一种用于快速跟踪视线的空间拦截器姿态控制方法

以空间拦截器的纵轴在中、末制导段要求指向目标的视线，按最小空间角距旋转，作为跟踪目标的姿态定向的假想坐标系，形成本体坐标系相对假想坐标系的误差四元数。由拦截器的转动角速度分量与误差四元数作为状态反馈构造稳态姿态控制的数学模型。为了得到姿态控制所需的变控制力矩，运用PWPF调制器对常值推力姿控发动机的稳态和脉冲工作状态进行调制，构造所谓的“数字变力矩”控制器，实现对姿态的连续控制。仿真计算结果表明，该方法是实际可行的。     

大气层外自旋稳定微型拦截器点火算法研究

对大气层外自旋稳定微型拦截器的脉冲点火算法进行了研究。在考虑变质量后质心位置变化所产生的扰动力矩对拦截器姿态的干扰以及弹体自旋运动对直接力分量影响的基础上,建立了自旋稳定微型拦截器六自由度数学模型,结合比例导引律设计出拦截器脉冲发动机的点火算法。该点火算法可以在满足脱靶量要求的前提下减少脉冲发动机的消耗并降低对拦截器姿态运动的影响。仿真结果表明,该方法能有效实现微型拦截器在末制导段的精确制导控制。     

基于反馈线性化的动能拦截器姿态控制研究

动能拦截器进入末制导阶段时经常需要进行大角度姿态机动,这时拦截器姿态控制系统具有非线性、强耦合、多输入多数出(MIMO)的特点。现针对动能拦截器模型的非线性和不确定性,提出PID神经网络自适应逆控制方法对拦截器飞行姿态进行控制。首先基于精确反馈线性化方法将系统解耦成三个独立的子系统,然后应用基于PID神经网络的自适应逆控制方法分别设计每个子系统的姿态控制器。该方法将PID神经网络控制与自适应逆控制相结合,对于拦截器姿态控制系统中的建模误差以及外部干扰具有较强的适应能力。仿真结果证明了该方法的有效性。     

一种弹道拦截的HP滑模制导律

为了解决拦截器导引头探测由于高速作战引起的干扰问题,一种新的拦截制导方法HP(Head Pursuit)制导正逐步发展起来,这种导引方法是将拦截器导引到目标轨道的前方进行拦截,要求拦截器的速度低于目标的速度,因此可以消除拦截器的气动加热问题,从而降低对拦截器探测设备的要求.在分析了目标和拦截器的运动学模型的基础上,提出了HP导引律的设计方案.并且根据滑模变结构控制具有鲁棒性的特点,设计了HP滑模变结构制导律,通过拦截器拦截目标弹道数字仿真,验证了制导律的正确性.     

准滑模控制在大气层外拦截器姿态控制中的应用

滑模变结构控制本身的抖振问题影响了其在实际中的广泛应用,而准滑模变结构控制不仅能够削弱系统抖振,而且对干扰具有较强的鲁棒性。本文以大气层外拦截器(EKV)为研究对象,采用准滑模控制律,并经过简单的推导给出了邻域Δ的一种选择方法。数学仿真表明,EKV的姿态控制采用准滑模控制,在各种干扰情况下姿态角偏差都能稳定,还削弱了抖振。因此,准滑模控制应用于EKV的姿态控制是可行的。     

空间拦截器姿态控制系统变结构控制规律研究

结合空间拦截器的姿态控制问题,本文介绍了一种对系统参数摄动和外在不确定性干扰具有鲁棒性的变结构控制律。在此基础上,研究了当控制信号幅值受限的情况下,非线性系统的变结构控制律的设计问题。此方法考虑了空间拦截器姿控发动机推力幅值受限这一实际情况,提出了基于姿态角双包络线概念的实用姿控方法。因此,更符合系统实际的运行情况。仿真结果证明了此方法的有效性。     

高精度偏置比例导引末制导律研究

针对微型拦截器高精度制导控制要求,研究了偏置比例导引末制导控制技术,设计了偏置比例导引律,开发了偏航/滚动优化姿态控制系统,进行了六自由度数学仿真,结果表明:偏置比例导引末制导系统能够实现微型拦截器的高精度直接碰撞.     

拦截器姿态控制系统的滑动模态设计法

拦截器姿态控制系统是一个非线性控制系统。系统的技术要求比较高，除了动静态性外，还要有较强的鲁棒性，这就对系统的设计带来较大的困难。本文介绍一种以时间最佳和变结构理论中滑动模态为基础的设计法。它的特点是设计方法简单，考虑非线性因素方便，系统除具有良好的动静态性能外，还具有很强的鲁棒性。文中介绍了基本设计原理，拦截器姿态控制系统的设计方法和仿真结果。     

航空发动机多变量神经网络自适应控制仿真研究

针对航空发动机是一个具有强非线性、时变不确定性的被控对象,提出了一种基于RBF网络的航空发动机多变量神经网络自适应控制方法,该方法采用RBF网络对发动机非线性模型进行实时辨识,并将系统的灵敏度信息反馈给神经网络控制器,保证了控制器对被控对象的准确控制.通过某涡扇发动机在飞行包线内的数字仿真,结果表明该方法不依赖被控对象的精确模型,有效地实现了对发动机的多变量自适应控制,而且具有较好的动静态性能.     

