高速再入飞行器的制导与控制系统设计

 针对高速再入飞行器模型的快时变,强耦合,严重非线性的特点,采用反馈线性化方法,设计了自动驾驶仪;同时采用最优制导律设计与理想速度曲线相结合的方法,设计了能同时保证末端制导精度及速度方向、大小的制导律。最后,进行了六自由度仿真,结果表明 :设计的制导律及控制方案是合理、有效的,易于实现。     

高速再入飞行器的变结构控制及其六自由度仿真研究

针对高速再入飞行器模型的快时变、强耦合及严重非线性的特点 ,采用变结构控制方法设计了自动驾驶仪 ;同时 ,采用最优化设计理论与理想速度曲线相结合的方法 ,设计了能同时保证末端制导精度及速度方向、大小的制导律。最后 ,进行了系统六自由度仿真 ,结果表明 :本文设计的制导律及控制方案合理、有效 ,易于实现     

改进RBF网络学习算法在卫星姿态控制中的应用

提出了一种基于神经网络扰动补偿的姿态控制方法，首先，针对RBF网络的常用学习算法－－正交最小二乘（OLS）算法，提出了改进的规范正交最小二乘（ROLS）算法：然后，基于某型小卫星的姿态控制问题，设计了高精度定向阶段的神经网络补偿控制器。仿真结果表明，改进的ROLS算法是有效的，神经网络补偿控制方案是可行的。     

一种改进的最优制导律及其仿真研究

高速再入飞行器通常具有末制导系统，为保证末制导系统的正常工作，制导律的设计不但要保证末端制导精度，还要使飞行器以一定的速度到目标，提出了一种改进的最优制导律设计方法，得到了可以保证末端速度方向的制导律，速度大小控制通常靠理想速度曲线来保证，按一定的规则将最优制导律与理想速度曲线结合起来就得到了满足全部要求的制导律。仿真结果表明：所提出的改进的最优制导律是合理、有效的。     

再入飞行器自动驾驶仪的自适应退步控制设计

自动驾驶仪设计的传统方法是基于分段线性化的增益规划法。近年来，以反馈线性化为基础的各种非线性控制技术得到了广泛的研究，文章基于一种不同于反馈线性化的退步控制思想，提出了一种新的非线性反馈自动驾驶仪设计方法，该方法考虑了系统输入的不确定性，采用了非线性在线优化方法保证舵偏与力矩之间更精确的映射，同时，通过引入自适应项以修正各种力矩偏差，利用这种方法，为再入飞行器设计了自动驾驶仪。仿真结果表明，提出的自适应退步控制方法是有效的，且设计过程简单，易于实现。