论文部分内容阅读
导弹导引系统是一个具有非线性、时变性和模型不确定性的复杂系统。近年来，随着拦截目标速度和机动性能的不断提高，导弹导引系统的制导任务变得越来越复杂，使得传统的末制导律已不能满足拦截高速、大机动目标的要求。因此基于最新控制理论的新型制导律成为各国精确制导技术的研究热点，其中基于智能控制的制导律研究越来越多，逐渐成为热点。 本文首先建立了导弹运动的数学模型，分析了制导律仿真系统，对传统制导律进行了简要的介绍，并从理论上对盲区所引起的脱靶量进行分析。在深入研究模糊控制理论、神经网络控制理论和变结构控制理论的基础上，设计了几种智能末制导律。论文的主要研究成果如下： 针对已有的基于模糊规则的模糊制导律推理时间长、制导规则不能自适应调整的缺点，设计了一种解析描述的自适应模糊制导律。将比例制导律指令及其微分作为模糊控制器的输入量，将制导律设计问题转化为反馈控制问题，控制目标是使视线角速率为零。该模糊制导律的模糊控制规则及模糊推理用一解析表达式表达，易于计算、调整，适合实时在线控制。该制导律能够根据目标加速度和目标速度的变化自适应地改变模糊控制规则,因此具有较强的鲁棒性。对拦截高速大机动目标的大量仿真结果表明，所提出的制导律在脱靶量、拦截时间等指标方面显著优于传统的比例制导律。 设计了两种基于神经网络的自适应模糊制导律。一种是基于 RBF网络整定的自适应模糊制导律，通过对 RBF神经网络自调整因子增量式公式的推导，得到了RBF网络整定的自调整因子递推公式。另一种制导律是基于模糊 RBF网络辨识的自适应模糊制导律，即用模糊 RBF网络去辨识自调整因子。这两种制导律的自调整因子都能够实时在线获得，能够根据目标的加速度及速度的变化而自适应的调整，因此鲁棒性强。仿真结果表明，这两种制导律拦截精度高，拦截时间短，并且对拦截大机动目标有很强的自适应性，是一种具有实用价值的精确末制导律。 由于变结构控制设计比较简单，便于理解和应用，且具有很强的鲁棒性，因此采用变结构控制是解决导弹制导问题较好的途径。近些年在该方面的研究较多，设计出了很多制导律，但几乎都是基于线性系统。本文在非线性系统变结构控制理论的基础上，设计出一种新型变结构制导律，并针对变结构控制存在抖振的缺陷应用模糊控制来削弱抖振。 变结构制导律的最大缺点是需要对目标机动性大小进行估计，从而调整变结构项的强度。若变结构项强度过大，会造成视线角速率抖动，影响弹上机构的正常工作，另一方面也使脱靶量增加；变结构项强度过小，不能有效拦截目标。近年来，神经网络的兴起和快速发展为导弹制导问题提供了全新的方法，其中CMAC神经网络与 RBF神经网络与一般的神经网络相比，具有更好的非线性逼近能力、快速学习能力，适合于复杂动态环境下的非线性实时控制。因此本文将变结构控制与神经网络相结合，设计了三种神经网络滑模制导律：一是基于 CMAC与变结构复合控制的制导律，首先通过变结构制导律的输出指令来训练 CMAC，然后逐步减小变结构制导律的输出并同时增加 CMAC的指令输出，达到一定精度后，制导指令完全由CMAC网络输出。二是自适应RBF神经网络滑模制导律，控制策略是设计特定的滑模面，然后将滑模面作为RBFNN的输入变量，输出量即为导弹加速度。采用自适应算法实时在线调整 RBF神经网络的连接权值，从而使得系统最终到达滑模面，完成制导。三是基于 RBF神经网络调节的变结构制导律，采用 RBF调节变结构制导律的增益，以减小变结构制导抖动，提高制导精度。