考虑动态控制分配的空天飞行器再入姿态复合控制设计

针对空天飞行器再入大气层阶段的直接力/气动力复合控制分配问题,设计了一种基于改进指标函数的动态控制分配律,兼顾了反作用控制系统燃料消耗和闭环控制系统响应速度需求。此外,针对空天飞行器面对称大攻角再入引发的横侧向气动强耦合问题,在预测控制律中引入了通道间交叉耦合反馈项,对姿控过程进行增稳。对比仿真结果表明,动态分配算法在提高了再入姿态控制精度的同时降低了反作用控制系统的燃料消耗;交叉耦合反馈项的引入,缓解了倾侧角指令突变对偏航通道稳定性的干扰影响。     

基于自适应动态逆的高超声速飞行器姿态复合控制

考虑高超声速飞行器再入过程中存在气动舵低效的问题,提出了质量矩/气动舵复合控制方式,研究了这两类执行机构的复合控制分配问题,并针对高超声速飞行器强非线性和不确定性的对象特性,基于神经网络方法设计了自适应动态逆姿态控制系统。首先给出了质量块配置原则以及质量矩/气动舵复合控制模型;其次,为获得良好的控制分配精度并保证较小的执行机构能耗,基于二次规划方法设计了质量矩/气动舵复合控制分配策略;再次,利用神经网络权值的自适应调整来逼近系统中存在的不确定性,补偿动态逆误差,设计了基于神经网络的自适应动态逆控制器。最后,通过仿真验证了文中控制分配策略和自适应动态逆方法的有效性。     

基于神经网络的RLV再入段有限时间自适应姿态控制

针对可重复使用运载器(RLV)再入段的姿态控制问题,提出了一种基于神经网络的有限时间自适应姿态跟踪控制方法。首先,在传统RLV建模的基础上将模型不确定性、耦合及扰动力矩分离作为复合扰动;然后,利用径向基神经网络(RBFNN)对其在线估计并在标称控制器中进行动态前馈补偿;最后,利用终端吸引子改进控制器实现了对期望状态的有限时间跟踪,并通过引入鲁棒项降低了RBFNN估计误差对控制精度的影响。设计的姿态控制器无需获知精确的气动数据与扰动范围而仅需某飞行状态下的标称值。仿真结果表明提出的控制方法对RLV再入姿态跟踪具有较好的控制效果。     

基于自适应RBF神经网络的可重复使用运载器再入段姿态控制

针对再入段可重复使用运载器(Reusable Launch Vehicles,RLV)姿态控制问题,提出一种基于自适应径向基函数(Radial Basis Function,简称RBF)神经网络(ARBFNN)的姿态控制方法。首先,建立RLV的6-DOF非线性动态模型,并将旋转动力学模型变成严反馈形式。然后,设计了一种自适应RBF神经网络控制(ARBFNN)结构,可以减少神经网络逼近误差的影响。同时,通过李雅普诺夫和自适应控制的结合消除了控制器设计过程中的不确定影响,并验证了系统的稳定性。最后,通过仿真验证了所提算法在解决再入段RLV姿态控制问题上的有效性。     

RLV双环滑模RCS/气动舵复合控制器设计

针对可重复使用运载器(RLV)再入飞行强非线性、快时变特性和多种控制模式给姿态控制器设计带来的困难和挑战,提出了一种双环滑模反作用控制系统(RCS)/气动舵复合控制器设计方案。首先建立了RLV再入飞行的数学模型,基于时标分离原理,设计了快、慢双环回路控制系统,并采用滑模控制律(SMCL)获得控制力矩指令;所设计的RCS/气动舵复合控制器,由控制分配将控制力矩指令分别映射成RCS推力器执行的开关指令和气动舵面偏转指令,采用链式递增融合协调气动舵与RCS的复合控制。仿真结果表明,双环滑模RCS/气动舵复合控制器能较好地完成姿态跟踪控制,有效地节省RCS燃料,实现了气动舵面与RCS的协调控制。控制方案也能用于再入飞行器或空天飞机的控制系统设计。     

