机动轨迹预测是自主空战中的一个重要组成部分.针对无人战斗机机动轨迹预测精度低且时耗过长的问题,提出一种基于机动单元库的自适应集成三角优化门控循环神经网络预测方法.建立无人战斗机3自由度模型,解决轨迹数据来源问题;通过4种轨迹特征,将轨迹分为平面机动、空间左转弯机动和空间右转弯机动三类,构建21种基本机动单元;介绍门控循环神经网络,为避免网络梯度优化陷入局部最优,引入三角搜索优化算法更新网络内部权值和偏置.为提高预测精度,采用自适应增强算法构建强预测器;通过实验选取预测器最优参数,在不同机动单元情况下进行预测,预测精度较高且均能满足时耗要求;为检验在机动轨迹上的预测性能,从空战训练测量仪中选取一段轨迹,与5种不同预测模型进行对比.研究结果表明,所提模型的预测精度最佳.

轨迹预测;基本机动单元;门控循环神经网络;三角搜索优化算法;自适应增强算法

空军工程大学 航空工程学院, 陕西 西安710038;中国空气动力研究与发展中心,四川 绵阳621000;93184部队,北京100000

[1]唐上钦;魏政磊;谢磊;周欢;张卓然-.基于机动单元库的TSO-GRU-Ada机动轨迹预测)[J].兵工学报,2022(08):1913-1925

三角优化,基本机动单元,三角搜索优化算法

TSO,GRU,Ada,轨迹预测,自主空战,战斗机,自适应集成,门控循环神经网络,神经网络预测,自由度模型,轨迹数据,数据来源,左转,右转弯,梯度优化,局部最优,新网,权值,偏置,自适应增强算法,建强,预测器,最优参数,预测性能,空战训练,测量仪

0.285984