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...     

一种基于执行坐标系的导弹运动建模方法

为解决导弹制导控制系统建模中弹体模型与系统的匹配问题,提出了一种在弹体执行坐标系上构建导弹六自由度运动模型的方法。首先在弹体执行坐标系对导弹进行受力分析,建立导弹动力学方程组,然后利用弹体执行坐标系与弹体坐标系的关系,直接列写运动学方程组。该方法简化了弹体建模过程中气动数据的处理,统一了动力学和运动学方程组以及制导控制方程组的参考坐标系,从而使制导控制系统建模过程更为简单,同时有效提高了仿真效率。最后,通过仿真验证了该方法的有效性。     

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。     

基于自适应IMM的高超声速飞行器轨迹预测

为了给基于预测命中点法的高超声速飞行器中制导拦截提供先验知识,提出高超声速飞行器的轨迹预测方法。首先,给出高超声速环境下与目标姿态近似线性的气动参数;其次,针对气动参数作控制量的运动模型,设计自适应交互多模型（IMM）跟踪算法,并进行性能有效性验证;然后,根据气动参数特性和目标假设机动方式,设计基于最小二乘拟合的轨迹预测方法。通过对目标轨迹进行跟踪和预测仿真,预测100 s的位置误差均小于5 km,速度误差均小于100 m/s,结果表明基于自适应IMM的轨迹预测方法对有规律机动的目标进行轨迹预测,效果良好。     

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。
     

基于修正模型的自适应跟踪算法

提出一种基于修正模型的自适应跟踪算法（CSM-AKF）。通过状态扩维和机动检测实现模型参数的自适应调整,克服＂当前＂统计（CS）模型中参数预设的负面影响,提高了系统的跟踪精度以及目标在做强机动时的快速响应能力。仿真结果验证了算法的有效性。     

基于逆误差补偿的非线性导弹控制器设计

提出了一种基于动态逆在线误差补偿的非线性导弹动态逆控制设计方案。首先运用动态逆的双阶段设计方法设计了导弹的逆控制器,第一阶段采用动态逆方法设计快回路控制器实现对滚转、偏航和俯仰三个通道角速度的跟踪;第二阶段实现慢回路对滚转角、侧滑角和迎角的跟踪;然后,设计了具有补偿信息,并用于在线补偿动态逆误差的控制方案,并将其应用于导弹控制系统的设计中以增强其鲁棒性。通过仿真分析,验证了该方法的有效性。     

基于多模型的飞控系统自适应重构技术研究

针对飞控系统执行器故障引起参数大范围跳变的问题,提出了一种基于多模型的自适应重构控制方法。建立了执行器故障参数模型,根据故障的特征模型设计一系列并行的辨识模型,采用固定模型与自适应模型相结合的方式,依据转换标准选择与当前飞机状态最匹配的辨识模型所对应的控制器。通过对某型飞机侧向控制系统进行仿真,表明在执行器严重受损的情况下,飞机仍能保持良好的性能。     

飞行器运动辨识的复杂假定及其贝叶斯检验方法

提出了利用贝叶斯 (Bayes)理论对飞行器运动辨识的复杂假设进行检验的方法 ,推导了检验规则及实现算法。该研究对于大型复杂仿真系统的置信度评估和提高仿真结果的正确性及减少仿真工作量具有一定的参考价值     

一种基于红外图像的目标自动识别算法

红外成像制导具有在各种复杂战术环境下自主搜索、捕获、识别和跟踪目标的能力,代表了当代红外制导技术的发展趋势。提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换、形态学方法对红外图像进行预处理,提取不同频带的惯性不变矩作为特征量,利用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值。