基于神经网络反馈线性化方法的导弹稳定回路设计

论文摘要

侧滑转弯（Skid-To-Turn, STT）控制技术与倾斜转弯（Bank-To-Turn, BTT）控制技术是目前广泛用于导弹控制的两项技术。其中,倾斜转弯控制技术是一种新型的控制技术,对提高导弹的射程、速度、精度以及机动性具有重大意义。BTT控制技术的特点决定了BTT导弹弹体模型中存在着多种耦合项,因此在设计BTT导弹自动驾驶仪时,传统的三通道独立设计方法不再适用。寻找一种有效的控制方法用于BTT导弹自动驾驶仪的设计,成为国内外学者的重要课题。随着非线性控制理论以及神经网络技术的发展,反馈线性化成为处理非线性系统问题的主要方法,而神经网络在处理不确定非线性系统时具有无法比拟的优越性。本文将反馈线性化方法中的一种解决非线性控制问题的常用方法——动态逆方法,与径向基（RBF）神经网络相结合,设计了BTT导弹稳定回路。本文的主要工作包括如下几点：第一,BTT导弹弹体模型的确定。BTT导弹弹体模型具有非线性、快时变、强耦合的特点,在建立BTT导弹弹体模型时,需要做一定的简化和假设。考虑到状态变量的可测性,在有效利用已知信息的基础上建立了导弹三通道数学模型。第二,应用动态逆方法对BTT导弹的稳定回路进行了设计。针对动态逆方法不能直接应用到非最小相位系统的特点,提出了两种有效的解决方法：①系统输出重定义法；②时标分离法。本文应用系统输出重定义法对具有非最小相位特点的BTT导弹弹体模型进行了处理,实现了动态逆方法与BTT导弹模型的有效结合。本章的末尾验证了该控制方法的可行性。第三,由于动态逆方法要求模型精确已知,而BTT导弹的弹体模型参数是变化的,且存在不确定性,因此应用动态逆方法设计的导弹稳定回路的鲁棒性很难达到要求。本文利用神经网络自学习、自适应的特点设计了神经网络动态逆控制器,替代了原有的控制器,有效提高了系统的鲁棒性。仿真结果表明,利用动态逆方法与神经网络技术相结合设计的导弹稳定回路,具有良好的动态性能及跟踪性能。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的背景、目的和意义
• 1.1.1 课题研究的背景
• 1.1.2 课题研究的目的和意义
• 1.2 国内外研究现状
• 1.3 论文的主要工作及章节安排
• 1.3.1 论文的主要工作
• 1.3.2 论文的章节安排
• 第2章 BTT导弹稳定回路设计的理论基础
• 2.1 引言
• 2.2 反馈线性化方法
• 2.3 动态逆方法
• 2.4 动态逆方法应用举例
• 2.5 人工神经网络
• 2.5.1 神经网络的特点、优越性及研究内容
• 2.5.2 神经网络的分类
• 2.5.3 RBF神经网络
• 2.5.4 RBF神经网络的逼近特性
• 2.6 本章小结
• 第3章 BTT导弹的数学模型
• 3.1 引言
• 3.2 常用坐标系及其相互关系
• 3.3 导弹运动方程
• 3.3.1 导弹质心运动的动力学方程
• 3.3.2 导弹绕质心转动的动力学方程
• 3.3.3 导弹的过载
• 3.3.4 BTT导弹的简化模型
• 3.4 BTT导弹的动态特性分析
• 3.5 本章小结
• 第4章 基于动态逆方法的BTT导弹稳定回路设计
• 4.1 引言
• 4.2 BTT导弹模型的不确定性
• 4.3 BTT导弹动态逆控制器设计及控制目标
• 4.3.1 动态逆方法在非最小相位中的应用
• 4.3.2 基于动态逆方法的BTT导弹控制器设计
• 4.3.3 BTT导弹控制系统的动态性能要求
• 4.4 BTT导弹动态逆控制系统仿真分析
• 4.4.1 动态逆控制系统的阶跃响应分析
• 4.4.2 动态逆控制系统的方波跟踪分析
• 4.4.3 动态逆控制系统的鲁棒特性分析
• 4.5 本章小结
• 第5章 神经网络逆模型在导弹稳定回路中的应用
• 5.1 引言
• 5.2 神经网络逆模型的提出
• 5.3 神经网络逆模型的结构
• 5.3.1 基本结构
• 5.3.2 扩展结构
• 5.3.3 结构的确定步骤
• 5.4 神经网络逆模型的训练辨识
• 5.4.1 训练样本的获取
• 5.4.2 神经网络逆模型的学习训练
• 5.4.3 神经网络逆模型的控制性能分析
• 5.5 神经网络逆控制系统的鲁棒特性分析
• 5.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