敏捷防空导弹的神经网络及自适应非线性控制

研究表明，神经网络可用来对不确定的非线性系统控制的近似动态特性转换加以改进，在一个总体结构中，神经网络通过在线学习自适应地消除转换误差，这种学习由李亚普诺夫理论推导的一个简单重量更新规则来完成，这样就保证了闭合回路系统的稳定性，该方法得到了好评，并且扩展到多种神经网络和一个S形隐匿层结合起来，敏捷防空导弹的自动驾驶仪都是用该控制线路图设计的。本文介绍的是以非线性动态特性的近似转换为基础的控制规律，该控制系统增大了具有在线学习的神经网络，来自非线性敏捷防空导弹模拟的数字结果证明了所得到的自动驾驶仪的有效性。