基于神经网络的BTT导弹逆控制方案设计

对基于神经网络的倾斜转弯(BTT)导弹逆控制进行了研究。用径向基函数(RBF)神经网络结构和最近邻聚类算法,对导弹系统逆动力学系统进行动态模型辨识,以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统;用逆系统法设计了一种用于BTT导弹非线性控制的经典控制与神经网络在线自学习综合控制方案,实现了导弹三通道的线性化控制和输出的渐近无差跟踪。仿真结果表明:该方案可根据设计指标要求实现对BTT导弹的非线性控制,且有较强的鲁棒性。     

BTT导弹的神经网络自适应非线性自动驾驶仪设计

针对BTT导弹的飞行控制问题,提出一种基于近似动态逆及神经网络理论的非线性自动驾驶仪设计方法.给出了神经网络自适应动态逆控制规律,建立了BTT导弹的数学模型,设计了导弹的神经网络自适应动态逆控制系统结构,并进行了控制效果的数值仿真分析.仿真结果说明了神经网络自适应非线性自动驾驶仪在导弹飞行控制中具有较高的控制精度和很好的鲁棒稳定性.     

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...     

基于进化策略结合BP神经网络的景象匹配算法研究

基于进化策略结合BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。提出并实现了一种高效的基于进化策略结合BP神经网络的景象匹配算法。实验表明该方法的收敛性能及学习速度优于标准BP神经网络算法，具有寻优的全局性、精确性。     

防空导弹引信和导引头探测信息的融合优化研究

分析防空导弹引信和导引头探测目标信息的互补性和信息融合优化的可行性,提出了前馈神经网络MLSP的优化步长OBP学习算法.采用最优化的原理优化步长的选取很好的解决了传统BP算法收敛速度慢和产生振荡的缺点,构造了一个用于防空导弹引信和导引头探测目标信息的融合优化模型,并以某型防空导弹武器系统的引信和导引头分系统为例,仿真结果说明了该模型的有效性和可用性.     

基于BP神经网络的景象匹配算法研究

基于BP神经网络方法对景象匹配算法进行研究，以实现导弹武器系统匹配概率的提高和定位精度的改进。讨论了BP神经网络及图像的灰度不变矩和边缘不变矩，并把灰度不变矩和边缘不变矩同时作为匹配特征应用于本文BP神经网络景象匹配中。算法分析表明该算法具有很高的匹配效率。     

基于自适应小波网络的反舰导弹非线性控制算法研究

提出了一种综合运用动态逆、小波神经网络和滑模控制的非线性控制方法。首先运用动态逆理论对非线性系统进行近似线性化,利用具有在线学习能力的小波网络来抵消系统的误差,根据李雅普洛夫稳定理论导出了网络权值的自适应调整规则,用滑模控制和鲁棒控制分量保证了系统的鲁棒性。将该非线性控制算法用于某型STT导弹的控制系统设计,并采用输出重定义技术解决原系统的非最小相位问题。仿真结果表明,这种方法能有效消除扰动的影响,提高导弹过载控制系统响应的精度。
     

一种BP MFN逆模型补偿的复合控制结构方案研究

由于对结构未知和不确定的非线性系统还没有形成一种通用有效的辨识和控制方法，为此首先对非线性系统逆模型辨识和控制的结构方案进行分析，然后基于复合控制思想，对基于神经网络的非线性系统逆模型补偿的复合控制结构方案进行研究。设计了一种基于BP MFN（Multilayer Feedforward Network）逆模型补偿的复合控制结构方案，并基于不同BPMFN逆模型结构进行了仿真。仿真结果显示，基于神经网络的非线性系统逆模型补偿的复合控制结构方案是有效的，且在满足辨识建模精度要求前提下，采用相对简单的BPMFN逆模型结构，对提高逆模型的泛化能力和非线性系统的控制效果是有益的。     

某自动测试系统神经网络故障诊断模块设计与实现

阐述了自动测试系统中故障诊断的重要性,详述了诊断的流程.以某型防空导弹自动驾驶仪为例,首先利用LabVIEW中的MATLAB脚本节点,分别以BP和RBF神经网络为算法编写故障诊断函数;然后用LabVIEW开发故障诊断模块界面,最后将TabVIEW和神经网络两者的优势结合实现自动驾驶仪的故障诊断.实验仿真结果表明:模块设...     

