攻击角约束的拦截弹制导控制一体化设计

针对拦截弹的攻击角约束制导问题,提出了一种基于反演滑模和扩张状态观测器(ESO)的制导控制一体化(IGC)设计方法。首先,基于弹目相对运动方程和拦截弹的非线性动力学方程,建立了拦截弹IGC模型,设计了ESO估计目标加速度和自动驾驶仪回路的干扰;在此基础上,基于干扰估计值和反演滑模方法,设计了IGC算法获取虚拟控制力矩,同时基于李雅普诺夫理论分析了闭环系统的稳定性;然后,利用动态控制分配技术将所获取的期望控制力矩分配到实际执行机构;最后,通过仿真结果验证了所设计的IGC+ESO算法的有效性。     

BTT导弹三维制导控制一体化建模与仿真

针对带有一定机动能力的飞行目标,结合弹目运动关系与导弹自身的动力学特性,给出了倾斜转弯(BTT)拦截导弹的俯仰、滚转、航向三通道独立制导控制一体化(IGC)设计。首先分别建立三通道数学模型,并给出了指令信号的计算形式,随后设计了基于动态面的IGC反步控制算法,最后在三维空间下进行目标拦截仿真验证。仿真结果表明,所建立的三通道模型能够充分描述目标与导弹之间的运动关系,设计的算法能够实现导弹对目标的精确拦截,且具有一定的抗机动能力。     

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。     

基于自适应反演滑模的末制导律设计

针对三维导弹-目标相对运动模型,结合反演控制、滑模控制和自适应技术,设计了一种新的自适应反演滑模末制导律。针对目标机动加速度上界难以获取的问题,将目标机动加速度视作模型的干扰,设计了一种自适应律对其进行在线估计,并将估计值补偿到制导律中。运用李亚普诺夫稳定性理论证明了系统的全局渐进稳定性和误差的收敛性。仿真结果证明了所设计的自适应反演滑模末制导律对机动目标的鲁棒性和有效性。     

考虑冲压发动机工作边界的导弹大过载机动反演控制

针对冲压发动机导弹大过载机动控制问题,设计了基于干扰观测器的反演控制器.根据导弹纵向运动方程建立了过载控制和马赫数控制模型,将模型存在的不确定性和扰动视为总干扰,采用扩张状态观测器进行精确估计,然后设计了过载回路和马赫数回路的反演控制器,为避免对控制器中的虚控制量多次求导导致"微分膨胀",采用反正切跟踪微分器对其进行精...     

补偿函数观测器及其在飞行器姿态控制中的应用

风扰、气流扰动和模型未知部分的估计精度直接影响着无人机（UAV）的稳定性和控制品质,扩张观测器（ESO）能估计这些部分,但存在型别低,收敛性差,估计精度低等问题。补偿函数观测器（CFO）采用纯积分、补偿和传递函数型别的思想,改变了ESO结构,使得CFO较ESO高2个型别,精度高,收敛性强。然而,CFO是利用线性滤波器补偿系统的未知函数或扰动,对快速变化的高次非线性函数补偿能力不足。本文用径向基（RBF）神经网络替代了线性滤波器或积分器,提出了带有RBF神经网络的CFO,进一步提高了估计精度。应用带有RBF神经网络的CFO得到的非线性未知函数和扰动以及微分信息,设计了主动模型函数补偿控制算法,应用Lyapunov稳定性理论证明了闭环系统的稳定性。将该模型补偿控制算法成功地应用于四旋翼飞行器姿态系统的控制。仿真对比了所提出的基于CFO的模型补偿控制,PID控制和自抗扰控制算法,同时在基于Pixhawk的控制测试平台实验中,对比了这3种控制策略,测试四旋翼飞行器对不同参考姿态的跟踪性能。结果表明,所提出的控制方法,在暂态性能和稳态跟踪精度方面,优于其它控制器。     

考虑驾驶仪动态性能的指令滤波反演制导律

针对攻击机动目标的制导问题,设计了一种考虑自动驾驶仪性能、输入项约束的指令滤波反演制导律。首先,基于三维空间内弹目相对运动模型,采用反演递推方式设计制导律。针对传统反演控制存在的"微分膨胀"问题,引入指令滤波器对虚拟量进行过滤计算。考虑硬件计算能力的约束,引入自动驾驶仪二阶动力学模型减少控制过程延迟,并利用饱和函数和低通滤波器对输入项进行约束。此外,针对机动目标设计了一种扩张状态观测器来获取其加速度。通过Lyapunov理论证明了所设计闭环制导系统的稳定性。通过仿真实验验证了该制导律相有效性及优越性。     

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。     

拦截机动目标的自适应Super-Twisting协同制导律

针对多枚导弹协同拦截机动目标的问题,提出了一种自适应Super-Twisting协同制导律。首先,基于领从式策略建立了多弹在纵平面内的协同制导模型,并结合Super-Twisting控制算法和代数图论设计了鲁棒协同制导律。其次,利用RBF神经网络对目标机动能力进行自适应估计,同时设计在线调节增益函数抑制控制系统抖振。最终,基于李雅普诺夫直接法证明了整个制导控制系统的稳定性,并对4枚导弹协同拦截机动目标的情况进行数值仿真,仿真结果表明了所提协同制导律的有效性和优越性。     

输入受限下的鲁棒微分博弈拦截制导律设计

研究了输入受限和匹配干扰约束下的导弹-目标拦截制导系统，提出了一种复合控制方案。首先，通过超螺旋干扰观测器估计匹配干扰，并依据观测器的估计结果设计了积分滑模控制器对干扰进行补偿。其次，结合微分博弈理论和自适应动态规划算法，设计单评价神经网络来求解微分博弈控制器，并利用Lyapunov稳定性理论证明了所提的复合控制策略保证了闭环系统和评价神经网络的稳定性。最后，对导弹-目标拦截系统进行建模仿真，验证了复合控制策略的有效性。     

