基于微分几何方法的大迎角导弹解耦控制

导弹在大迎角飞行时，非线性及耦合严重，而且大迎角本身引起的非线性和耦合也必须加以考虑。采用微分几何方法，通过在控制系统中人为地加入耦合信息，以抵消弹体运动的交叉耦合，设计大迎角导弹解耦控制系统。并对结果进行了仿真验证，证实所设计的控制系统可以很好地控制导弹的大迎角飞行。     

基于RBF神经网络的大迎角机动空空导弹控制系统设计

以某型空空导弹为对象．基于双时标的假设．将导弹动力学模态分离为快变状态动力学模态和慢变状态动力学模态，并对其分别进行了动态逆设计。考虑到空空导弹在高速、大迎角飞行时．空气动力系数具有强非线性．直接采用了真实的多维非线性气动力模型(未进行小迎角线性化处理)．用RBF神经网络逼近了气动力矩系数，在非仿射条件下用反解设计方法求得舵偏角控制命令。最后．给出了控制系统六自由度数学仿真结果。     

基于神经网络补偿动态逆的飞翼布局无人机姿态控制方法

将动态逆控制技术应用于飞翼式布局无人机的姿态控制回路,以适应飞翼布局无人机控制系统要求。介绍了动态逆控制器解耦控制原理,以及神经网络补偿结构的作用和设计方法,并基于无人机非线性姿态运动学和动力学模型设计了基于神经网络补偿的动态逆控制器。在强耦合、强非线性的飞翼布局无人机模型上,通过数学仿真验证了系统具有良好的动态性能和稳态特性,控制器具有很强的鲁棒性。     

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。     

有输入未建模动态的导弹鲁棒控制器设计

在导弹系统俯仰通道中存在输入未建模动态情况下，提出了一种基于RBF神经网络和反演控制技术的非线性鲁棒控制器的设计方法。首先应用两个RBF神经网络对输入未建模动态设计了神经网络逆补偿器．然后利用反演控制技术设计了导弹非线性控制器．最后应用Lyapunov稳定性理论推导出RBF神经网络权重矢量调节律，证明了系统的所有信号均有界且全局指数收敛至原点。最后给出的BTT导弹非线性六自由度数字仿真结果显示了该设计方法的有效性。     

基于自适应神经网络的非线性飞控系统设计

将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中，通过动态逆控制律将非线性耦合系统转换为线性解耦系统，采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差，最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明，这种控制结构具有良好的跟踪能力和极强的鲁棒性。     

超机动飞机动态逆-PID控制器设计

对超机动飞机在大迎角机动下的控制律进行设计,并完成相关仿真验证.通过引入推力矢量技术,建立带推力矢量的飞机非线性数学模型;采用奇异摄动理论,将飞机状态划分为快慢变换不同的同路,分别应用动态逆设计飞行控制律;并采用PID控制补偿由于未精确建模带来的系统逆误差;最后对所设计的控制律进行了机动指令飞行仿真.仿真结果表明,设计的控制律能在大迎角机动条件下控制飞机跟踪指令飞行,并保证闭环系统的稳定性.     

非线性动态逆神经元解耦飞行控制方法

 提出一种非线性动态逆神经元控制系统设计方法，并成功的将其应用于某战斗机非线性解耦控制问题。该方法的基本思想是采用神经元网络建立非线性被控对象的动态逆模型，将被控对象转化为伪线性系统，并用现代控制系统综合设计方法对神经元伪线性系统进行闭环优化设计。给出的战斗机非线性动态逆神经元解耦飞行控制系统的仿真结果显示出人工神经元网络作为非线性动态逆控制单元所具有的潜在能力。     

基于预测控制的大迎角控制器设计

针对直接力和气动力复合控制的战术导弹大迎角转弯问题,设计了一种基于预测控制的大迎角控制器。首先建立复合控制导弹控制模型,设计扩张状态观测器实时估计导弹大迎角飞行时的不确定因素;然后利用连续时间非线性预测控制设计大迎角控制器;最后,由迎角指令得到控制量,通过设计的控制分配策略将控制量分配给气动舵和直接力系统。仿真结果表明,所设计的控制器对迎角指令的跟踪效果良好,且对于气动扰动有着良好的鲁棒性,适用于战术导弹大迎角转弯控制。     

