基于模糊神经网络的导弹最优寻的末制导律

提出了一种适用于一类末制导段采用推力矢量控制的新型导弹的模糊神经网络最优寻的末制导律.在制导律设计时不仅要求导弹能量最省,脱靶量最小,同时考虑了推力矢量控制的非线性特点,并且为改善该神经网络系统的学习效果,在学习算法中还引入模糊学习规则.数字仿真表明所提出的模糊神经网络制导律对于机动目标具有较好的攻击能力.     

敏捷性飞机飞行控制系统设计方法研究

对敏捷性飞机飞行控制系统的设计方法进行了研究,研究表明当飞机进行大迎角机动时,飞机可以获得敏捷性机动能力,在这种情况下,飞机的动力学特性呈现非线性的特征,此时飞行控制系统的设计是一类非线性控制系统的设计问题,设计可采用非线性动态逆的方法进行,为简化控制律和工程因素,重点研究了利用一阶动态作为系统的反馈线性控制,以得到线性化的系统,在此基础设计跟踪控制器,以满足大迎角非线性机动时的性能要求,最后以Ｆ     

直接力/气动力复合控制导弹 自适应模糊滑模控制

针对采用直接力/气动力复合控制导弹所具有的强耦合非线性等特性,提出了一种基于自适应模糊滑模控制的自动驾驶仪设计方法.该方法利用自适应模糊系统所具有的万能逼近特性,对大攻角飞行过程中导弹动力学系统存在的非线性特性进行逼近,并利用变结构控制对外界干扰的强鲁棒性,构造误差系统滑模面,克服了逼近误差和外界干扰对控制系统的影响,实现了对大机动指令的精确跟踪.仿真结果表明,所设计的控制方法对大过载指令有较好的跟踪效果,对模型不确定性和外界干扰也具有较好的鲁棒性.由于采用直接力/气动力复合控制,有效的减小了气动舵偏角,避免了气动舵的饱和.      

基于RBF网络的导弹滑模动态逆控制律设计

讨论了一种基于径向基函数(RBF,Radial Basic Function)神经网络的导弹滑模动态逆控制律.导弹的基本控制律采用动态逆方法设计,对慢回路设计神经网络滑模控制器以补偿整个控制系统的不确定性.即用RBF神经网络逼近导弹慢模态不确定性的数学模型,并将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;滑模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.      

基于神经网络的自适应非线性控制及仿真研究

研究了神经网络非线性动态系统的自适应控制方法,首先利用改进的非线性自回归滑动平均模型,采用多层前向神经网络辨识非线性系统模型,然后直接由辨识结果设计出控制器,并根据控制误差对控制律作在线修正.利用导弹模型进行了控制仿真,仿真结果表明采用此方法可以得到较好的控制效果,而且在模型不确定和有噪声干扰的情况下仍能正常跟踪给定的迎角信号,具有较好的鲁棒性.      

空空导弹敏捷转弯反作用喷气控制研究

为了提高近距空空导弹离轴发射和攻击载机后半球目标的能力,在俯仰平面内研究了使用反作用喷气控制空空导弹敏捷转弯的问题.为了实现导弹的敏捷转弯,提出了通过控制导弹姿态来控制导弹速度方向的方法,从理论上证明了该方法的可行性.考虑到反作用喷气输入的开关特性,使用滑动模态方法设计了导弹的姿态控制系统,滑动模态可达的一个充分条件为反作用喷气提供的可控力矩不小于导弹的最大气动俯仰力矩.反馈增益可以通过非线性仿真或者优化来选择.非线性仿真的结果再次表明本文提出的转弯方法的可行性,同时也表明了滑动模态姿态控制方法的有效性.      