Integrated guidance and control design of a flight vehicle with side-window detection

This paper considers the guidance and control problem of a flight vehicle with side-window detection. In order to guarantee the target remaining in the seeker's sight of view, the line of sight and the attitude of the flight vehicle should be under some constraints caused by the side-window, which leads to coupling between the guidance and the attitude dynamics model. To deal with the side-window constraints and the coupling, a novel Integrated Guidance and Control (IGC) design approach is proposed. Firstly, the relative motion equations are derived in the body-Line of Sight (LOS) coordinate system. And the guidance and control problem of the flight vehicle is formulated into an IGC problem with state constraints. Then, based on the singular perturbation method, the IGC problem is decomposed into the control design of the quasi-steady-state subsystem and the boundary-layer subsystem which can be designed separately. Finally, the receding horizon control is applied to the control design for the two subsystems. Simulation results show the effectiveness of the proposed approach.     

弹道导弹飞行时间的BP神经网络控制方法

时间协同攻击是提高弹道导弹突防能力和作战效能的一种重要手段。由于发动机推力偏差等干扰因素造成导弹的飞行时间偏差较大,为精确控制弹道导弹的飞行时间,运用BP神经网络算法,建立了一种适用于较大飞行时间偏差修正的飞行时间调控模型。该模型用视加速度偏差表征推力偏差等干扰的影响,根据视加速度偏差调整导弹飞行中某一时段的程序角来实现对飞行时间的精确控制。由BP神经网络建立满足飞行时间偏差要求下视加速度与飞行程序角速率、转弯结束时间之间的映射关系。导弹实际飞行时,根据实际视加速度,由BP神经网络在线计算出飞行程序角速率及转弯结束时间,使导弹在干扰条件下仍以预定飞行时间到达目标。最后,通过仿真验证了该模型的有效性和可行性。     

直接力与气动力复合控制拦截弹轨迹控制

研究了直接力与气动力复合控制拦截弹的轨迹控制问题.建立了复合控制拦截弹的动力学模型,分析了不同复合方式的差别,指出了直接力对弹体运动的影响.建立了拦截弹与目标的相对运动模型,针对直接力与气动力复合控制的特殊性,基于滑模控制理论给出了轨迹控制算法,并在此基础上针对传统控制方法的缺陷,设计了脉冲发动机的点火逻辑.仿真结果表明,该方法能有效的实现拦截弹在末制导段的精确制导控制,并具有较强的鲁棒性.      

先进战斗机的鲁棒自适应反步控制

为解决反步法在虚拟控制求导时存在计算膨胀的缺陷问题,提出了一种自适应反步控制算法.采用CMAC神经网络在线学习系统不确定性以及各阶虚拟控制量的导数信息,从而避免了系统阶次较高时引起的计算膨胀问题,并且该控制算法在实际控制输入前加入低通滤波器,避免了不连续输入可能引起的抖振问题.Lyapunov稳定性分析表明,该控制方法...     

Switching control of morphing aircraft based on Q-learning

This paper investigates a switching control strategy for the altitude motion of a morphing aircraft with variable sweep wings based on Q-learning. The morphing process is regarded as a function of the system states and a related altitude motion model is established. Then, the designed controller is divided into the outer part and inner part, where the outer part is devised by a combination of the back-stepping method and command filter technique so that the ‘explosion of complexity’ problem is eliminated. Moreover, the integrator structure of the altitude motion model is exploited to simplify the back-stepping design, and disturbance observers inspired from the idea of extended state observer are devised to obtain estimations of the system disturbances. The control input switches from the outer part to the inner part when the altitude tracking error converges to a small value and linear approximation of the altitude motion model is applied. The inner part is generated by the Q-learning algorithm which learns the optimal command in the presence of unknown system matrices and disturbances. It is proved rigorously that all signals of the closed-loop system stay bounded by the developed control method and controller switching occurs only once. Finally, comparative simulations are conducted to validate improved control performance of the proposed scheme.     

航空发动机神经网络反步控制方法

针对航空发动机非线性和不确定性的特点,提出了一种基于神经网络的反步控制方法.采用径向基神经网络估计未知系统方程,并用一种平滑切换法有效避免了控制器奇异问题.反步法的设计基于Lya-punov稳定性原理,保证了闭环系统一致渐近有界.最后针对某型涡扇发动机非线性模型设计了高压转速控制器,仿真结果验证了该方法的有效性.      

Adaptive block dynamic surface control for integrated missile guidance and autopilot

A novel integrated guidance and autopilot design method is proposed for homing missiles based on the adaptive block dynamic surface control approach. The fully integrated guidance and autopilot model is established by combining the nonlinear missile dynamics with the nonlinear dynamics describing the pursuit situation of a missile and a target in the three-dimensional space. The integrated guidance and autopilot design problem is further converted to a state regulation problem of a time-varying nonlinear system with matched and unmatched uncertainties. A new and simple adaptive block dynamic surface control algorithm is proposed to address such a state regulation problem. The stability of the closed-loop system is proven based on the Lyapunov theory. The six degrees of freedom (6DOF) nonlinear numerical simulation results show that the proposed integrated guidance and autopilot algorithm can ensure the accuracy of target interception and the robust stability of the closed-loop system with respect to the uncertainties in the missile dynamics.     

导弹块对角控制器的组合设计法

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、模糊神经网络变结构控制方法设计了块对角控制器。仿真结果显示了该算法的有效性。