获得的雷达探测风险参数即雷达波束建模的长短半轴a和b作为变化因子,令使得矢量场的极限环从规则圆形变为椭圆形;

由李雅普诺夫稳定性原理可知,航天器的飞行轨迹将收敛到设定的盘旋区域即所建模的预警区域上;所构造的矢量场也将随预警区域参数a与b的变动重新适应,给予航天器随动态威胁而变化的矢量指引;

在所构建的新型势场中,使用改进的动态时变LGVF作为导引势场的斥力场指引航天器进行避险;将Lyapunov函数作为斥场势函数

5.根据权利要求书1所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法,其特征在于,所述的步骤5的具体步骤如下:通过深度强化学习的SAC算法建立航天器移动规划器,其在线学习-离线训练的算法特性能够使其模型直接用于实时规划,在学习场景中的动态特征后反馈出符合任务要求的策略输出,提供了处理动态未知问题的能力,满足当前需要实时优化场景;提出的根据追捕航天器所处不同子任务自适应的熵系数,提升了SAC算法学习效率以及追捕航天器追踪精度,其形式如公式(15)所示;

其中,R(st,at)代表在状态st采取动作at获得的回报值,策略π*的目标是使总回报值的期望最大化且每一次输出的动作熵最大,α为熵系数,H(π(·|st))为熵项;要求熵最大的目的主要是使策略随机化,即输出的每一个动作的概率尽可能平衡,使得智能体需要去探索所有可能的最优路径;算法通过最大化最优策略的期望回报来求解最优策略,这样可以对航天器的最优控制策略进行学习,并利用熵项来优化策略的分布;整个更新过程中需要进行大量的样本采样和反向传播运算,该算法最终能够使控制策略具有较强灵活性和鲁棒性。

6.根据权利要求书1所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法,其特征在于,所述的步骤6,具体过程为:在构建了基于雷达探测暴露风险的动态时变LGVF导引势场后,将该势场以奖励函数的形式融入强化学习框架中,使用该势场作为SAC算法离线训练-在线决策过程中的动作基准,对强化学习的决策动作做出评价,从而改善SAC网络参数生成更优动作;

设计奖励函数形式如公式(16)所示:

r=ra+rb+rc                              (16)其中,r代表总回报值,ra代表稀疏回报函数,具体是追捕航天器成功到达目标点时给予的回报和任务失败给与的回报,其形式如公式(17)所示:rb模拟导引势场的梯度下降过程,在导引势场梯度下降时给予agent正奖励,从而指引航天器沿着导引势场的势能梯度下降方向以找到全局最小点(目标点);其形式如(18)所示:其中ωpf为势场奖励的权重系数,与分别为导引势场前一时刻与目前时刻的势能数值;

rc是设计的引导型奖励回报分量,追捕航天器飞向逃逸航天器的过程分为两阶段,形式如公式(19)所示:其中,使用和分别表示航天器和目标之间的先前距离和当前距离,同时引入调整该奖励的权重μ1;stage 1指追捕航天器没有感知到威胁存在,此时追捕航天器在引力场驱动下不断地向目标移动;stage 2是指当追捕航天器指向目标的向量所在的路径中出现威胁,此时根据李雅普诺夫制导矢量场算法对威胁T建立矢量场模型,矢量场半径设计为dPT+wP,其中wP是指追捕航天器的机身宽度,威胁等级以指数函数的形式表达;此时rc引导追捕航天器控制与威胁之间的距离,否则产生的负回报值通过权重μ2控制回报值量纲后加到总回报值中作为惩罚。

7.根据权利要求书1所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法,其特征在于,所述步骤7具体包括如下步骤:首先,根据运行奖励与反馈调整算法的网络模型参数和移动规划器结构,适应航天器任务场景,完善步骤5所述的航天器路径规划场景模型;

其次,根据反馈结果调整步骤4所述的势场模型参数,使得由导引势场设计的追捕航天器对威胁的规避轨迹更稳定,更契合于航天器追捕任务场景;

最后,根据奖励函数反馈不断调整训练网络模型参数,提升模型训练效率以及追捕航天器追踪精度。

8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述的计算机程序被处理器执行时,使所述计算机可读存储介质所在设备执行权利要求1-7任意一项所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法。

9.一种电子设备,其特征在于,包括:存储器和处理器,所述存储器上存储有可在所述处理器上运行的程序,所述处理器执行所述程序时实现如权利要求1-7任一所述的基于动态威胁的LGVF-APF-SAC航天器路径规划方法。