探月飞船预测-校正再入制导律设计

针对以第二宇宙速度返回的探月飞船再入制导律设计问题,采用一种数值预测一校正的预测制导法,分析了飞船配平攻角的飞行特性,建立了再入三自由度运动方程。进而详细介绍了预测一校正及其纵向、横向制导律的基本原理。通过标准初始状态、有误差初始状态两种条件下的仿真分析,表明这种预测一校正制导律在满足各种约束的条件下,不仅能够达到较高的精度,而且对初始误差具有良好的鲁棒性,能够应付再入时各种不确定性因素的影响。     

一种短航程再入解析预测校正制导方法

针对载人探月飞船高速再入返回问题,提出了一种短航程低过载的再入解析预测校正制导方法。引入大升阻比航天器滑翔式再入的概念,通过设定再入过程中滑翔段轨迹形式,利用轨迹参数描述滑翔段轨迹,推导出预测航程的解析公式。为使终端误差满足要求,通过试位法校正轨迹参数,并换算得到倾侧角制导指令。在偏差条件下进行仿真,实现了飞船2100km任务航程下400~450s内以低于6.5g₀的过载再入,结果表明,所提制导方法具有较高的精度和较强的鲁棒性,为载人探月飞船应急快速返回提供了参考思路。      

基于能量的高超声速飞行器再入混合制导方法

针对大升阻比高超声速飞行器滑翔再入制导问题,提出一种基于能量的混合制导方法.建立以能量为自变量的三自由度运动学方程,利用拟平衡滑翔特性将过程约束转换成倾侧角约束.纵向制导在初始下降段采用固定数值倾侧角飞行,在拟平衡滑翔段基于剩余航程随能量单调变化的特性将标准轨迹进行分段,然后分段进行在线预测校正制导.侧向制导基于横程与能量的近似线性关系,设计了由分段漏斗形横程走廊控制的倾侧角反转逻辑,以保证侧向制导精度.分析研究和仿真结果表明该方法易于实现,有效减小了制导指令的解算时间,制导和落点精度高,且对再入初始偏差及过程扰动不敏感.      

基于在线约束限制的飞行器预测校正制导

针对传统预测校正算法在再入过程中弹道性能与约束无法保障等问题,提出了一种基于倾侧角参数化的离线弹道优化与在线预测校正相结合的再入制导方法。基于平衡滑翔条件对过程约束进行分析,并证明了倾侧角剖面对射程的单调性。离线部分通过控制量参数化(CVP)方法构建控制模型,并使用序列二次规划(SQP)方法对弹道进行优化,从而大幅度提高弹道性能。在线部分利用Gauss-Newton法实时对弹道进行迭代求解,得出满足终端约束的倾侧角剖面,引导飞行器平稳、精确地飞向末端能量段并满足射程约束,Gauss-Newton法求解弹道具有收敛速度快、精度高的特点。针对高升阻比飞行器导致平衡滑翔条件难以成立以及飞行过程中的强干扰使约束超出的问题,提出了一种约束限制方法,对再入时的过程约束进行了有效的保障。仿真结果表明,本文方法对投放偏差、飞行器参数与大气模型等不确定因素具有良好的鲁棒性,对弹道性能的保障具有工程应用价值。     

RLV再入神经网络自适应姿态控制器设计

可重复使用运载器（RLV）大包线再入过程中,广泛存在模型不确定与外界干扰,会给姿态控制器的设计带来不利影响,为此提出了一种神经网络自适应控制器设计方案。基于时标分离原理设计了快、慢双回路控制结构。在此基础上设计了径向基神经网络（RBFNN）自适应律,用于在线估计模型不确定和外界干扰力矩,并在控制器中进行补偿。仿真验证表明,RBFNN 自适应控制器能良好地完成姿态跟踪控制,有效地抑制干扰力矩对姿态控制的影响。自适应律能够在线估计真实的飞行器动态和外界干扰力矩,控制器具有抗扰动能力。     

考虑禁飞区规避的预测校正再入制导方法

针对升力式高超声速飞行器再入滑翔侧向制导问题,提出了一种考虑禁飞区规避的预测校正制导方法.纵向制导采用落点误差预测与指令校正相结合的方式,不断更新倾侧角的幅值,实时修正轨迹纵程.侧向制导设计了一种倾侧角反转逻辑的切换机制,利用航向角误差走廊和航向角导向区域控制飞行器的侧向运动.CAV-H再入滑翔飞行器制导仿真实例表明,该方法不依赖于标准再入轨迹,能够导引飞行器规避禁飞区约束.Monte Carlo仿真验证表明,在随机初始扰动和误差存在的情况下,该制导方法具有良好的鲁棒性.      

一种基于模糊控制的平稳滑翔再入制导律

针对升力式高超声速飞行器(LHV)再入滑翔过程中的周期性振荡现象,提出了一种基于模糊推理与控制的反馈调节方法以抑制振荡实现平稳滑翔。纵向制导在落点误差预测及指令校正的基础上,在倾侧角外环控制回路增加以高度变化率及空速作为输入的模糊控制器对倾侧角指令进行调节,横侧向制导通过航向角误差走廊约束及倾侧角反转逻辑实现大横程条件下的侧向控制。所提方法不依赖于准平衡滑翔条件(QEGC),同时避免了参数化反馈控制律中的反馈项参数设计问题,具有较强的自适应能力。LHV制导实例仿真表明,所提方法可有效抑制振荡现象,满足终端约束及再入走廊约束,方法的鲁棒性也通过Monte Carlo仿真得到了验证。      

基于模糊逻辑的预测再入制导方法

在研究再入飞行器预测制导基础上,针对实时性要求,提出了一种基于模糊逻辑系统的模糊预测制导方法.首先研究分析了再入飞行器落点纵程与飞行高度、弹道倾角三者之间的联系;设计了以再入飞行器落点偏差和飞行高度为输入,弹道倾角角速度为输出的模糊逻辑系统;并在此基础上根据专家经验制定模糊规则,设计模糊预测制导算法.该方法避免了一般预测制导在形成弹道倾角修正指令时所需要的大量迭代运算,有效减小了预测制导指令的解算时间,为再入飞行器在再入过程中全程使用预测制导提供了可能.仿真结果表明:该方法实时性好,落点精度高,抗干扰能力强,且具有一定的工程实用价值.      

