2、导弹系统气动不确定性估计与无人机路径跟踪制导算法研究

导弹系统气动不确定性估计与无人机路径跟踪制导算法研究

在航空航天领域，导弹系统的气动不确定性估计以及无人机在复杂环境下的路径跟踪问题一直是研究的热点。本文将围绕这两个主题展开，详细介绍相关的研究方法、结果及结论。

导弹系统气动不确定性估计

在导弹系统中，气动不确定性，特别是压力中心的不确定性，对系统的控制设计具有重要影响。为了解决这个问题，研究人员采用了物理信息神经网络（PINN）框架。

物理信息神经网络框架

物理信息神经网络（PINNs）认为神经网络可以替代基于物理的关系，因为Hornik证明了神经网络具有逼近通用函数的能力。PINNs由两部分组成：
- 用于预测下一步状态变量的深度神经网络。
- 结合基于数据的损失和基于物理的损失的总损失函数。

其结构如下：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px

    A([输入层]):::startend --> B(深度神经网络):::process
    B --> C(输出下一步状态变量):::process
    D(数据):::process --> E(基于数据的损失):::process
    F(物理方程):::process --> G(基于物理的损失):::process
    E --> H