基于混合优化驱动TCN-BiLSTM的高超声速滑翔飞行器轨迹预测
简介：为提高高超声速滑翔飞行器(HGV)轨迹预测的精度,提出一种基于时域卷积网络(temporal convolutional network,TCN)和双向长短时记忆网络(bidirectional long short-term memory network,BiLSTM)结合的HGV轨迹预测方法.该方法利用TCN的因果膨胀卷积提取HGV轨迹多尺度动态特征,融合BiLSTM的双向循环机制挖掘轨迹长时依赖与上下文关联,通过全连接层将预测结果映射到样本空间.引入贝叶斯优化(Bayesian optimization,BO)与灰狼优化(grey wolf optimization,GWO)组合优化模式,实现了网络超参数的全局优化,据此建立了深度学习框架下的HGV轨迹预测模型.数值仿真结果表明,在训练完备条件下,建立的预测模型能够有效预测HGV未来时刻的位置状态,相较于4种对比模型,该预测模型的均方根误差平均降低62.10%,平均绝对误差平均降低61.66%.展开
关键词：高超声速滑翔飞行器轨迹预测时域卷积神经网络双向长短时记忆网络组合优化算法
分类号：V249(航空仪表、航空设备、飞行控制与导航)
在线出版日期：2026-04-03 （网站首发日期）
