基于脱靶量预测的飞行器反拦截机动方法

随着反导拦截技术的迅猛发展，高速滑翔式飞行器末段的生存能力受到日益严峻的考验，针对此问题提出了一种基于长短期记忆网络(long short-term memory, LSTM)的飞行器反拦截机动方法，事先规定好飞行器的机动方式，将飞行器的规避机动问题简化为机动时机选择问题。随后，以状态时间序列-拦截脱靶量为样本构建训练集，利用LSTM网络对两者的非线性映射关系进行学习。最后，利用该网络在飞行中对拦截脱靶量进行实时预测，借此进行突防时机的选择。从不同状态时序长度，不同LSTM神经元个数和不同传感器噪声水平三方面对该方法的性能进行了仿真验证和对比评价，结果表明：相比于传统的正弦、方波机动，所提机动方法能使飞行器生存概率显著提高，同时显著提高落速，具有一定的工程应用价值。