摘要
本文提出了一种基于屏障调制的概率超扭转引导方法（BMPSTG），用于在存在测量不确定性和数据包丢失的情况下实现稳健的三维机动目标拦截。该方法引入了受隧穿动力学启发的随机屏障自适应机制，以改变滑动变量的演化轨迹，从而相比传统超扭转方案实现更快的收敛速度并降低抖动现象。为提高干扰重建精度，本文设计了结合有限时间干扰观测器（FTDO）和高阶扩展状态观测器（HESO）的复合观测器。FTDO能够实现快速的瞬态估计，而HESO则可提升稳态精度及对噪声的抵抗能力。仿真结果表明，所提出的FTDO–HESO结构在估计精度和引导性能方面均优于单独使用的FTDO以及传统的FTDO–ESO配置。此外，通过概率耦合的增益自适应策略，可根据目标机动状态调整控制增益，进一步提升系统在复杂机动条件下的稳健性。蒙特卡洛仿真验证表明，该方法在复杂的交战场景下仍能实现高精度的目标拦截，且具有稳定的收敛性及较低的控制成本。