舱外机动装置姿态自适应控制研究

舱外机动装置是一种帮助宇航员在航天器舱外活动的机动装置,航天员自身的质量特性的不确定性使得其姿态控制问题为非线性时变,并且带有不确定参数的系统的控制问题,传统的控制系统理论难以处理该问题.自适应控制指令跟踪法用于舱外机动装置的姿态控制系统以应付质量特性不确定性的影响,研究结果表明该方法可以实现对舱外机动装置姿态机动和稳定控制,具有良好的抗干扰性和控制鲁棒性,姿态控制精度达到0.5°,姿态稳定度达到0.1 °/s.      

旋转弹的神经网络变质心姿态控制

研究了旋转弹变质心控制系统的姿态控制问题.建立了内部带有n个可移动滑块的导弹系统仿真数学模型,分析了滑块与弹壳间的相对运动对系统运行产生的耦合影响.利用神经网络的自学习性以及自适应特性,设计了基于神经网络控制的姿态控制律来计算系统质心的期望位置.利用最优原理确定了各滑块的期望偏移以实现系统质心位置的改变,从而达到改变导弹飞行姿态的目的,提高了系统的动态响应品质.以带有2个滑块的旋转弹姿态控制系统为例进行非线性仿真,证明了所设计控制律的有效性.      

遗传算法在质量矩导弹姿态控制中的应用

研究了三轴稳定控制系统的姿态控制问题.建立了内部带有3个可移动滑块的数学模型.利用RBF(Radial Basis Function)网络的快速自学习以及自适应特性,将其作为控制器不断调整滑块的位置.同时利用遗传算法(GA)的全局、并行寻优及增强式学习能力对神经网络控制器的权系进行优化.通过对滑块位置的协调控制,改变导弹的飞行姿态.最后讨论了滑块运动特性对系统性能产生的影响并对系统稳定性进行了分析.仿真结果表明该控制律能在保证系统稳定的情况下有效地实现导弹的姿态调整,并且提高了系统的动态响应品质.      

基于扩张状态观测器的导弹滑模制导律

针对导弹拦截机动目标的问题,基于扩张状态观测器(ESO,Extended State Observer)设计了一种全新的导弹滑模制导律.考虑拦截时的弹目相对运动关系,通过ESO对目标加速度进行实时的观测和动态补偿,有效地解决了导弹拦截末端所需过载过大的问题,使导弹能够以更小的脱靶量拦截目标.同时在仿真中考虑自动驾驶仪的二阶动态特性,分别以不同的初始航迹角对周期性机动目标和非周期性机动目标进行拦截打击仿真,并与基于有限时间收敛理论提出的滑模制导律对迎击拦截、追击拦截和前向拦截3种方式进行仿真对比,仿真结果表明了基于ESO的滑模制导律在拦截末制导过程中的鲁棒性和优越性.      

基于动态逆的BTT导弹自动驾驶仪设计

针对BTT(Bank-To-Turn)导弹的复杂非线性特性和冲压发动机带来的飞行姿态限制,在其自动驾驶仪设计问题上,指出了直接应用动态逆方法存在非最小相位特性,提出了基于动态逆的双阶段设计方法:第一阶段采用动态逆方法设计内环控制器实现攻角、侧滑角和滚转角的跟踪;第二阶段分别基于神经网络和动态逆构造攻角和滚转角速度指令生成器,实现外环对法向加速度、侧滑角和滚转角的良好跟踪效果.六自由度数学仿真验证了该方法的三通道的解耦控制能力和鲁棒性,为BTT导弹自动驾驶仪设计提供了一个可行的方案.      

大迎角综合飞行/推进控制系统设计与仿真

以先进推力矢量战斗机为背景,构建了基于力矩解算和分配的大迎角综合飞行/推进控制系统结构方案.在此基础上采用模糊方法设计推进稳定性控制系统;以逆动力学方法计算期望力矩;以饱和控制分配原则协调气动舵面和推力矢量的控制.仿真结果表明大迎角下推进系统可稳定工作,综合飞/推控制系统能合理协调气动舵面和推力矢量,控制系统能够快速准确的跟踪指令,完成机动动作.      

