An on-line suboptimal midcourse guidance law, which is a neural-network approximation of the optimal feedback strategy, is proposed to eliminate the need for solving two-point boundary-value problems in real time. For intercept point prediction, a fast conversing, iterative algorithm based on a neural- network time-to-go estimator is devised. Also. the γ-correction guidance law and the $\dot{σ}$-feedback guidance law are devised to improve the neural-network guidance to be robust against missile launch conditions. Then the neural-network guidance is extended for interception of ballistic targets in the three-dimensional space. The fact that the optimal trajectory in the three-dimensional space does not deviate much from a vertical plane justifies the use of the two-dimensional neural-network method. Computer simulation confirms that the closed-loop behavior of the proposed guidance law is so close to the optimal trajectory that it outperforms nonoptimal guidance laws such as -biased proportional navigation.
본 논문에서는 신경회로망의 근사능력을 이용하여 실시간 근최적 중기유도기법을 얻는다. 이 방법은 최적 유도법칙을 얻기위해서 필요한 이점경계치 문제를 실시간으로 풀지 않아도 된다는 장점이 있다. 요격점 예측을 위해서 빨리 수렴하는 계산알고리듬이 고안되었고, 이를 적용하기 위해서 필요한 미사일의 time to go는 신경회로망을 사용하여 계산하였다. 또한 미사일 발사조건에 대한 강건성을 증대시키기 위해서 γ-correction 유도법칙과 $\dot{σ}$-feedback 유도법칙이 제안되었고, 얻어진 유도법칙의 3차원 적용 가능성을 검토했다. 3차원 공간에서의 최적궤적은 수직평면상에 존재한다는 사실을 이용해서 신경회로망 유도법칙의 설계를 단순화 시킬수 있었다. 전산모의시험을 통해서 제안된 유도법칙이 최적궤적과 근접한 궤적을 생성할수 있음을 보였고, 이로부터 최적궤적을 고려하지 않고 설계된 유도법칙보다 성능이 우수함을 확인할 수 있었다.