横程动态约束的预测-校正再入制导方法

针对大升阻比飞行器再入滑翔制导问题，基于预测-校正制导法，提出一种横程动态约束的侧向制导策略。利用再入过程中横程与剩余航程的近似线性关系，设计边界约束动态变化的横程走廊控制倾侧角反转。对大气密度和飞行器气动参数扰动引起的预测模型不确定性进行在线参数估计。以CAV-L高超声速飞行器为研究对象，进行再入制导仿真。结果表明，对不同航程的再入任务该制导法均能精确引导飞行器飞向目标，侧向制导倾侧角反转时机分布合理，反转次数少。Monte Carlo仿真校验了横程动态约束制导法对再入状态误差和过程扰动具有良好的自适应性和鲁棒性。     

再入弹头质量矩复合控制系统设计

针对提出的再入弹头质量矩复合控制模式,利用变结构控制方法设计了三通道的姿态控制律.为了抑制滑块跟踪运动和再入过程中非对称气动烧蚀带来的影响以及满足快速、鲁棒性的要求,设计了基于时间最优的滚动通道的稳定控制律;用双积分系统的时间性能指标来确定切换线,同时构造双切换函数以及在原点领域切换为连续控制律来解决开关颤振问题;为了抑制滑块运动带来的影响,在滑块结构布局优化的基础上,利用变结构设计了俯仰和偏航通道姿态控制律.最后,通过非线性系统仿真验证了该方法的有效性.     

高超声速再入飞行器的特征建模及自适应递推滑模控制

针对高超声速再入飞行器非线性程度高、参数不确定性大、快时变等特点，提出一种基于神经网络特征模型的自适应滑模姿态控制方案。首先，采用现有特征建模方法，将对象模型中的非线性、时变不确定性压缩至特征参量中；进一步，结合模糊神经网络，将快时变特征显式地表征在特征模型中，使得待估计的特征参量具有时不变特性，从而易于其自适应律的设计。然后，在该神经网络特征模型的框架下，设计递推形式的自适应滑模控制律，以进一步提高飞行控制系统的鲁棒性。最后，通过仿真校验了所提出控制方法的正确性和有效性。     

基于BP神经网络的飞行器参数辨识与自适应控制

针对跨域空间飞行器气动参数非线性严重和具有大不确定性等特点,提出一种基于BP神经网络的飞行器离线参数辨识与在线自适应控制的方法.首先,临近空间飞行器进行风洞试验吹风得到的气动参数是典型的输入输出非线性系统,运用BP神经网络算法进行离线训练建立气动数据的辨识模型;其次,根据气动数据的辨识模型计算实时舵效变化参数,飞行器控制的增益根据舵效变化完成在线自适应调节,实现飞行器的自适应姿态控制;最后,进行数学仿真验证,结果表明,将BP神经网络应用于飞行器姿态控制中,能够实现控制参数的自适应调整,说明BP神经网络具有优良的逼近性能,最终提升了飞行器姿态控制系统的性能,提高了智能化设计水平.     

考虑特征模型的高超声速飞行器全通道自适应控制

针对高超声速飞行器具有强非线性、高不确定性及强耦合等特点,提出一种基于反馈线性化控制与特征模型自适应控制相结合的姿态控制律设计方法,解决姿态控制系统的非线性耦合与不确定性,保证飞行器控制系统稳定。首先,建立高超声速飞行器全通道非线性耦合的动力学模型。其次,利用反馈线性化控制方法将全通道非线性耦合系统解耦成近似线性系统,并对线性解耦系统设计输出反馈控制律;而对于反馈线性化控制依赖于系统的精确数学模型,并对建模误差和外部干扰敏感的问题,设计基于误差特征模型的自适应控制律,提高系统的适应性;针对原动力学模型,证明闭环控制系统是有界稳定的。最后,通过数学仿真校验了控制律设计的正确性与有效性,仿真结果表明设计的姿态控制系统可以很好地跟踪指令,具有较强的鲁棒稳定性。     

