视场受限制导与控制一体化设计

针对拦截弹视场受限问题,提出了一种基于动态面控制和自适应扩张状态观测器(ESO)的制导控制一体化(IGC)设计方法。首先,建立基于目标拦截过程的拦截弹运动方程和非线性动力学方程的IGC模型;其次,设计自适应ESO估计导弹自身信息干扰和目标加速度误差。然后,设计基于动态面控制的IGC算法获取虚拟控制力矩,并利用李雅普诺夫(Lyapunov)理论证明系统稳定性。仿真结果表明,所设计的IGC算法能够实现在视场受限情况下稳定制导和控制导弹姿态,满足动能碰撞杀伤目标的要求,可用于导弹制导和控制系统设计。     

一种基于神经网络补偿动态逆误差的方法

讨论了一种基于神经网络自适应补偿动态逆误差的方法，并应用于超机动飞机控制器设计中，飞机的基本控制采用非线性动态逆方法进行设计，对于模型不准确导致的逆误差采用神经网络进行在线补偿，仿真结果表明，采用神经网络补偿误差，弥补了非线性动态逆要求精确数学模型的缺点，而且可以简化动态逆控制律的设计，改善整个控制系统的性能。     

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。     

直线参考轨迹制导律推导与应用

针对直线参考轨迹的截获和跟踪问题,提出了一种新的飞行器轨迹制导律设计方法。通过建立轨迹偏差运动方程和一系列坐标转换,利用非线性动态逆(NDI)、增量非线性动态逆(INDI)和PID控制方法推导出制导指令。借助于投影张量和矩阵伪逆等数学手段,使得公式推导过程更加简洁和容易理解,物理概念也更加清晰。针对常见的以法向过载制导律作为内回路输入指令时仿真效果不佳的问题,推导出了以俯仰速率制导律作为内回路输入指令的制导方法,可显著改善制导性能。最后,将所提方法应用于某飞机的高度模态和进近阶段的航向信标(LOC)/下滑信标(GLS)制导律设计,并进行了初步仿真验证。研究结果表明,所提出的制导律能够实现精确轨迹制导,具有较好的动态特性和鲁棒性。     

无人机航迹跟踪抗侧风制导算法

无人机作为航空飞行器的一种,具有诸多应用价值,精确的航迹跟踪是其完成飞行任务的必要条件。在无人机飞行控制系统的制导外回路,实现一种具有抗风性能的横向非线性制导算法(NLG),基于航迹参考点实时测算无人机侧向加速度,并根据无人机力学方程得到滚转角指令,实现无人机的航迹跟踪。该制导算法只需确定合适的距离参数L,即可实现较为精确地制导,加入反馈环节以得到改进的闭环非线性制导算法。在侧风条件下进行仿真分析,结果表明:改进后的非线性制导算法是正确的,其具有良好的抗风性能。     

基于神经网络的鲁棒制导律设计

 基于神经网络理论对寻的导弹鲁棒制导律进行了优化设计。建立了制导系统非线性运动学方程和鲁棒性能函数,并将鲁棒性能函数转化成了微分对策的极小极大化问题。采用伴随 BP技术,将微分对策的两点边值求解问题转化为 2个神经网络的学习问题,训练后的 2个神经网络分别作为对策双方的最优控制器在线使用,避免了直接求解复杂的鲁棒制导律问题,仿真结果表明了该方法有效性。     

新一代歼击机超机动飞行的动态逆控制

 根据反馈线性化理论, 讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 设计一种在线神经网络用于补偿模型逆误差。仿真表明, 该控制方案具有较好的自适应能力和鲁棒性。     

用于制导炸弹的自适应自动驾驶仪

制导炸弹传统的自动驾驶仪设计过程中需要一个高精度的空气动力学模型，以表示系统非线性的增益图表。本文提出一种简化自动驾驶仪设计过程的方法，就是设计一个相应于简单飞行条件下的反相控制器和一个在线神经网络，神经网络用于处理因近似逆控制产生的误差，这样不仅简化了设计过程，也无需准确的空气动力学数据，尤其是大攻角I晦界值或其它空气动力的非线性部分，在设计过程中逆过程的选择本身可以建立相应的临界值，并在学习过程中进行比较，文章最后给出了完全六自由度制导炸弹应用上述方法仿真后的结果。     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

