基于轨迹线性化和自适应模糊系统的导弹自动驾驶仪设计

合集下载

基于遗传算法的反导拦截弹助推段自动驾驶仪的设计

基于遗传算法的反导拦截弹助推段自动驾驶仪的设计
堵会晓;黄靓
【期刊名称】《火力与指挥控制》
【年(卷),期】2014(000)011
【摘要】针对反导拦截弹助推段一般不进行大机动飞行、弹道相对平直的特点，基于小扰动线性化方程，设计了由阻尼回路、攻角回路和过载回路组成的三回路自动驾驶仪。

在理想弹道计算的基础上选取特征点，在每个特征点处将弹体简化为二阶环节来近似。

针对待优化参数多、且处于不同控制回路的特点，采用遗传算法对控制器参数进行优化。

仿真结果证明所设计的控制器能够很好地跟踪指令信号。

【总页数】4页(P157-159,163)
【作者】堵会晓;黄靓
【作者单位】平顶山工业职业技术学院，河南平顶山 467001;平顶山工业职业技术学院，河南平顶山 467001
【正文语种】中文
【中图分类】TJ761.7
【相关文献】
1.基于弹道形成的空基助推段反导拦截弹制导律设计 [J], 仵浩;周晓光;王军
2.助推段反导的动能拦截弹导引律设计 [J], 董杰;张正成;刘宗福
3.反导拦截弹主动段神经网络中制导律研究 [J], 靳文涛
4.机载动能拦截弹大气层内助推上升段自适应设计方法 [J], 赵友铖; 关皓天; 程林;
张庆振
5.空基助推段反导拦截能力需求与仿真分析 [J], 曹莉; 周亮; 耿斌斌; 吴昕芸; 赵钱因版权原因，仅展示原文概要，查看原文内容请购买。

基于DSP的防空火箭炮模糊神经网络位置控制器设计

基于DSP的防空火箭炮模糊神经网络位置控制器设计
胡健;马大为;郭亚军;庄文许;杨帆
【期刊名称】《测控技术》
【年(卷),期】2010(029)009
【摘要】针对多管火箭炮发射时恶劣的负载特性,设计了一种模糊神经网络自适应位置控制器.用梯度下降法实时修正模糊控制器的输入输出隶属度参数,以使模糊神经网络能根据火箭炮跟踪发射过程中的负载特性实时调整速度给定值,从而减小系统参数变化和外部干扰对火箭炮性能的影响.采用对空间分区建立索引表的方法,建立了一种基于TMS320F2812的新型模糊神经网络位置控制器的编程实现方法.仿真及实验结果表明该方法可有效提高火箭炮位置伺服系统的动态响应性能、稳定性和鲁棒性.
【总页数】5页(P35-39)
【作者】胡健;马大为;郭亚军;庄文许;杨帆
【作者单位】南京理工大学机械工程学院,江苏南京,210094;南京理工大学机械工程学院,江苏南京,210094;南京理工大学机械工程学院,江苏南京,210094;南京理工大学机械工程学院,江苏南京,210094;南京理工大学机械工程学院,江苏南
京,210094
【正文语种】中文
【中图分类】V533
【相关文献】
1.基于DSP的火箭炮神经网络PID位置控制器的设计 [J], 翟小晶;马大为;乐贵高;孙德
2.防空多管火箭炮位置控制器的模糊滑模设计 [J], 霍龙;乐贵高;马大为;胡健
3.基于模糊神经网络的位置控制器研究 [J], 王莉;周波;刘佳;严仰光
4.基于DSP和CAN总线的航空发动机智能位置控制器 [J], 杨全廷;庞景;王雷涛;张金朋;翟旭升;蔡开龙
5.基于模糊神经网络的位置控制器设计 [J], 韩增红;孔令军;杨志平
因版权原因，仅展示原文概要，查看原文内容请购买。

