高超声速滑翔飞行器机动状态识别方法研究

摘要：

高超声速滑翔飞行器(HGV)的迅猛发展改变了传统的作战样式,开辟了军事斗争的新领域.对HGV的机动状态进行识别可以为威胁评估、轨迹预测和防御决策提供有力支撑.为提高HGV机动状态识别精度,该文提出一种基于注意力机制的卷积长短时记忆网络识别模型(AT-ConvLSTM).在对HGV进行机动建模和特性分析基础上,将HGV在空间的机动状态分为8类,构造了对应的特征识别参数,建立了包含不同初始条件和控制模式下HGV机动轨迹的轨迹库.推导了从雷达跟踪信息到特征识别参数的转换步骤,使用提出的状态识别模型对HGV机动轨迹的时空特征进行提取,并通过SoftMax分类器输出机动状态分类.最后,通过仿真实验对模型性能进行验证.结果表明,所提状态识别模型能够有效在线识别HGV机动状态,具有较好的实时性和准确性.

关键词：高超声速、飞行器、状态识别、深度学习、机动建模

所属期刊栏目：44

分类号：TN953;V277

资助基金：军事类研究生资助课题;军事类研究生资助课题

在线出版日期：2022-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：4134-4143