BTT导弹的神经网络自适应非线性自动驾驶仪设计

针对BTT导弹的飞行控制问题,提出一种基于近似动态逆及神经网络理论的非线性自动驾驶仪设计方法.给出了神经网络自适应动态逆控制规律,建立了BTT导弹的数学模型,设计了导弹的神经网络自适应动态逆控制系统结构,并进行了控制效果的数值仿真分析.仿真结果说明了神经网络自适应非线性自动驾驶仪在导弹飞行控制中具有较高的控制精度和很好的鲁棒稳定性.     

BTT导弹神经网络直接逆控制算法的FPGA实现研究

针对BTT导弹控制系统中导弹模型的非线性和强耦合的特点,应用逆7系统和神经网络相结合的方法建立了导弹的逆模型.并以俯仰通道为例,设计了逆控制算法的BP神经网络结构,采用Verilog HDL编写了BP神经网络各个功能模块,并将其在FPGA上实现.通过神经网络逆控制算法在FPGA硬件实现和通用计算机上软件实现的对比,表明...     

一种BP MFN逆模型补偿的复合控制结构方案研究

由于对结构未知和不确定的非线性系统还没有形成一种通用有效的辨识和控制方法，为此首先对非线性系统逆模型辨识和控制的结构方案进行分析，然后基于复合控制思想，对基于神经网络的非线性系统逆模型补偿的复合控制结构方案进行研究。设计了一种基于BP MFN（Multilayer Feedforward Network）逆模型补偿的复合控制结构方案，并基于不同BPMFN逆模型结构进行了仿真。仿真结果显示，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的，且在满足辨识建模精度要求前提下，采用相对简单的BPMFN逆模型结构，对提高逆模型的泛化能力和非线性系统的控制效果是有益的。     

基于动态逆和变结构控制理论的BTT导弹控制系统设计

基于动态逆和变结构控制理论提出了一套设计BTT导弹控制系统的方法。该方法首先应用动态逆控制对被控对象近似线性化,再应用变结构控制提高系统的鲁棒性。文中详细推导了基于气动参数上下界的控制系统参数选择方法,无需对气动参数在线辨识。最后,在考虑各个环节非理想因素的情况下,针对某型BTT导弹进行了三通道联合仿真,证明了方法的有效性。     

BTT导弹动态逆-PID控制律设计

针对动态逆对被控对象模型依赖性较强且鲁棒性较差的缺点,研究了一种非线性动态逆和PID相结合的控制方法,用该方法设计了BTT导弹动态逆-PID控制律。首先,利用奇异摄动理论对导弹飞行状态进行时标分离,把导弹状态划分成快慢2个回路,分别对2个回路设计动态逆控制律;然后,将PID引入到慢回路中,以补偿由于未精确建模引起的系统逆误差;最后,对所设计的控制律进行仿真验证。仿真结果表明,该设计方法是有效的,所设计的控制律具有较好的动态特性和鲁棒性能。     

BTT导弹自适应神经网络控制

针对具有不确定性的六自由度BTT导弹控制系统,基于李亚普诺夫稳定性理论和神经网络对非线性函数的拟合特性,设计了一种新的BTT导弹自适应神经网络鲁棒控制器。利用神经网络对Lyapunov函数进行函数拟合,同时引入自适应神经网络权值调节律,保证了闭环系统具有较好的鲁棒稳定性能和抗干扰性能,实现了BTT导弹控制系统的三通道一体化设计。控制器设计简单、参数调节方便,并且便于工程应用。仿真研究结果表明了BTT导弹系统的输出能够渐近跟踪给定的控制输入指令。     