导弹自动驾驶仪控制算法研究

导弹自动驾驶仪控制算法研究导弹自动驾驶仪控制算法研究导弹作为一种重要的攻击武器，在现代战争中发挥着极为重要的作用。

导弹的命中精度对于军事行动的成功起着决定性的作用。

而导弹自动驾驶仪作为导弹控制系统的核心部件，直接关系到导弹的制导精度和命中率。

因此，导弹自动驾驶仪控制算法的研究对于提高导弹的制导精度和命中率具有重要意义。

导弹自动驾驶仪控制算法的研究始于20世纪50年代末期。

当时的导弹自动驾驶仪主要依靠惯性导航系统，对导弹进行控制。

这种方法的主要问题是导弹的姿态控制难度较大，导致制导精度有限。

随着电脑技术的快速发展，导弹自动驾驶仪控制算法逐渐从传统的惯性导航系统发展到基于模型预测控制、自适应控制、最优控制以及人工智能等多个领域。

基于模型预测控制算法是导弹自动驾驶仪控制算法的一种经典方法。

该算法通过建立导弹的动力学模型，预测导弹的未来状态，并根据预测结果调整导弹的控制命令。

这种方法具有较高的制导精度和快速响应性，但对系统模型的准确性要求较高，且对计算能力的要求也较大。

因此，在实际应用中，需要对导弹系统进行精确的模型辨识，并结合计算机实时控制技术才能得以实现。

自适应控制是另一种重要的导弹自动驾驶仪控制算法。

该算法通过不断地监测导弹系统的状态和环境变化，调整控制器的参数，以适应不同的工作环境和任务要求。

自适应控制算法具有较强的适应性和鲁棒性，能够有效地提高导弹的制导精度和稳定性。

然而，自适应控制算法对系统的参数辨识精度要求较高，且在动态环境下的实时性也需要考虑。

最优控制算法是导弹自动驾驶仪控制算法的又一重要研究方向。

最优控制算法通过优化导弹系统的性能指标，使得导弹系统能够在给定的约束条件下实现最佳的控制效果。

最优控制算法通常涉及到求解动态规划或优化问题，对计算能力要求较高。

但该算法能够充分利用导弹系统的动态特性和控制资源，提高导弹的制导精度和性能。

人工智能算法是导弹自动驾驶仪控制算法的新兴研究方向。

随着人工智能技术的快速发展，应用人工智能算法解决导弹自动驾驶仪控制问题成为可能。

卫星制导火箭弹自动驾驶仪设计

卫星制导火箭弹自动驾驶仪设计王巍2015年6月中图分类号：UDC分类号：卫星制导火箭弹自动驾驶仪设计作者姓名王巍学院名称宇航学院指导教师王伟答辩委员会主席祁载康申请学位工程硕士学科专业航天工程学位授予单位北京理工大学论文答辩日期2015年6月Design of Autopilot on the Satellite-guided RocketCandidate Name：Wei WangSchool or Department: School of Aerospace Engineering Faculty Mentor: Wei WangChair, Thesis Committee： Zai-Kang QiDegree Applied: Master of EngineeringMajor：Aerospace EngineeringDegree by: Beijing Institute of TechnologyThe Date of Defence：June，2015研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。

尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。

与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。

特此申明。

签名：日期：摘要论文以卫星制导火箭弹为背景，以研究其制导控制过程中的关键技术为主要内容，开展弹道仿真、自驾仪设计以及制导律对比分析的研究，研究结果为为我国卫星制导火箭弹的多元化发展提供了理论依据。

通过分析弹体上的力和力矩，建立了弹体六自由度动力学与运动学模型；并选择合适的环境模型，建立了GPS接收器数据与地面坐标系的联系，并开展了GPS制导的火箭弹弹道仿真。

