接近角制約付き二段階・純比例航法（2pPPN）に対する、サロゲートモデルに基づく準最適ゲイン選択

要旨: ガイダンス文献において、純粋比例航法（Pure Proportional Navigation: PPN）誘導は、空力駆動型ビークルで広く用いられている。方位フェーズと最終フェーズで異なるナビゲーションゲインを用いるPPNの二相拡張（2pPPN）は、角度半空間内で任意の所望の接近角を達成するために提示されてきた。近年の研究では、方位フェーズは複数の実現可能な軌道によって実現できることが示されており、全体の誘導努力を最小化するナビゲーションゲインを選択する機会が生まれる。本論文は、所与の初期および所望の終端エンゲージメント幾何に対する、準最適なゲイン選択問題を扱う。次の2つの最適化問題を考える: i) 所定の最終フェーズゲインに対して最適な方位フェーズゲインを決定すること、ii) 両フェーズに対する最適なゲイン対を同時に決定し、総誘導努力を最小化すること。任意のエンゲージメント幾何に対して最適ゲインを解析的に決定することは困難である。さらに数値シミュレーションにより、これらの最適ゲインはエンゲージメント条件に関して滑らかに変化することが明らかにされる。この性質を活用し、本論文では、最適ゲインと初期および所望の終端エンゲージメント幾何との間の非線形写像を学習するニューラルネットワーク（NN）ベースの回帰モデルを開発する。学習済みNNは、最適ゲインのマニフォールドを生成するための計算効率の高い代理（サロゲート）として機能し、2pPPN誘導を準最適に実現することを可能にする。数値シミュレーション研究により、提案したNNベースのアーキテクチャは高い精度で最適ゲインを予測でき、決定係数の非常に高い（0.9に近い）値を達成することが示される。