基于轨迹在线规划与跟踪律在线计算的自适应再入制导方法

针对高超声速飞行器非标称再入飞行任务的高精度自主制导问题,研究了一种基于轨迹在线规划与跟踪律在线计算的全自主自适应制导方法.该方法基于拟平衡滑翔条件与高精度的规划模型在线生成满足多路径约束的参考轨迹,在跟踪参考轨迹时引入符号函数法在线计算线性二次调节器的反馈增益矩阵,以获得高精度的自适应跟踪律.最后通过远程、近程两种工...     

基于最优化问题的混合再入制导方法

在深入研究机动再入飞行器标准轨道和预测制导方法的基础上,针对标准轨道和预测制导相结合的制导方法,分析了由预测制导指令延迟引起的误差,提出了误差补偿策略.根据最优化理论,设计了相关性能指标函数,提出新的预测制导算法.并结合标准轨道法,通过对有限几个特征点位置上引入预测制导,形成了一种基于最优化问题的混合制导方法.有效减小了预测制导指令的解算时间,进一步降低了落点误差.仿真结果表明,该方法既具有较强的抗干扰能力和较高的制导精度,又具有一定的工程实用价值.     

基于预测校正法的低升阻比飞船再入轨迹设计

对低升阻比飞船高速再入地球大气层的轨迹规划问题,提出了基于数值预测校正NPC(Numeric Predictor-Corrector)法的预测制导方法,并用时间替代能量作为自变量从而规避奇异问题;由飞船再入的3自由度运动方程推导纵向平面内的运动方程,并使用预测-校正方法获得倾侧角数值;同时通过设计横向漏斗确定倾侧角的符号,最终得到当前需要的倾侧角.仿真结果表明,该方法能根据不同的再入条件得出对应的再入轨迹和倾侧角变化规律,其动压、热流率、过载也符合再入要求.     

基于MPSC和CPN制导方法的协同制导律

针对带有末端攻击角度约束的多导弹协同制导问题,运用模型预测扩展控制（MPSC）和协同比例制导（CPN）,设计了一种满足末端攻击角度约束的多导弹协同次优制导律。阐述了MPSC制导方法的基本理论,详细给出了控制量表达式以二次形式近似时MPSC制导律的设计过程。采用CPN对MPSC制导方法的初始控制量进行猜测,并确定协同攻击时间。仿真时考虑两枚导弹对地面静止目标进行协同攻击。仿真结果表明,两枚导弹攻击时间偏差和末端攻击角度偏差均可控制在给定范围内,即本文所设计的制导律在实现多导弹协同攻击时,还可以很好地满足末端攻击角度约束。      

考虑导弹自动驾驶仪动态特性的新型制导律

针对拦截空中飞行目标需要满足零脱靶量和攻击角约束提高导弹制导性能等问题,首先,利用考虑噪声干扰的扩张状态观测器对目标加速度进行估计,其次,改进一种非奇异终端滑模面,将自动驾驶仪视为理想环节,然后,基于终端滑模控制理论和有限时间收敛理论推导一种滑模制导律,最后,考虑自动驾驶仪二阶动态特性,将得到的滑模制导律结合动态面控制法提出一种新型制导律。分别以不同的攻击角对机动飞行和匀速飞行的目标进行拦截,大量仿真表明,所提制导律具有良好的制导性能,能够保证导弹在零脱靶量击中目标的同时达到期望攻击角。     

基于在线轨迹迭代的自适应再入制导

针对传统轨迹跟踪制导方法在再入飞行中无法较好适应导航模式切换等突变状况的问题,提出了一种能够有效应对制导系统输入信息不连续性的自适应在线轨迹生成方法。该方法通过实时的多项式拟合以及迭代过程确定满足终端约束条件的高度-速度剖面,并解算出当前飞行状态下所需的攻角与倾侧角指令,从而平稳、精确地将飞行器引导至末端能量管理段。通过对速度与能量、高度、轨迹倾角以及待飞航程等状态量建立解析关系,该方法拥有迭代速度快以及收敛性强的优势。仿真结果显示,该方法对输入信息的误差及跳变等不确定因素的适应性很强,在各类干扰情况下较传统方法拥有更高的制导精度。相较于传统轨迹跟踪制导方法,该方法在实际应用背景下显著地提升了制导的自主性与适应性。      

基于RCMAC网络的动态逆再入制导方法研究

针对升力式再入飞行器的制导问题,首先利用准平衡滑翔原理给出标准的阻力加速度．速度剖面,并对阻力加速度跟踪制导原理进行分析,然后利用自回归小脑模型神经网络（RCMAC）网络良好的非线性逼近能力、泛化能力和自学习能力,采用基于RCMAC网络的动态逆方法实现对阻力加速度的跟踪,并证明闭环系统的稳定性．三自由度仿真结果表明,该制导方式降低了动态逆方法对模型的依赖,增强了制导系统的鲁棒性．