论文部分内容阅读
随着弹道导弹防御系统的不断发展，弹道导弹的突防面临严峻的考验。再入机动弹头（Maneuvering Reentry Warhead，MRW）变轨突防技术是弹道导弹最重要的突防技术之一。与航天飞机和通常的返回载具如X-38相比，MRW再入大气时弹道更为复杂，通常需要完成大攻角拉起和下压机动飞行任务。MRW飞行空域广，飞行速度、气动参数和飞行环境参数变化范围大，而且系统状态快速变化。如何应用非线性先进控制算法设计这一类飞行控制系统是控制系统设计人员面临的挑战。本文研究了再入机动弹头的建模问题，在此基础上研究了机动弹道设计和跟踪问题。论文的主要研究成果有如下几个方面： 建立了带控制舵面的双锥体再入机动弹头的六自由度非线性数学模型，在此基础上用高斯伪谱优化方法设计了再入弹头的最优机动轨迹。首先用Missile Datcom气动计算软件生成了机动弹头的气动数据，根据机动弹头的飞行特性，建立了飞行高度0～45km，飞行马赫数1.5～12飞行条件下的弹头空气动力和力矩模型；接着针对机动弹头轨迹优化问题中存在的多约束、大范围机动的难点，提出了一种分段优化设计方法。利用高斯伪谱方法快速有效地求解了再入弹头最优机动轨迹。建立的机动弹头非线性模型和最优参考轨迹体现了再入弹头机动的特点，为后续再入弹头变轨机动控制技术研究提供了合理的仿真基础。 为了克服机动弹头模型不精确对控制器性能的影响，提出了一种适用于再入机动弹头的自适应动态逆控制方法。利用单隐层神经网络的在线学习能力，动态消除机动弹头建模误差对控制性能的影响。仿真结果表明，在MRW气动参数大幅度摄动时，所设计的机动弹头控制器具有良好的鲁棒性能。 针对机动弹头动态逆控制器中线性时不变反馈控制的缺点，提出了一种适用于再入机动弹头控制的轨迹线性化控制方法（Trajectory Linearization Control，TLC）。TLC方法是近年来提出的一种处理非线性控制与跟踪问题的方法，将非线性动态逆控制方法和线性时变（LTV）反馈镇定结合，控制系统沿标称轨迹具有指数稳定性。不需要对控制器增益进行插值，即可保证系统沿整条轨迹获得鲁棒稳定性和鲁棒性能。基于建立的机动弹头非线性六自由度模型设计了TLC控制器。仿真结果表明机动弹头TLC控制器在气动参数发生大幅度摄动时，相比基本动态逆控制器具有更好的鲁棒性能。 为了提高机动弹头TLC控制器的鲁棒性能，提出了一种适用于机动弹头控制的自适应轨迹线性化控制方法（Adaptive Trajectory Linearization Control，ATLC）。首先针对一类多输入多输出非线性不确定飞行器系统，假设系统的干扰和不确定性满足匹配条件，利用动态模糊神经网络（General Dynamic Fuzzy Neural Networks，GD-FNN）补偿系统的复合干扰。GD-FNN的权值矩阵可以通过自适应律在线调整。基于Lyapunov理论证明了GD-FNN输出的有界，和ATLC闭环系统的稳定性。接着应用提出的ATLC方法设计了再入机动弹头内外回路控制器，仿真表明了在MRW系统存在大范围参数扰动时，ATLC控制器和标准TLC控制器相比具有更好的鲁棒性能。对最优弹道跟踪的仿真结果表明，ATLC控制器的跟踪性能优于TLC控制器和自适应动态逆控制器。