神经网络动态逆方法在飞控系统设计中的应用

探讨了神经网络与非线性动态逆方法相结合的神经网络动态逆方法，研究了神经网络动态的网络结构。为进一步改善直接动态逆控制器的性能，对由动态逆和原系统构成的伪线性系统，给出了两种综合方案，并将这种方法用于飞机指令增稳系统的设计。通过一种方案的仿真研究表明，综合控制策略不仅能够改善系统的动态性能，而且具有良好的鲁棒性。研究成果显示了神经网络动态逆方法的有效性和可行性及其在飞控系统设计中所具有的潜在能力。     

Quick identification of guidance law for an incoming missile using multiple-model mechanism

A guidance law parameter identification model based on Gated Recurrent Unit (GRU) neural network is established. The scenario of the model is that an incoming missile (called missile) attacks a target aircraft (called aircraft) using Proportional Navigation (PN) guidance law. The parameter identification is viewed as a regression problem in this paper rather than a classification problem, which means the assumption that the parameter is in a finite set of possible results is discarded. To increase the training speed of the neural network and obtain the nonlinear mapping relationship between kinematic information and the guidance law parameter of the incoming missile, an output processing method called Multiple-Model Mechanism (MMM) is proposed. Compared with a conventional GRU neural network, the model established in this paper can deal with data of any length through an encoding layer in front of the input layer. The effectiveness of the proposed Multiple-Model Mechanism and the performance of the guidance law parameter identification model are demonstrated using numerical simulation.     

基于模糊RBF网络的自适应变结构制导律设计

针对空中高速、大机动目标的拦截问题,传统的滑模变结构制导律虽然对外界干扰和参数摄动具有较好的鲁棒性,但是存在视线角速率抖振及参数不易确定等缺点.对此,在变结构控制理论的基础上,提出了三维自适应变结构制导律,将目标加速度视为外界干扰,设计了一种快速趋近律,并利用模糊RBF网络的高效自学习能力对变结构项的增益进行了在线自适应调节.仿真结果表明,该制导律能够有效削弱系统抖振,提高制导精度,并对拦截大机动目标具有很强的自适应性.     

Optimal predictive sliding-mode guidance law for intercepting near-space hypersonic maneuvering target

The design of optimal guidance law for intercepting a near-space hypersonic maneuvering target with bounded inputs is considered. Firstly, a maneuvering model for near-space hypersonic aircraft is given. Then, the aircraft acceleration prediction can be obtained using this model with two neural networks. By using the target acceleration prediction, which is taken into account when calculating the Zero Effort Miss(ZEM), an optimal sliding-mode guidance law is proposed to fulfill the guidance task...     

Vision-based bio-inspired guidance law for small aerial vehicle

During predation, a flying insect can form a stealth flight path. This behavior is called motion camouflage. Based on the study results of this behavior, the perception and neurology of flying insects, a novel bio-inspired guidance law is proposed for the terminal guidance for small aerial vehicle with charge-coupled device imaging seekers. The kinematics relationship between a small aerial vehicle and target is analyzed, and a two-dimensional guidance law model is established by using artificial neural networks. To compare with the proportional guidance law, the numerical simulations are carried out in the vertical plane and in the horizontal plane respectively. The simulation results show that the ballistic of the small aerial vehicle is straighter and the normal acceleration is smaller by using the bio-inspired guidance law than by using the proportional guidance law. That is to say, the bio-inspired guidance law just uses the information of the target from the imaging seeker,but the performance of it can be better than that of the proportional guidance law.     

Adaptive event-triggered distributed optimal guidance design via adaptive dynamic programming

In this paper, the multi-missile cooperative guidance system is formulated as a general nonlinear multi-agent system. To save the limited communication resources, an adaptive eventtriggered optimal guidance law is proposed by designing a synchronization-error-driven triggering condition, which brings together the consensus control with Adaptive Dynamic Programming(ADP) technique. Then, the developed event-triggered distributed control law can be employed by finding an approximate solution of eve...     