BTT导弹再入段非线性鲁棒控制

针对BTT导弹再入段的非线性模型以及三通道间的较强耦合,研究了模型不确定情况下的解耦和跟踪控制问题。首先分析了BTT导弹在再入段的非线性模型,然后根据微分几何方法检验该模型是否可进行输入输出解耦,并推导出BTT导弹在再入段的非线性解耦控制律,其后分析了在某种匹配不确定情况下导弹动态系统的具体形式,并将李亚普诺夫方法运用到控制器的设计中,得出鲁棒输出控制跟踪控制律。采用该控制方式对某型BTT导弹的六自由度仿真实验结果表明:该鲁棒控制方法在系统存在不确定性的情况下,可保证系统的稳定性,并实现三通道间的近似解耦,使攻角α,侧滑角β和滚动角γ良好地跟踪期望指令。     

基于RBF神经网络的导弹鲁棒动态逆控制

讨论了一种基于神经网络的导弹鲁棒动态逆控制方法。导弹的基本控制律采用动态逆方设计,针对存在动态逆误差的慢回路设计神经网络鲁棒逆控制器。用RBF神经网络逼近导弹慢模态数学模型,并把逼近误差引入到网络权值的调节律以改善系统的动态性能;鲁棒控制器用于减弱模型不确定性及神经网络的逼近误差对跟踪精度的影响。所设计的控制器不仅保证了闭环系统的稳定性,而且使模型不确定性及神经网络的逼近误差对跟踪精度的影响减小到给定的性能指标。最后通过仿真分析,验证了该方法的有效性。
     

基于轨迹线性化方法的导弹动态逆控制系统设计

基于动态逆控制及轨迹线性化方法,研究了一种新的导弹鲁棒自适应控制系统设计方法.首先,基于导弹的非线性模型设计快、较慢回路的动态逆控制器,以实现其非线性解耦;然后,在较慢回路中设计鲁棒自适应轨迹线性化控制器,以补偿整个控制系统的不确定性及干扰,即在轨迹线性化控制的基础上,通过设计RBF神经网络在线估计系统中存在的不确定性...     

基于自抗扰控制的BTT导弹自动驾驶仪设计

针对具有非线性、时变、强耦合和不确定性的Have Dash II BTT导弹控制系统,基于自抗扰控制理论,设计了一种新的BTT导弹鲁棒控制器。利用输入输出反馈线性化,将导弹控制系统分解成了3个单输入单输出的二阶子系统,输出变量的选取保证了系统是最小相位系统。采用自抗扰设计方法,估计并补偿系统中的不确定因素和三通道之间的耦合,以实现控制目的。仿真结果表明该BTT导弹驾驶仪具有良好的动态特性和强鲁棒性。     

BTT导弹神经网络自适应控制器设计

在导弹系统存在非匹配不确定性的情况下 ,提出了一种基于RBF神经网络和反演控制技术的神经网络自适应导弹控制系统的设计方法。首先应用RBF神经网络在线辨识系统中存在的不确定性 ,然后利用反演控制技术设计了导弹非线性自适应控制器 ,成功的处理了非匹配不确定性 ,并应用Lyapunov稳定性理论推导出RBF神经网络权重矩阵及中心点值的调节律 ,保证了系统的稳定性。证明了系统的所有信号均有界且全局指数收敛至原点的一个邻域。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。     

基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

模糊神经网络控制器在飞行器姿态控制中的应用

基于ＡＫａｗａｍｕｒａ等人提出的Ｎｅｕｒａｌ－Ｆｕｚｙ协作系统概念［１］，根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍了采用多层神经网络表达模糊控制系统的知识规则、模糊推理和学习算法，给出了控制某导弹纵向姿态的仿真结果，结果表明该控制系统具有较强的鲁棒性。     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。     

基于神经网络的某导弹姿态控制系统故障诊断

介绍了多层前向神经网络及其算法 ,讨论了神经网络在故障诊断方面的应用 ,并对某导弹姿态控制系统的典型故障进行了神经网络建模 ,经测试取得了良好的效果。     

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。     

一种新的导弹块对角控制器设计法

利用小脑关节模型控制器(CMAC) 神经网络辨识了导弹控制系统的几个重要空气动力参数, 证明了估计误差、权误差有界, 然后用解析逆解设计方法、变结构控制方法设计了块对角控制器。仿真结果显示了本文算法的有效性