再入航天器的神经网络自适应控制

对于再入航天器来说 ,可恢复故障通常会导致总体控制权限的降低。本文将伪控制限制方法和神经网络自适应控制运用到再入航天器的制导与控制中。利用两个控制回路来实现控制目标。其中 ,外回路适用于力的扰动 ,而内回路适用于力矩的扰动。限制外回路以阻止对内回路动态特性的调整。在达到控制极限时 ,伪控制限制也可进行自适应调整。另外 。

基于伪控制限制方法的再入航天器自适应控制

文中将基于伪控制限制方法的神经网络自适应控制运用到再入航天器的制导与控制中。利用两个控制回路来实现控制目标。其中,外回路适用于力的扰动,而内回路适用于力矩的扰动。限制外回路以阻止对内回路动态特性的调整,在达到控制极限时,伪控制限制也可进行自适应调整。另外,通过加入加速度计反馈元件来提高系统性能。

基于复合抗饱和策略的火星飞机自适应控制

目前,伴随着火星探测的兴起,火星飞机越来越受重视。目前对火星大气研究不充分,火星飞机飞行环境特殊,存在强烈的不确定性和干扰。同时稀薄的火星大气与受限的飞机尺寸限制了操纵的机构控制能力。为了解决这2个关键问题,提出了一种基于复合抗饱和策略的自适应控制器,将模型误差、不确定性和干扰视为系统的"总和扰动",利用扩张状态观测器观测并加以补偿。针对控制能力受限带来的控制饱和,提出伪控制限制与基于误差补偿的扩张状态观测器抗饱和方案相结合的复合抗饱和策略。仿真结果表明,该控制方法能较好地完成指令跟踪,并有效抵制不确定性和干扰影响,效果良好,有效改善了控制饱和带来的响应迟滞等现象,使系统具有较强的抗饱和特性。

基于在线神经网络的自适应鲁棒飞行控制

一般的自适应神经网络,因为没有长期学习性与全局适应性,只能适应当前的瞬时状态,满足不了导弹高精度飞行的要求。基于李亚普诺夫稳定理论和神经网络的非线性函数的拟合特性,设计了具有背景学习功能的在线自适应神经网络鲁棒控制器。首先分析了逆误差产生的原因,然后用神经网络来补偿系统逆模型误差,并利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则,保证了闭环系统的有界性。最后,对直接力/气动力复合控制的导弹进行仿真验证。仿真结果表明,设计的自适应神经网络控制器能够对逆误差进行较好的补偿,且系统具有很好的跟踪性能和鲁棒性。