随着对高超声速飞行器的研究深入,再入飞行器通过外形改变,可以增强跨速域、跨空域能力,因此逐渐得到了研究者的青睐。本文以解决高超声速再入变形飞行器的制导律设计为目标,研究了在传统再入制导基础上,通过强化学习算法决策后掠角,将智能体与制导律组合的新型再入制导方法。本文的主要研究成果为:首先,参考NASP飞行器构型提出了一种变后掠再入飞行器设计,利用CFD方法获得其气动模型。随后,研究了再入制导需要考虑的动力学模型和约束模型,并给出了变后掠翼前缘热流工程计算方法。根据采用智能方法决策后掠的思路,本文设计了三种不同的再入问题场景。即通过变形改善过程约束情况、通过变形增强禁飞区绕飞的横向机动能力、通过变形提高再入终端约束满足精度,并分别设计了制导律结构。针对通过变形改善再入约束边界的场景:给出了考虑变后掠飞行器的再入走廊形式,并且分析变形如何在相同性能指标下,拓宽飞行器跨速域/空域的性能边界;然后,将再入过程分为三段,在飞行相对稳定的拟平衡滑翔段引入变形决策。为从飞行状态给出变形律,设计了强化学习环境,并使用PPO算法训练智能体决策后掠角;最后,为在飞行器气动外形改变后导引飞行器实现终端约束,讨论了在线轨迹生成和跟踪制导方法,并仿真验证了通过变后掠,过程约束满足效果提高。针对通过变形提高禁飞区绕飞能力的场景:基于预测校正制导设计了纵平面制导,并加入了高度阻尼项;又采用人工势场法,设计了横向方位角走廊,当方位角位于走廊内时,能完成绕飞任务。指出,飞行器沿着走廊进行绕飞需用的横向过载,和维持航程的纵向过载构成矛盾,需要通过合理的外形改变平衡两者关系。因此引入智能变形决策,将上述指标表达为马尔可夫决策过程,利用强化学习方法解决该决策问题,并通过仿真验证了在引入变形决策情况下飞行器绕飞能力更强。针对通过变形提高终端约束满足精度的场景:提出再入点误差、气动模型精度不足和外部扰动等都会导致参考轨迹和实际飞行轨迹的差异,所以需要消除它们造成的终端状态误差。因此设计类似反馈控制的制导形式,将状态量和制导剖面设计参数作为状态量和控制量;随后,利用基于模型强化学习的PILCO方法,首先产生一个近似动力学,利用近似动力学进行长周期预测,随后将预测终点状态量误差作为代价,更新以RBF网络表示的策略。将变形决策和攻角、倾侧角剖面设计参数均作为输出,形成了一种智能变形再入制导。论文探索了再入变形飞行器的制导律研究问题,并提出了针对变形带来的制导律问题维度上升,可以通过强化学习的方法,构造智能制导律解决的思路。同时,论文设计了三种不同的场景,从不同角度阐释了再入变形的意义。本文结合了传统再入制导的研究成果和先进的人工智能方法,对于未来新型再入变形飞行器的制导律设计具有借鉴价值。