针对舰载火箭炮在海上射击时的精度问题, 提出一种基于RBF神经网络对最优滑模控制进行优化的控制策略。首先,建立舰载火箭炮随动系统数学模型, 结合线性二次型最优控制理论与滑模控制设计一种全局最优滑模控制器(GROSMC), 既提高了系统响应速度又保证了良好的鲁棒性;接着,采用RBF神经网络对切换控制项的增益进行动态调节, 削弱滑模在切换时的抖振问题;最后,通过仿真对比验证所设计控制器的有效性, 表明该策略具有良好的控制性能, 满足系统要求。

ITAE最优控制具有使系统满足时间乘以误差绝对值的积分为最小, ITAE具有三阶无静差, 即对匀加速输入无差的特点。ITAE最优无静差方法控制简单, 易于在工程上实现; 但是对于参数具有时变性的舰载火箭炮系统, 直接运用ITAE控制效果并不理想, 因为系统参数的变化导致控制器的参数已不再满足ITAE最佳传递函数。因此, 必须对系统进行辨识, 使控制器的参数能够随着系统参数的变化而改变。系统辨识的方法有很多, 但是并不满足舰载火箭炮对于实时性的要求, 因此, 结合**系统的性能要求提出一种易于实现的辨识方法, 将所提算法用于ITAE参数整定,整定结果表明,所提算法能有效地对伺服系统的ITAE控制器参数进行整定。

针对舰载火箭炮交流伺服系统控制速度与精度的问题, 提出了一种RBF神经网络PID-模糊复合控制策略。该复合控制策略根据误差信息调节两种控制方法对被控对象的作用权值, 使两种控制方法无扰动地切换, 实现最终的控制量连续稳定输出。仿真实验结果表明, 该控制策略较好地综合了RBF神经网络PID控制和模糊控制的优势, 控制精度高, 系统响应快、震荡小, 能够更好地满足舰载火箭炮交流伺服系统的性能指标要求。