有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

非线性自适应神经网络控制器设计

在系统存在非匹配不确定性和输入未建模动态的情况下,提出了一种基于RBF神经网络和反演控制技术的非线性自适应控制系统的设计方法.应用RBF神经网络辨识系统中存在的不确定性,利用反演控制技术,设计了非线性自适应控制器,成功地处理了非匹配不确定性.同时动态非线性阻尼项的引入使得系统对未建模动态具有很强的鲁棒性,并应用Lyapunov稳定性理论,证明了系统跟踪误差、RBF神经网络参数误差全局渐近收敛于原点的一个邻域.最后给出的BTT导弹非线性六自由度数字仿真结果,显示了该设计方法的有效性.     

有输入未建模动态和不确定性导弹控制器设计

在考虑导弹控制系统同时存在输入未建模动态和参数不确定性的情况下,提出了一种基于RBF神经网络和反演技术的鲁棒自适应控制器的设计方法。首先用两个RBF神经网络对未建模动态进行了补偿,然后利用反演技术设计了鲁棒自适应控制器,对不确定性进行了处理,并用Lyapunov稳定性理论推导出RBF神经网络的权重矩阵调节率以及相关的自适应律,证明了系统的全局稳定性,最后通过仿真计算验证了设计的正确性。     

导弹非线性自适应鲁棒控制系统设计

提出了一种基于全调节RBF神经网络的导弹非线性自适应鲁棒控制系统的设计方法，应用全调节RBF神经网络在线辨识系统中存在的不确定性，利用反演和鲁棒控制技术设计了导弹控制系统，成功地处理了非匹配不确定性，并在虚拟控制中引入了微分阻尼项，有效地改善了系统动态性能。最后，应用Lyapunov稳定性理论推导出RBF神经网络各参数的调节律，并证明了系统状态全局渐近收敛于原点的一个邻域，仿真结果验证了该设计方法的有效性和可行性。     

基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

有输入未建模动态的非线性系统自适应逆设计

对于一类存在输人未建模动态的非线性系统,提出了一种基于RBF神经网络的自适应逆补偿器设计方法。首先用两个神经网络设计了补偿器,一个用来估计输入未建模动态,另一个用来作为未建模动态的自适应逆补偿器。该设计放宽了对未建模动态的一些苛刻的要求,如相对度为零,满足小增益条件等。文中仅要求D(u)逆稳和连续光滑。然后应用反演设计技术设计了控制器,并应用Lyapunov稳定性理论推导出神经网络权重向量的调节律,同时证明了闭环系统的渐近稳定性。最后给出的仿真研究证明了该设计方法的有效性。     

采用神经网络状态估计器的导弹自动驾驶仪

高性能的导弹自动驾驶仪在往往需全部状态以及采取某些动力学逆变换，与这些问题相关联，本文讨论一种侧滑转弯（ＳＴＴ）导弹用的以神经网络状态估计器为基础的自动驾驶仪，导弹模型展示了所有非线性因素，其中包括假定滚动有良好稳定性时，俯仰和偏航通道之间的耦合，除了神经网络状态估计器外，还设置了由神经网络构成的部分线性控制器，它是动力这逆变换的关键元件，由于该自动驾驶仪还使用了某些动态补偿器，因此是在混合控制方     

基于反演控制的鲁棒非线性导弹自动驾驶仪设计

首先将导弹控制模型化成级联的结构。然后应用反演控制及鲁棒控制技术提出了一种新的非线性导弹自动驾驶仪控制算法，并应用Lyapunov稳定性理论证明了系统是全局指数稳定的，最后进行了数字仿真，结果表明该算法的有效性。     

BTT导弹自动驾驶仪设计方法综述

介绍了当前非线性自适应反演控制理论的研究现状和多种肿导弹自动驾驶仪设计方法。最后给出了结论。     

导弹驾驶仪鲁棒反演控制器设计

由于导弹在飞行过程中弹体参数变化剧烈,所以具有自适应性的控制理论来设计自动驾驶仪是一种很好的解决方案。反演理论是继反馈线性化之后发展起来的非线性控制理论,是一种基于Lyapunov稳定理论的设计方法。本文针对空空导弹的非线性模型设计了自动驾驶仪的反演控制器,并进行了数字仿真,证明了该方法的正确和有效性。     

未来导弹系统的鲁棒自动驾驶仪设计

在设计新一代灵活机动型导弹时，面临的挑战将主要是高度非线性和快速时变动态特性，设计灵活机动型导弹的横向和滚动控制器时采用鲁棒控制技术。使用混合／调节技术获得包容全部飞行条件的控制功能，控制器设计成动压的函数。使用高保真非线性六自由度仿真来验证这种方法。自动驾驶仪设计性能和鲁棒性是同一系列横向加速度指令和一次实战试验来验证的。     

