利用神经网络的敏捷防空导弹的自适应非线性控制

研究表明在不确定非线性系统条件下神经网络可被用来改善近似动态逆控制器。在某个可能的结构中，神经网络可通过在线学习自适应地去除线性化过程中的误差。学习过程可由一个从李亚普诺夫理论推导而来的加权修正规则完成，而且保证了闭环系统的稳定性。在本文中，作者讨论了这种方法的演变过程以及在敏捷防空导弹倾斜拐弯自动驾驶仪上面的直接应用。首先，介绍了一个基于运载器动力学的近似逆向过程的一个控制方案。随后，这个非线性控制系统通过添加一个具有在线学习功能的前馈神经网络得到性能的增强。最后，以一个非线性仿真的形式呈现最终的控制规律，它的性能则与一个传统的增益调整线性自动驾驶仪相比较后来进行评估。