一种利用动量轮的弹头姿态控制系统概念研究

对一种以动量轮为执行机构的具有中性静稳定外形的再入弹头姿态控制系统进行了概念研究。从动量矩定理和中性静稳定原理阐述了这种控制方案从理论上是可行的。推导了动量轮控制弹头的姿态动力学方程，并基于分离时间尺度方法设计了姿态控制系统。对该姿态控制系统仿真研究表明：1）姿态角跟踪回路性能良好；2）在不需要太大的动量轮控制输入力矩的情况下，能实现滚动通道稳定控制；3）俯仰和偏航通道的正弦跟踪需要相对较大动量矩的动量轮作为执行机构来实现高精度跟踪控制。     

基于神经网络的机动飞行器自适应控制方法

针对机动飞行器强耦合性、快时变性以及高不确定性的问题,建立了六自由度刚体运动数学模型,按照时间尺度将姿态运动模型分为快变子系统和慢变子系统并分别设计动态逆控制律。然后给出了神经网络自适应控制器的设计方法,对神经网络的逆误差补偿原理、输入的选择、权值矩阵更新规则进行分析。通过算例进行六自由度仿真,证明本文方法的跟踪精度较高。     

目标加速度未知下的导弹自适应滑模拦截制导

针对机动目标拦截过程中加速度信息难以获取的实际问题，设计了一种基于RBF神经网络的自适应滑模拦截制导律，有效提高了导弹制导系统的鲁棒性能。首先，结合空间几何知识，构建了弹-目三维空间相对运动模型；然后，利用RBF神经网络对拦截目标的未知加速度进行了有效估计，消除了制导设计对目标加速度信息的依赖性；在此基础上，结合零化视线角速率的制导理念，分别在导弹俯仰平面和偏航平面设计了对应的自适应滑模制导律，同时采用连续高增益法削弱了系统的抖振现象，并给出更符合导弹制导实现的法向过载指令，利用Lyapunov定理证明了所提方法的收敛性；最后，通过仿真验证，在三种不同的拦截场景下进行了仿真对比，仿真结果表明所提滑模拦截制导律对目标机动有较高的自适应性和鲁棒性。     

一类导弹控制系统的模态解耦

本文研究非旋转式导弹控制系统的模态解耦能力。证明了具有俯仰、偏航和滚动三个控制通道的控制系统可以实现俯仰、偏航两种运动模态对滚动运动模态的完全解耦。给出了模态解耦控制系统的设计方法。对一种导弹控制系统进行了验证性设计,做了数字仿真。     

基于布局优化的飞行器变质心控制性能研究

研究了变质心再入飞行器的控制性能。对力矩的分析发现活动质量体配置于弹体质心处能降低相对运动对飞行器的影响,且飞行器三通道间的动力学耦合也将减轻。将活动质量体配置在弹体质心以优化变质心控制结构布局,并设计姿态控制律,比较了布局优化和未优化的姿态响应和滑块运动。结果表明:采用布局优化不仅能提高变质心控制的操纵性,改善姿态响应的动态品质,而且滑块的运动品质也得以改进。     

基于单隐层神经网络的空天飞行器直接自适应轨迹线性化控制

基于轨迹线性化方法（TLC）及神经网络技术研究了一种新的直接自适应TCC控制方案。利用单隐层神经网络（SHLNN）对于光滑非线性函数的逼近能力，对消系统中不确定因素的影响，神经网络自适应律采用Lyapunov方法设计，保证了整个系统所有信号有界。最后利用该方案设计了空天飞行器飞行控制系统，并在高超声速飞行条件下进行了仿真验证，仿真结果表明整个控制系统具有很好的性能和鲁棒性。     

基于反馈线性化的高速无人机自适应控制系统设计

高速无人机是典型的复杂非线性、参数不确定性系统,且各控制通道之间存在强耦合作用,这对飞行控制系统设计提出了严峻挑战。针对其非线性特性和耦合特性,采用精确反馈线性化理论将无人机动力学模型解耦为3个独立的子系统,即滚转、俯仰和偏航通道;应用模型参考自适应控制方法分别设计每个通道的姿态控制器。研究表明,上述线性化方法能够实现三通道解耦,所设计控制系统满足飞行控制性能要求,且对气动参数摄动和外部干扰具有较强的鲁棒性。