基于轨迹线性化方法的近空间飞行器鲁棒自适应控制

研究一种新的近空间飞行器鲁棒自适应飞行控制系统设计方案。利用单隐层神经网络的函数逼近能力和被控对象分析模型的有用信息构建一种单隐层神经网络干扰观测器,用以在线估计系统中存在的不确定性,具有自适应调节能力的鲁棒控制器用以克服估计误差。将所得单隐层神经网络干扰观测器与轨迹线性化方法结合形成新的非线性系统鲁棒自适应控制方案,严格的理论证明在给定的自适应调节律作用下闭环系统所有误差最终有界。该控制方案被用于近空间飞行器飞行控制系统设计,高超声速飞行条件下的仿真结果表明该方法不仅有效,而且能够提供高精度、高稳定度的控制性能。     

敏捷性研究的进展

继敏捷性和过失速机动一文后，继续跟踪国外有关敏捷性问题的进展，就敏捷性定义；敏捷性的量度及其与飞行品质的关系；用有人驾驶的模拟器评估敏捷性；从敏捷性角度考虑一体化飞行控制系统设计等方面作了综述和评估。     

敏捷性导弹的建模与模糊变结构控制

新型精确制导导弹为了获得更大的机动性、敏捷性和更高的命中精度,大多采用了推力矢量控制或反作用推力控制.讨论了敏捷性导弹的动力学特性及数学建模,并针对一类反作用推力控制的导弹提出了一种具有实时逻辑切换能力的变结构模型跟踪控制方案,为减弱一般变结构控制系统的抖颤问题,在变结构控制系统中引入简单的模糊规则,有效抑制了变结构系统的抖颤,同时进一步增强了控制系统的鲁棒性.数学仿真表明控制方案的有效性.     

基于神经网络动态逆的动力伞飞行控制方案

动力伞飞行控制系统为复杂的非线性系统,通过对神经网络逼近逆系统的原理分析,提出一种由静态神经网络和积分器组成的动态神经网络,设计了基于神经网络动态逆方法的飞行控制方案,进行了飞行仿真验证,结果表明该方法完全满足系统控制的稳定性和鲁棒性要求,并具有良好的抗干扰能力．     

大气层内拦截弹脉冲姿控发动机快响应控制

气动控制在低动压时其效率会有相当下降,为了使导弹在低动压时仍然具有一定的快速响应性,在导弹上安装脉冲姿控发动机参与姿态控制是一条可行的途径.对此方法的应用作了初步研究.分析了脉冲发动机作用对导弹动力学的影响,在一系列的简化后设计了俯仰平面内的控制策略,其设计思想是用气动舵平衡气动力矩使总的气动力矩为零,使导弹姿态主要由脉冲姿控发动机来控制,并用俯仰角的变化代替攻角的变化设计脉冲姿控发动机控制策略.给出了对阶跃加速度指令的响应仿真结果,表明在具有足够动压时气动控制仍可同脉冲姿控发动机控制媲美,而在低动压时脉冲姿控发动机相对气动控制具有较大优势.      

高超声速飞行器预设性能反演控制方法设计

为解决吸气式高超声速飞行器的飞行控制问题,提出了一种新型预设性能神经反演控制器设计方法。通过构造预设性能函数,保证速度跟踪误差和高度跟踪误差能够按照预设的收敛速度、超调量及稳态误差收敛至期望的区域,同时满足系统预设的瞬态性能和稳态精度。在反演控制设计结构下,引入径向基函数（RBF）神经网络对模型未知函数及不确定项进行逼近,提高了控制系统的鲁棒性。引入的RBF神经网络中仅有一个参数需要在线更新,有效提高了控制准确性,避免了通常反演控制方法中经常出现的"微分膨胀问题",并降低了计算量。通过仿真实验验证了所设计控制系统的有效性和可行性。