基于神经网络的导弹姿态控制系统故障诊断

本文提出了一种多层前向神经网络快速误差向后传播学习算法ＦＢＰ（ＦａｓｔｅｒｒｏｒＢａｃｋＰｒｏｐａｇａｔｉｏｎＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍ），通过某导弹姿态控制系统故障诊断的仿真研究，验证了ＢＰ（误差后向传播学习算法）和ＦＢＰ用于导弹姿态控制系统故障诊断的有效性，ＦＢＰ学习算法较之ＢＰ学习算法学习速度的快速性     

BTT导弹神经网络自适应控制器设计

在导弹系统存在非匹配不确定性的情况下 ,提出了一种基于RBF神经网络和反演控制技术的神经网络自适应导弹控制系统的设计方法。首先应用RBF神经网络在线辨识系统中存在的不确定性 ,然后利用反演控制技术设计了导弹非线性自适应控制器 ,成功的处理了非匹配不确定性 ,并应用Lyapunov稳定性理论推导出RBF神经网络权重矩阵及中心点值的调节律 ,保证了系统的稳定性。证明了系统的所有信号均有界且全局指数收敛至原点的一个邻域。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。     

一种新的导弹块对角控制器设计法

利用小脑关节模型控制器(CMAC) 神经网络辨识了导弹控制系统的几个重要空气动力参数, 证明了估计误差、权误差有界, 然后用解析逆解设计方法、变结构控制方法设计了块对角控制器。仿真结果显示了本文算法的有效性     

模糊神经网络控制器在飞行器姿态控制中的应用

基于ＡＫａｗａｍｕｒａ等人提出的Ｎｅｕｒａｌ－Ｆｕｚｙ协作系统概念［１］，根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍了采用多层神经网络表达模糊控制系统的知识规则、模糊推理和学习算法，给出了控制某导弹纵向姿态的仿真结果，结果表明该控制系统具有较强的鲁棒性。     

基于RBF神经网络的导弹智能控制系统设计

为智能化导弹所设计的导弹智能控制系统应能够充分利用战场信息,自主而准确地生成控制指令完成目标打击。首先建立导弹控制系统模型,并在特征点处设计符合性能要求的PID控制器。在深入分析径向基函数(RBF)网络的结构与训练方法的基础上,通过大量仿真数据对RBF网络进行离线训练,将其训练结果直接作为俯仰与偏航通道的控制器。而滚转通道为典型的2阶系统,可采用滑模控制律,并利用RBF网络实时逼近外界非线性干扰项以提高滑模控制器的性能。通过某型倾斜转弯导弹六自由度仿真说明了本文所设计的智能控制系统的有效性。     

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。     

目标加速度未知下的导弹自适应滑模拦截制导

针对机动目标拦截过程中加速度信息难以获取的实际问题,设计了一种基于RBF神经网络的自适应滑模拦截制导律,有效提高了导弹制导系统的鲁棒性能。首先,结合空间几何知识,构建了弹-目三维空间相对运动模型;然后,利用RBF神经网络对拦截目标的未知加速度进行了有效估计,消除了制导设计对目标加速度信息的依赖性;在此基础上,结合零化视线角速率的制导理念,分别在导弹俯仰平面和偏航平面设计了对应的自适应滑模制导律,同时采用连续高增益法削弱了系统的抖振现象,并给出更符合导弹制导实现的法向过载指令,利用Lyapunov定理证明了所提方法的收敛性;最后,通过仿真验证,在三种不同的拦截场景下进行了仿真对比,仿真结果表明所提滑模拦截制导律对目标机动有较高的自适应性和鲁棒性。