基于锥形运动的制导火箭速度控制导引律设计

针对制导火箭落点速度的约束要求,提出了一种采用锥形运动控制导弹飞行速度的导引方法。该方法首先设计了满足速度约束的虚拟目标理想运动轨迹,将导弹减速控制问题转化为对虚拟目标的追踪导引问题,通过建立制导火箭与虚拟目标的相对运动模型,分析了弹目相对位置和相对速度的关系,推导了具有速度控制的导引律一般形式,并采用动态逆控制理论设计了锥形运动控制指令和导引参数。通过数字仿真对比了不同落角约束条件下导弹锥形运动的速度控制效果,结果表明该方法设计的导引律能够满足制导火箭速度约束要求,且制导精度高、控制效果好,为导弹锥形运动速度控制技术提供了参考。     

高超声速飞行器时间协同再入制导

从饱和打击任务需求出发,针对多高超声速飞行器时间协同再入制导问题进行研究,提出时间可控再入制导律和协同再入制导架构,在改善现有制导律实时性、在线约束管理等性能的基础上,重点解决再入飞行时间不可知、不可控问题,最终实现时间协同再入飞行。协同再入制导结构分为两层,其中底层提出了基于神经网络的时间可控再入制导律,以实现再入飞行时间的可知性与可控性为目标;上层根据不同再入阶段特点设计相应的协调函数,生成时间协调信息。该结构适用于集中式或分布式的通讯结构,同时上层协调策略可以根据任务需要进行有针对性的设计与拓展。最后,通过仿真验证了时间可控再入制导律对时间的可控性和协同再入制导结构的有效性。     

圆弧预测变系数显式拦截中制导

为了满足临近空间机动目标拦截中制导预测和多约束要求，设计了一种基于圆弧预测的变系数显式拦截中制导方法。首先针对临近空间目标滑翔段飞行特性，提出了基于圆弧的几何目标预测方法，将目标机动轨迹近似为圆弧，通过多个间隔时刻的目标位置确定圆弧参数，依据圆弧预测轨迹估计剩余飞行时间，并以当前速度递推预测拦截点状态，进而推导了三维角约束显式制导律。在此基础上，通过在性能指标中构建动压权重函数，以飞行动压近似可用过载变化，设计了变系数显式制导律，实现了制导增益的自适应更新，从而可以使得需用过载在飞行全程中合理分配，满足可用过载约束。最后结合圆弧预测和变系数显式制导，实现了对机动目标的预测拦截。仿真结果表明所提方法具有较好的目标预测精度，而且可以满足终端交会角以及可用过载约束。     

Obstacle avoidance for multi-missile network via distributed coordination algorithm

A distributed coordination algorithm is proposed to enhance the engagement of the multi-missile network in consideration of obstacle avoidance. To achieve a cooperative interception,the guidance law is developed in a simple form that consists of three individual components for target capture, time coordination and obstacle avoidance. The distributed coordination algorithm enables a group of interceptor missiles to reach the target simultaneously, even if some member in the multi-missile network can only collect the information from nearest neighbors. The simulation results show that the guidance strategy provides a feasible tool to implement obstacle avoidance for the multi-missile network with satisfactory accuracy of target capture. The effects of the gain parameters are also discussed to evaluate the proposed approach.     

基于动态变结构BP神经网络的目标威胁评估

针对传统目标威胁估计方法和BP神经网络的不足,在BP神经网络的基础上,建立了基于动态变结构BP神经网络的目标威胁估计模型.该模型通过在权值向量更新公式中引入冲量函数,加快了网络的搜索速度和精度,保证了网络获得全局最优值;通过实时调整隐含层节点数目,可以将网络结构优化,极大地提升了网络的灵活性.仿真结果表明,与传统目标威胁估计方法和BP神经网络相比,动态变结构BP神经网络具有更好的预测能力和收敛速度,可以快速、准确地完成目标威胁估计.