质量矩导弹的神经网络及自适应非线性控制

本文对质量矩控制导弹的动力学方程简化和控制系统的设计进行了研究。详细阐述了所提出的控制方法，介绍了径向基单隐层神经网络进行误差补偿的算法原理，用Lyapunov理论证明了所采用方法的稳定性。在给出了质量矩导弹的六自由度动力学方程和简化后的方程后，用所提出的方法设计控制系统。通过仿真分析，得出了本文所提出的方法具有较好的误差补偿能力的结论。     

一种基于神经网络的快速回馈递推自适应控制

针对不确定严格反馈块控非线性系统,提出了一种快速回馈递推自适应控制方法。系 统的不确定性及外界干扰由RBF神经网络在线逼近,利用动态面控制技术简化回馈递推方法 的控制律,同时改进参数自适应律,使在线调整自适应参数显著减少,提高了控制算法的计 算效率。基于Lyapunov方法证明了闭环系统所有信号有界,跟踪误差指数收敛到有界紧集内 。最后进行了空天飞行器飞行控制系统设计,并在高超声速的条件下对其进行了仿真验证, 结果表明了该方法的有效性。     

基于模糊神经网络的质量矩拦截弹动态逆控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性和敏捷性。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统。考虑到系统的鲁棒性要求和三个滑块的协调控制问题,应用双时标分解的方法,提出将拦截弹动力学分离为快变状态动力学和慢变状态动力学。然后,设计了拦截弹模糊动态逆飞行控制系统,分别针对快变和慢变子系统,提出了一种基于模糊神经网络(FNN)的动态逆误差补偿方法,可以有效地抑制气动参数摄动而引起的控制系统性能的下降,提高了控制系统的鲁棒性。仿真结果表明系统性能指标满足设计要求,只需微调滑块位置,即可以实现拦截弹的飞行控制。     

基于Hopfield神经网络的最优滑模制导律研究

本文的研究目的在于使制导律既保留最优制导动态性能好、节省能量的优点,同时又对有界机动目标具有良好的鲁棒性。首先,在导弹-目标追逃问题的相对运动学关系的基础上,我们根据制导动态性能好、节省制导能量要求,构造了线性二次型性能指标,利用Hopfield神经网络在线实时求解该最优制导问题,克服了实际中的最优制导难于求解的问题;同时为了在拦截有界机动目标时,保证视线角速率趋于零,又将滑模控制理论引入到制导律的设计中,并利用Lyapunov稳定性理论对该新型导引律的稳定性进行了证明。仿真结果表明该导引律能够对有界机动目标具有较强的鲁棒性,保证了导弹在追逃过程中使视线角速率趋于零,导弹的指令加速度较小。
     

基于神经网络的不确定性空间机器人自适应控制方法研究

提出了一种针对自由漂浮状态的空间机器人模型不确定性的神经网络自适应控制 方法。通过RBF神经网络逼近模型的非线性函数和不确定性上界,无需预先估计系统的不 确 定性程度和外部干扰,提出的自适应控制律保证了权值的有界性,解决了神经网络权值的UU B（Unknown Upper Bound）问题,即未知上界有界问题,完成了笛卡尔空间内空间机器人轨 迹规划任务。证明了所提出的控制方法的稳定性,仿真结果表明控制方法避免了对空间 机器人动力学模型的参数线性化要求降低了计算量,能够满足实际任务中的实时性要求。
     

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。     

基于神经网络的飞行器抗饱和自适应控制

针对传统自适应控制在飞行器作动器具有幅值饱和与速率饱和的情况下难以实现良好飞行控制的问题,提出了一种基于神经网络与伪控制隔离的飞行器抗饱和自适应控制方法.首先根据模型参考自适应控制理论,结合动态逆与神经网络自适应方法,分析了系统的模型跟踪误差动力特征,并考虑飞行器具有参数不确定和未建模误差等动态逆误差,设计了在线神经网...     

基于卫星质保体系的神经网络模型

针对质保体系基础上的卫星产品保证管理，应用多层前馈神经网络原理和方法，建立了基于无卫星产品保证要求的质保体系与基于卫星产品保证要求的质保体系神经网络模型，以用神经网络模来模拟和控制卫星产品的质量水平；并用模比较了两种质保体系的联系与区别。     

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。     

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。
     

基于BP神经网络的模型参考自适应姿态控制

采用模型参考自适应控制的基本设计框架,并通过BP神经网络对PID控制参数进行自主调节,实现飞行器的自适应姿态控制。利用参考模型输出、实际对象输出等信号作为训练信号,对所构建的三层BP神经网络进行权重更新。仿真结果表明,将BP神经网络应用于飞行器的自适应姿态控制中,能够实现PID控制器参数的自主调整,表明了BP神经网络优良的逼近性能。同时,该控制方案确保了飞行器姿态控制系统的性能指标,并且提高了工程设计的智能化水平。     

基于递归神经网络的控制力矩陀螺操纵律设计

利用递归神经网络对单框架控制力矩陀螺(SGCMG)系统操纵律进行动态求解,设计了一 种基于递归神经网络的SGCMG系统操纵律。通过选择适当参数可以使该网络渐近收敛到稳定 状态,从而使操纵律具有较小的操纵误差。该操纵律不用计算Jacobi矩阵的伪逆,因此避免 了Jacobi矩阵求逆所带来的一系列问题。对某SGCMG系统的仿真结果表明,上述操纵律是可 行的。