بهینه سازی پارامتری هدایت تناسبی افزوده با ملاحظه قابلیت های عملکردی و مانوری

معمولاً در توسعه قوانین هدایت، قابلیت های عملکردی وسیله پرنده در نظر گرفته نمی شود و همین مساله می تواند باعث اشباع فرامین صادره و نهایتاً عملکرد نامناسب سیستم هدایت و کنترل یکپارچه شود. در تحقیق حاضر، مقادیر پارامترهای قانون هدایت تناسبی افزوده با لحاظ توانایی های عملکردی و مانوری وسیله پرنده در شرایط پروازی مختلف، بهینه سازی شده است. برخلاف قانون ناوبری تناسبی افزوده، در این قانون پارامترهای سیستم هدایت ثابت نبوده و تابعی از شرایط محیطی و سناریوی درگیری است. برای این منظور، در شرایط پروازی و سناریوهای درگیری مختلف، مساله بهینه سازی چندمعیاری شامل قیود عملکردی و توابع هدف خطای فاصله، حداکثر شتاب فرمان و زمان پرواز، شکل داده شده و برای حل از الگوریتم بهینه سازی nsga-ii استفاده شده است. قیود حداکثر شتاب فرمان ثابت نبوده و متناسب با قابلیت عملکردی وسیله در شرایط پروازی انتخاب می شوند. نتایج شبیه سازی سناریوهای مختلف، بهبود عملکرد قانون هدایت ارائه شده را در مقایسه با روش های متداول نشان می دهد.

Parametric Optimization of Augmented Proportional Navigation Law Considering Performance and Maneuvering Capabilities

The aerial vehicle performance capabilities are usually ignored during the guidance laws design. This may result in saturation of commands and undesirable behavior of integrated guidance and control system. In the current research, based on the Augmented Proportional Navigation (APN) law and considering the performance and maneuvering capabilities of a flying vehicle through different flight conditions, the parameters of APN are optimized. In contrast with the conventional APN, in the proposed guidance law, the guidance parameters are not fixed but are functions of environmental conditions and engagement scenarios. In this regard, utilizing different flight conditions and engagement scenarios, a multiobjective optimization problem is formed. The performance and maneuvering capabilities are considered as the optimization constraints. Multiobjective problem includes three objectives of miss distance, acceleration command and flight time. The NSGAII algorithm is utilized here. The limits of the acceleration commands are not fixed and vary depending on the flight conditions. The simulation of several scenarios, reveals a superior behavior for the proposed guidance law in comparison with the conventional laws.