基于NHDO的机动目标拦截攻击角度约束导引律

为了精确控制导弹在有限时间内以期望攻击角度拦截机动目标,采用将导弹自动驾驶仪简化为惯性环节的方法,结合终端滑模控制理论设计了一种带攻击角度约束的有限时间收敛制导律。为了滤除视线角速率噪声,提出一种非线性跟踪微分滤波器对噪声进行滤波,建立了考虑滤波的制导系统状态方程,基于此方程设计非齐次干扰观测器,用于目标机动不确定项的估计补偿。仿真结果表明,所设计的制导律能达到对视线角速率有效滤波,对目标机动状态精确估计的目的,克服系统动态延迟对制导精度的不利影响,满足攻击角度和制导精度的双重要求。     

临近空间动能拦截器神经反演姿态控制器设计

为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数（RBF）神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率（PSR）脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制（PWPF）调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。     

基于神经网络的导弹制导控制一体化反演设计

针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。     

带有跟踪微分器的导弹增量动态逆控制律设计

针对基本动态逆控制鲁棒性差的特点,设计了一种带有跟踪微分器的导弹增量动态逆过载控制律。首先建立了快慢两个回路的导弹过载控制模型,然后通过状态速率反馈,对快慢回路分别设计了增量式动态逆控制律,并进行了鲁棒性分析。最后通过引入快速跟踪微分器解决增量动态逆控制律中所需状态速率无法量测的问题。仿真结果表明,所设计的带有跟踪微分器的导弹增量动态逆控制律具有强鲁棒性。     

阵地测量对雷达组网作战中交叉定位误差的影响分析

根据雷达组网作战中交叉定位的工作原理,分析了影响交叉定位测距误差的因素。根据阵地测量的实际情况,分析了阵地测量对交叉定位中基线长度和目标视角测量误差的影响。最后通过绘图分析了阵地测量对交叉定位测距误差的影响,得出了阵地测量精度对交叉定位测距误差的影响较大等重要结论。     

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。     

一种基于非线性跟踪-微分器的角加速度估计方法

针对仅能获取角度信息的角加速度估计问题,基于卡尔曼滤波和非线性跟踪-微分器设计了一种角加速度估计算法。该算法利用卡尔曼滤波得到角速度的估计值,并以此为基础采用非线性跟踪-微分器对角加速度进行估计,通过对卡尔曼滤波与跟踪-微分器角加速度估计进行合理融合获得最终的角加速度输出。仿真结果表明,所设计的估计方法能满足视线角加速度的估计精度要求,具有一定的工程应用价值。     

基于零化曲率变化率的微分几何制导律研究

基于零化拦截器弹道曲率变化率的思想设计了一种微分几何制导律.论文首先分析了弹目拦截的几何三角形,以三角形形状的不变性为基本思想确定拦截器的飞行方向,在伏雷内(Frenet)标架内得到拦截器的制导指令,并给出每个时刻拦截器飞行方向确定的迭代算法.其次结合平面几何知识,通过构造李亚普诺夫(Liapunov)函数对设计的制导...     

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     

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...