技术特征：
1.一种基于gru的拦截飞行器制导律快速辨识方法，其特征在于，该方法中，通过飞行器上的传感器实时测量获得飞行器自身和拦截飞行器的运动学信息；对所述飞行器自身和拦截飞行器的运动学信息做数据处理，并将处理后的数据信息输入到辨识模型中，得到辨识模型输出的拦截飞行器的制导律。2.根据权利要求1所述的基于gru的拦截飞行器制导律快速辨识方法，其特征在于，所述飞行器自身和拦截飞行器的运动学信息包括：飞行器加速度a
t
，飞行器速度倾角θ
t
，飞行器速度偏角ψ
t
，拦截飞行器速度倾角θ
m
，拦截飞行器速度偏角ψ
m
，飞行器与拦截飞行器之间的相对距离r
tm
、相对视线倾角q
ytm
、相对视线偏角q
ztm
，所述相对距离r
tm
的变化率、所述相对视线倾角q
ytm
的变化率、所述相对视线偏角q
ztm
的变化率。3.根据权利要求1所述的基于gru的拦截飞行器制导律快速辨识方法，其特征在于，所述数据处理包括对数据做归一化处理。4.根据权利要求1所述的基于gru的拦截飞行器制导律快速辨识方法，其特征在于，所述辨识模型通过下述方法获得：步骤1，调取多组飞行器和拦截飞行器的运动学信息数据，将拦截飞行器制导律参数作为类型标签，构建样本库；步骤2，基于adam算法，通过样本库对gru网络进行训练，得到辨识模型。5.根据权利要求4所述的基于gru的拦截飞行器制导律快速辨识方法，其特征在于，在步骤1中，从相对运动学模型中调取多组飞行器和拦截飞行器的运动学信息数据，所述相对运动学模型如下式(1)所示；其中，x
m
，y
m
，z
m
表示拦截飞行器在惯性系下坐标，表示x
m
的导数，表示y
m
的导数，表示z
m
的导数，θ
m
和ψ
m
表示拦截飞行器的速度倾角和速度偏角；表示θ
m
的导数，表示ψ
m
的导数，v
m
表示拦截飞行器的速度；n
y
、n
z
分别为拦截飞行器俯仰方向加速度和偏航方向加速度。6.根据权利要求4所述的基于gru的拦截飞行器制导律快速辨识方法，其特征在于，在步骤1中，对调取的数据做标准化和归一化处理；优选地，通过最大最小线性变化的处理方式来对调取的数据做标准化和归一化处理。7.根据权利要求4所述的基于gru的拦截飞行器制导律快速辨识方法，其特征在于，在步骤2中，将样本库中数据分为训练数据和测试数据，分批次从样本库中抽取训练数据输入到gru网络进行训练，计算获得训练集准确度p
train
、训练损失函数值l
train
及训练时间t；每次训练完成后都将测试数据输入网络进行测试，得到测试集准确度p
test
和测试损失
函数值l
test
；不断重复上述过程，直至训练次数或测试损失函数l
test
达到预设值。
技术总结
本发明公开了一种基于GRU的拦截飞行器制导律快速辨识方法，该方法中，针对拦截飞行器制导律辨识问题，首先，构建了三维空间下的拦截飞行器-我方飞行器相对运动模型，拦截飞行器采用比例导引(PN)制导律或增强比例导引(APN)制导律。从相对运动模型中提取片段组成训练样本集和测试样本集，样本的输入为敌我双方运动学信息，标签为敌方拦截飞行器对应的制导律。其次，建立了包含三层隐含层的GRU网络模型，采用基于Adam算法的反向传播对网络进行训练，获得辨识模型，再通过辨识模型及时获得拦截飞行器的制导律。截飞行器的制导律。截飞行器的制导律。
技术研发人员：王江 王因翰 范世鹏 侯淼 王鹏 毛宁 刘畅
受保护的技术使用者：北京理工大学
技术研发日：2021.12.20
技术公布日：2022/7/1