利用自适应动态规划算法, 研究了带有扰动的导弹自动驾驶仪系统的鲁棒最优控制问题。首先, 设计了非线性扰动观测器估计系统中的未知扰动; 接着, 考虑一类积分滑模面, 根据扰动观测器的输出, 设计积分滑模控制器, 使得系统沿着滑模面进入滑动模态运动; 然后, 针对等效滑动模态系统, 设计带有新权值更新律的评价网络, 利用自适应动态规划技术自适应学习最优控制律, 通过Lyapunov方法证明了闭环系统的稳定性和权值估计值的收敛性; 最后, 运用导弹自动驾驶仪系统验证了算法的可行性和有效性。
导弹自动驾驶仪 扰动观测器 滑模控制器 自适应动态规划 missile autopilot disturbance observer sliding mode controller adaptive dynamic programming
1 清华大学 自动化系,北京100084
2 北京航空工程技术研究中心,北京100076
3 洛阳光电技术发展中心,河南洛阳471009
导弹气动参数一般通过理论计算或风洞试验数据来获取,由于受诸多因素限制而难以获得精确值。为了提高导弹动力学模型的精确度,利用神经网络能够逼近任意非线性函数的特点,对各实际工作点的气动参数进行辨识。采用反向传播神经网络的结构模型,通过加入模糊推理算法进行神经元权值修正的聚类训练,并动态地调节隐层节点数目,由此提出了一种能够精确跟踪非线性函数的网络模型。网络中若不存在能代表某些输入的聚类中心的神经元时,增加隐层节点数即相当于增加相应的模糊规则,它体现了该网络的自组织特点。仿真结果验证了模型对气动参数辨识的有效性,该方法对于自动驾驶仪气动参数的修正具有良好应用前景。
导弹自动驾驶仪 模糊推理 反向传播神经网络 气动参数 参数辨识 automatic pilot of missile fuzzy inference counter propagation network aerodynamic parameter parameter identification