基于动态逆方法的三维制导律研究

基于零化视线角速率思想,设计了三维非线性动态逆制导律。首先建立了导弹和目标空间运动学模型和相对运动学模型;然后利用动态逆方法,将制导问题转化为角度跟踪控制问题,将导弹弹道倾角和弹道偏角作为反馈项,补偿输入动态项,将非线性控制问题转化为线性化问题进行求解,未出现隐动态,推导出了三维空间动态逆制导指令;最后运用带有延迟环节的三阶自动驾驶仪模型进行了仿真。结果表明,该制导律具有拦截机动目标的能力,且相对于比例导引,拦截时间短,脱靶量小,导弹过载变化平稳。     

大攻角导弹的非线性自动驾驶仪设计

本文描述了尾控大攻角空空导弹的两种非线性自动驾驶仪的设计方法。该研究应用了一种短程导弹高度非线性，时变俯仰面刚性体的动态模型。这种自动驾驶仪是利用线性化反馈技术、线性控制理论来设计的。为了解决由尾控导弹引起的“空气动力学”困难，提出了两种各不相同的近似线性反馈的方法。第一种方法是在闭环动力学上施加了一个时标结构，第二种方法则是重新定义了输出。     

远程地空导弹的一种控制方案研究

为了满足远程高机动性要求,提出了将冲压发动机和倾斜转弯（BTT）控制技术应用于某型地空导弹的设计方法.建立了BTT导弹三通道独立的数学模型,实现了BTT导弹自动驾驶仪的三通道独立设计,为改进和发展远程地空导弹提供了一种控制方案.     

纵向通道模糊控制自动驾驶仪设计

自动驾驶仪是导弹的重要组成部分。本文结合模糊控制和线性控制的优点，设计了模糊一线性控制自动驾驶仪，仿真结果表明，其性能优于采用单一线性控制的自动驾驶仪。     

三轴自动驾驶仪设计：从线性到非线性控制策略

给出了一种三轴侧滑-转弯导弹自动驾驶仪设计，用法宇航马特拉公司的导弹进行了模拟。比较了各种控制，以评估其应用潜力-经典的非线性时不变控制及静，动态近似输入-输出线性反馈。研究了鲁棒性，采用一种特殊类型的非线性动态控制，根据稳定性，性能及鲁棒性要求，给出了最好的结果，采用表格比较，解释了模拟结果。     

考虑导弹自动驾驶仪二阶动态特性的三维导引律

基于三维(3D)空间坐标系下目标-导弹相对运动方程,考虑导弹自动驾驶仪的二阶动态特性,应用动态面控制方法设计了一种新的三维空间导引律.在设计过程中,通过引入一阶低通滤波器,使得导引律的最终表达式中不含有视线角速率的高阶导数,更易于实际应用.该导引律有效地克服了导弹控制系统的动态延迟对制导精度的影响.将该导引律与未考虑导...     

基于自适应干扰估计和鲁棒控制的倾斜转弯导弹自动驾驶仪研究

针对倾斜转弯导弹自动驾驶仪的设计,提出了一种基于干扰观测器的自适应控制方案。在不考虑气动参数时变的条件下,干扰观测器曾被应用于设计倾斜转弯导弹的自动驾驶仪。但是,当存在严重干扰的情况下,这种基于干扰观测器的自动驾驶仪控制性能会受到影响。为了提高倾斜转弯导弹的鲁棒性和抗干扰性能,提出了一种自适应干扰观测器,其名义模型随气动参数的变化实时更新。最后给出的仿真表明所提出的自适应控制方法可以有效提升倾斜转弯导弹自动驾驶仪的控制性能。     

带有广义不确定性的导弹非线性控制系统设计

 在导弹系统存在广义不确定性情况下,提出了一种基于反演设计技术和RBF神经网络的导弹非线性自适应控制系统设计方法。设计过程中将不确定性对系统的影响合成为一项,然后应用RBF神经网络消除了其对系统的影响,有效地解决了控制系数矩阵未知时控制器设计问题,同时放松了现有文献中对控制系数矩阵不确定性的要求。应用Lypunov稳定性定理推导出神经网络权重矩阵的自适应调节律,并证明了闭环系统的所有信号均有界且指数收敛至系统原点的一个邻域。最后给出的BTT导弹非线性六自由度数字仿真结果验证了该算法的有效性。     

应用动态逆和时间尺度分离的BTT导弹控制

基于简化的ＢＴＴ导弹控制设计模型,应用非线性动态和时间尺度分离方法设计了一种非线性ＢＴＴ导弹自动驾驶仪,根据导弹实际的飞行高度和飞行速度,可以计算出导弹动力学系数的标称值,非线性动态逆法正是基于这些动力学系数的标移值,适适合于控制导弹作大空域飞行,六自由度仿真结果一步验证了方法是正确的与有效的。