排序方式: 共有49条查询结果,搜索用时 78 毫秒
1.
2.
针对拦截高速目标的作战特点,分析了比例导引(PN)与反比例导引(RPN)的捕获区。首先,通过分析拦截弹与目标的相对运动关系,推导得到了顺轨和逆轨的零控拦截条件,此条件由目标和拦截弹的速度前置角以及二者速度比确定;其次,以拦截弹和目标速度前置角为坐标系,推导得到了PN以及RPN捕获区以及各自导航比设置范围。PN的捕获区由逆轨零控拦截条件以及与其相切且斜率为1/(N-1)的两条直线构成,RPN的捕获区由顺轨零控拦截条件以及与其相切且斜率为1/(-N-1)的两条直线构成;然后,利用函数对称性将PN与RPN捕获区转换到同一坐标区间,得到了相同条件下RPN捕获区要大于PN捕获区的结论;最后,开展了四种情形下的仿真,验证了本文捕获区分析的合理性及有效性。 相似文献
3.
为满足临近空间动能拦截器姿态控制快速性、准确性和鲁棒性的要求,设计了一种自适应神经反演姿态控制器。首先,建立了姿控发动机侧喷干扰模型,并推导了包含质心漂移、参数摄动和外界干扰的三通道强耦合模型;其次,设计了自适应神经反演姿态控制器,为提高控制精度,采用径向基函数(RBF)神经网络对各个通道的不确定项进行估计和补偿,并基于最小学习参数的思想,将神经网络学习参数拟合为一个参数,提高了RBF计算效率,保证了估计的实时性。最后,采用伪速率(PSR)脉冲调制器将设计的连续控制律转化为脉冲控制律,实现了拦截器的变推力控制,并克服了脉冲脉宽调制(PWPF)调制器相位滞后问题。数字仿真表明,所设计的控制器收敛速度快,控制精度高,对强扰动具有鲁棒性。 相似文献
4.
5.
为了精确控制导弹在有限时间内以期望攻击角度拦截机动目标,采用将导弹自动驾驶仪简化为惯性环节的方法,结合终端滑模控制理论设计了一种带攻击角度约束的有限时间收敛制导律。为了滤除视线角速率噪声,提出一种非线性跟踪微分滤波器对噪声进行滤波,建立了考虑滤波的制导系统状态方程,基于此方程设计非齐次干扰观测器,用于目标机动不确定项的估计补偿。仿真结果表明,所设计的制导律能达到对视线角速率有效滤波,对目标机动状态精确估计的目的,克服系统动态延迟对制导精度的不利影响,满足攻击角度和制导精度的双重要求。 相似文献
6.
针对防空导弹弹道跟踪问题,基于线性二次型调节器( LQR)理论设计了2种弹道跟踪制导律。首先,以时间为自变量,对导弹质点运动模型线性化,得到第一种线性化模型;接着,为提高模型精度和允许扰动范围,以导弹X坐标为自变量对导弹质点运动模型线性化,得到第二种线性化模型;然后,针对2种线性化模型,利用LQR理论分别设计跟踪制导律,并给出制导指令计算公式和制导流程;最后,在一定外界干扰作用下,将所设计2种跟踪制导律应用于导弹质点运动仿真,并从抑制随机风干扰、消除初始偏差等方面对2种制导律进行比较。结果表明,2种制导律都能实现弹道精确跟踪,且基于第2种线性化模型设计的跟踪制导律各项性能均优于第1种跟踪制导律,说明基于导弹X坐标线性化的模型精确度较高,适用于弹道跟踪制导律的设计。 相似文献
7.
基于神经网络的导弹制导控制一体化反演设计 总被引:1,自引:1,他引:0
针对制导控制一体化(IGC)模型中的不确定性难以进行估计补偿的问题,提出了基于神经网络的IGC反演设计方法。首先,根据弹目相对运动关系以及导弹自动驾驶仪模型建立了三维空间中的IGC模型。其次,针对由目标机动引起的模型不确定性,提出应用高阶滑模微分器(SMD)对导弹导引头获得的弹目相对运动信息进行微分,从而估计出目标加速度的方法,然后考虑导弹自身由于参数摄动以及未建模动态引起的模型不确定性,应用SMD和神经网络模型进行在线逼近补偿,基于反演控制理论设计了带有SMD和神经网络模型的IGC算法,应用李雅普诺夫稳定性理论对所设计的控制算法进行了稳定性证明。最后,进行了导弹六自由度仿真,验证了所设计控制算法的有效性。 相似文献
8.
9.
针对拦截机动目标的过程中考虑攻击角度约束的制导问题,为了达到最佳的杀伤效果,提出了一种考虑导弹自动驾驶仪动态特性的带攻击角度约束的自适应STA有限时间滑模导引律。首先建立了考虑导弹自动驾驶仪动态特性和攻击角约束的三维耦合制导模型;由于目标机动未知,对传统STA算法进行改进,确保系统含有不确定项时在有限时间收敛,在此基础上,结合自适应控制理论,设计了带攻击角约束的自适应STA有限时间滑模导引律。基于类二次型Lyapunov函数,对系统进行了有限时间收敛稳定性证明。通过与真比例导引律数字仿真结果对比分析,所设计导引律能够制导导弹精确命中目标,弹目视线倾角和偏角在有限时间高精度收敛至期望值,满足攻击角度约束要求,具有强鲁棒性和有效性,制导性能优于真比例导引律。 相似文献
10.
基于RBF神经网络的导弹鲁棒动态逆控制 总被引:2,自引:0,他引:2
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。
相似文献
相似文献