侧窗探测动能拦截器末段轨控方案

针对侧窗探测动能拦截器(SWDKKV)的末段轨控问题,基于变结构控制理论提出了一种新的轨控方案。首先考虑侧窗约束,建立了三维空间下的轨控模型。随后,针对侧窗探测动能拦截器只能输出定常开关推力及具有姿态定向约束的特点,提出了一种新型变结构滑模面,基于所提出的滑模面设计了适合于末段拦截的bang-bang形式的轨控方案,采用Lyapunov稳定性理论严格证明了所提出方案的稳定性。为了降低喷气消耗,设计了滑模死区,且研究了能够保证命中精度的滑模死区的参数取值范围。仿真结果表明,所设计的轨控方案可确保动能拦截器直接撞击目标,设置滑模死区可以在保证命中精度的同时降低喷气消耗。     

基于RBF网络辨识的挠性卫星姿态自适应控制

为满足挠性卫星姿态控制的更高要求,提出了一种基于径向基函数（RBF）网络辨识的模糊自适应控制方法。根据卫星姿态动力学方程,将RBF辨识网络引入模糊神经网络的T-S模型,以辨识卫星,在线修改模糊神经控制器（FNC）参数,使卫星的姿态角度达到设定值。仿真结果表明：该法能有效克服卫星的不确定性,提高卫星姿态的控制精度。     

对失控翻滚目标逼近的神经网络自适应滑模控制

针对失控航天器在空间中自由翻滚的情况,研究追踪器对失控翻滚目标逼近的位置和姿态六自由度耦合控制问题。建立追踪器与目标器相对运动的姿轨一体化动力学模型,设计追踪器逼近过程的标称轨迹和标称姿态。综合考虑系统不确定性和外部干扰,设计无抖振的神经网络自适应滑模控制器。将滑模控制与神经网络逼近相结合,采用径向基函数(RBF)神经网络对系统未知部分进行自适应逼近。由Lyapunov方法导出神经网络自适应律,通过自适应权重的调节保证整个闭环系统的稳定性。数值模拟实例说明了所设计的标称轨迹和标称姿态的合理性,同时验证了神经网络自适应滑模控制器的有效性。     

空间机器人神经网络自适应滑模目标操控轨迹跟踪控制

针对参数未知的空间目标操控问题,考虑空间机器人负载不确定性、系统动力学不确定性和环境扰动等因素,为实现操作过程的稳定控制及机器人轨迹的有效跟踪,提出一种基于径向基神经网络估计不确定项的自适应增益非奇异终端滑模变结构控制器。首先基于拉格朗日法建立空间机器人的刚体动力学模型。考虑空间机器人基座姿态主动控制模式,使用径向基神经网络对模型中的不确定项进行估计。进而提出基于神经网络估计的非奇异终端滑模控制器,并针对不确定性和扰动的估计误差设计自适应增益,以期实现空间机器人系统轨迹跟踪控制的收敛。仿真校验结果表明所设计的控制方法具有较好的误差收敛速度和控制精度。     

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。     

模糊神经网络控制器及其在航天器姿态控制系统中的应用研究

在航天器姿态控制领域，模糊控制技术作为一种辅助控制方法得到越来越多的关注。本文提出了一种基于模糊聚类算法和分布式模糊神经网络的模糊神经网络控制器，并将其用于《东方红三号》卫星应急星地大回路姿态控制系统之中。仿真研究表明，这种模糊神经网络控制器能够有效地从样本数据提取信息，实现分区域控制，并且具有较强的鲁棒性。该方法具有较为满意的控制效果。     

任务空间内空间机器人鲁棒智能控制器设计

研究了基于神经网络的自由漂浮空间机器人在任务空间内的轨迹跟踪问题。首先利用RBF神经网络来逼近自由漂浮空间机器人高度非线性的动力学模型，然后设计了鲁棒控制器对逼近误差和外部干扰进行抑制。利用Lyapunov直接方法建立的新的神经网络参数和连接权值的在线学习算法，以及利用耗散理论设计的鲁棒控制器保证了系统的稳定性，并能够使系统L2增益小于给定的指标。利用该控制器对平面二连杆空间机器人进行了仿真研究，表明该智能控制方案是有效的。     

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。     

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。
     

基于归一化神经网络的航天器自适应姿态跟踪控制

针对以变速控制力矩陀螺（VSCMGs）为姿态控制执行机构的航天器在同时考虑惯性参数和执行机构不确定性情况下的姿态跟踪控制问题,提出了一种基于归一化神经网络的自适应姿态跟踪控制方法。设计一个非线性反馈控制器作为航天器姿态控制的基本控制器,利用归一化神经网络设计补偿控制器,用以在线估计和消除包含系统不确定参数的未知不确定函数的影响,避免了标准自适应控制方法需要进行大量不确定参数估计的缺陷。采用神经网络输入归一化技术,简化了闭环系统复杂的稳定性分析过程。理论分析证明了闭环系统的稳定性和姿态跟踪误差的收敛性。仿真结果表明,所提出的控制方法能满足航天器在惯性参数和执行机构不确定性及外干扰存在情况下的高精度姿态跟踪控制要求。