超机动飞机的非线性动态逆控制

讨论了应用非线性动态逆进行超机动飞机飞行控制系统的设计。对快变量角速率进行非线性逆控制器的设计,由此来稳定纵向短周期运动,并通过气动舵面与推力矢量的融合,来改善大迎角范围的侧向响应,对慢变量姿态角进行非线性逆控制器的设计可使飞行员控制飞机慢运动。     

Decoupling the flight control system of a supersonic vehicle

In this paper, a nonlinear decoupling technique is proposed for analyzes and designs of a serious aerodynamic coupled missile flight control system. Decoupling is obtained from multiplications of two measurable accelerations with three controllable output commands of the autopilot. They give exact signs and magnitudes proportional to aerodynamic decoupling. No matrix inversion of the system dynamic for decoupling is needed. From frequency responses of the rolling channel, it will be seen that the decoupling and robustness for copping with aerodynamic couplings can be obtained simultaneously. Furthermore, the decoupling characteristics are kept almost unchanged for large system parameter variations and uncertainties. The 5-DOF simulations give same conclusions.     

基于多模型方法的全包络鲁棒飞行控制器设计

利用新一代歼击机不同平衡点的多个非线性子模型对其机动飞行的全包络模型进行逼近。对于每一个子模型,设计相应的动态逆控制器,应用模糊神经网络产生控制器切换决策,实现不同飞行状态下不同模型控制器之间的相互切换。同时为了提高多模型飞行控制效果,对各模型控制器的输入及输出采样并作为神经网络的学习样本,形成一个全包络内的多模型统一神经网络控制器。最后通过歼击机的大迎角机动仿真来验证所设计的基于多模型的统一神经网络控制器的有效性,仿真结果表明所设计的统一神经网络控制器是有效的。     

新一代歼击机超机动飞行的动态逆控制

 根据反馈线性化理论, 讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离原则, 采用动态逆方法设计快回路和慢回路控制器; 其次提出基于模型逆的神经网络非线性直接自适应控制方案, 设计一种在线神经网络用于补偿模型逆误差。仿真表明, 该控制方案具有较好的自适应能力和鲁棒性。     

BTT导弹机动飞行非线性解耦控制

使用微分几何控制理论研究了 BTT导弹在倾斜转弯时的非线性解耦控制问题。首先给出了非线性系统实现解耦的充要条件 ,然后推导了 BTT导弹在倾斜转弯时的非线性解耦控制律 ,最后利用所推导的控制律对某型 BTT导弹进行了仿真研究。仿真结果表明 :所设计的非线性解耦控制律能很好地抑制导弹在倾斜转弯时的纵侧耦合 ,同时导弹的纵向过载及滚转角能很好地跟踪参考输入指令。     

一种基于神经网络补偿动态逆误差的方法

讨论了一种基于神经网络自适应补偿动态逆误差的方法，并应用于超机动飞机控制器设计中，飞机的基本控制采用非线性动态逆方法进行设计，对于模型不准确导致的逆误差采用神经网络进行在线补偿，仿真结果表明，采用神经网络补偿误差，弥补了非线性动态逆要求精确数学模型的缺点，而且可以简化动态逆控制律的设计，改善整个控制系统的性能。     

基于神经网络的自动着陆飞行鲁棒自适应逆控制

针对飞机自动着陆飞行提出了基于神经网络的鲁棒自适应非线性动态逆控制器设计方案。首先采用非线性动态逆方法设计着陆飞行的基本控制律,再利用多层感知器神经网络设计适当的权值调整规则使其能够自适应地逼近和补偿逆误差。仿真结果表明,所设计的飞行控制系统是有效的,系统能够克服动态逆误差对着陆飞行控制带来的不利影响。     

基于神经网络的超机动飞机自适应重构控制

 讨论了一种基于神经网络的超机动飞机直接自适应重构控制方法。飞机的基本控制律采用非线性动态逆方法设计,对于模型不准确和舵面故障等因素导致的逆误差采用神经网络进行在线补偿。通过仿真表明,在飞机发生舵面故障时,神经网络通过自适应地补偿逆误差,可以快速在线重构控制律,保持飞机稳定和一定的操纵品质。