Missile guidance navigation and control algorithms design using machine learning

Abstract

This thesis discusses the use of machine learning to design guidance, navigation, and control algorithms as an alternative to traditional algorithms for a missile system. The machine learning algorithm used in this thesis is the neural network. It is trained using the Neuro Evolution of Augmenting Topologies algorithm. Furthermore, the missile system and its environment have been modeled in order to simulate and compare the missile performances. The terminal guidance neural network will be compared to the proportional navigation algorithm. In addition, the neural network GPS/INS integration will be compared to the Kalman filter GPS/INS integration. Moreover, the neural network roll, pitch, and yaw autopilots will be compared to the traditional PID roll, pitch, and yaw autopilots. The goal of this thesis is to design neural network guidance, navigation, and control solutions which is expected to perform similar or better than their traditional counterparts. Thereby, the viability of the neural network designs as a guidance, navigation, or control solution will be verified.

У овој докторској тези се разматра употреба машинског учења у синтези алгоритама навигације, управљања и вођења ракете, као алтернативи традиционалним алгоритмима. Алгоритам машинског учења који се користи у овој докторској тези је заснован на примени неуронских мрежа. Неуронска мрежа се обучава Неуро еволуционим алгоритмом са приширеном топологијом. Осим тога, извршено је математичко моделовање вођеног пројектила и његовог окружења како би се извршиле нумеричке симулације и упоредиле његове перформансе. Извршено је поређење неуронске мреже алгоритма вођења терминалне фазе са алгоритмом пропорционалне навигације. Осим тога, интеграција GPS/INS-а на бази неуронских мрежа је упоређена са Калмановим филтром. На крају је дато поређење аутопилота по каналима ваљања, пропињања и скретања реализованих неуронским мрежама насупрот традиционалним аутопилотима са ПИД управљачким алгоритмима. Циљ ове докторске тезе је синтеза алгоритма вођења и управљања пројектила применом неуронских мрежа које треба да покаже слично или боље понашање од традиционалних решења. Притом, верификује се одрживост решења примене неуронских мрежа у синтези алгоритама управљања и вођења.