对比分析了比例导引和速度追踪两种制导律，分别引入初始方向误差、导引头零位误差，比较研究了两种制导律对地攻击时的制导性能。

采用D_K_D迭代算法设计导弹增益调度自动驾驶仪

第26卷第8期2009年8月控制理论与应用Control Theory&ApplicationsV ol.26No.8Aug.2009采用D–K–D迭代算法设计导弹增益调度自动驾驶仪于剑桥,文仲辉,许承东(北京理工大学宇航科学技术学院,北京100081)摘要:导弹增益调度自动驾驶仪除具有对时变参数的自适应调节能力外,还应具有对不可测量不确定性的抑制能力.为此,将导弹自动驾驶仪设计问题描述为一类含有不可测量不确定性的线性参数时变(LPV)系统的鲁棒增益调度问题,构造了模型匹配自动驾驶仪设计结构,并通过D–K–D迭代算法综合运用LPV控制方法和µ综合方法设计了导弹鲁棒增益调度自动驾驶仪.设计的自动驾驶仪不仅能够随导弹飞行马赫数和高度的变化自动进行参数调节,还能够有效抑制量测噪声、量测误差及建模误差等不可测量不确定性.仿真结果验证了设计方法的有效性和可行性.关键词:D–K–D迭代算法;增益调度控制;鲁棒控制;自动驾驶仪中图分类号:TP273文献标识码:AMissile gain-scheduled autopilot design using D–K–D iterationYU Jian-qiao,WEN Zhong-hui,XU Cheng-dong(School of Aerospace Science and Engineering,Beijing Institute of Technology,Beijing100081,China)Abstract:Missile gain-scheduled autopilot should not only adapt to the variations of time-varying parameters,but also restrain unmeasured uncertainties.By describing missile autopilot design problem as a robust gain-scheduled problem of linear parameter-varying(LPV)system with unmeasured uncertainties,we establish a model matching autopilot design structure,and a missile robust gain-scheduled autopilot is then designed by combining the LPV control approach and the µ-synthesis approach through the D–K–D iteration.The designed autopilot not only adjusts parameters automatically with respect to theﬂight Mach number and altitude,but also restrains unmeasured uncertainties such as measurement noise, measurement errors and modeling errors.Simulation results validate the effectiveness and feasibility of the approach.Key words:D–K–D iteration;gain-scheduled control;robust control;autopilot文章编号：1000−8152(2009)08−0855−051引言(Introduction)自20世纪90年代以来,基于H∞控制理论的鲁棒增益调度技术得到了迅速发展,该技术能够在设计过程中对系统时变参数进行处理直接生成满足性能要求的全局线性参数时变(LPV)控制器,而不需要采用任何插值运算.鲁棒增益调度技术具有严谨的理论基础,很好地克服了传统增益调度技术局部特性不能准确反映全局特性,全局特性只能通过事后的大量仿真试验进行验证的局限性.Packard和Apkarian等人的文章给出了求解确定性LPV系统(不含不可测量不确定性的LPV系统)鲁棒增益调度问题的方法(以下称为LPV方法).对于确定性LPV系统,可通过求解一个凸优化问题得到H∞增益调度控制器[1∼3].然而,在实际应用中被控LPV系统常常含有不可测量不确定性,同时在设计过程中除考虑鲁棒稳定性外还需要考虑系统的鲁棒性能问题,由此形成了不确定LPV系统的鲁棒增益调度问题.不确定LPV系统的鲁棒增益调度问题不再是凸优化问题,不能直接求解.一种可行的方法是采用D–K–D迭代算法综合运用LPV控制方法和µ综合方法进行求解.与D–K迭代类似,D–K–D迭代过程不能保证找到全局最优解,但在实际应用中非常有效[4,5].导弹是典型的参数时变系统,其动力学特性会随飞行马赫数和高度等参数的变化而大范围变化,同时,制导系统中各种测量器件不可避免地会存在量测误差和噪声.因此,高性能导弹必须通过自动驾驶仪稳定导弹的动力学特性并抑制量测误差及噪声等干扰因素造成的不确定性.本文尝试采用D–K–D迭收稿日期:2008−04−09;收修改稿日期:2008−08−26.基金项目:兵器基金资助项目(YJ0467008).856控制理论与应用第26卷代算法为地空导弹设计鲁棒增益调度自动驾驶仪.2自动驾驶仪LPV/µ设计结构(Autopilot LPV/µdesign structure )为了应用鲁棒增益调度技术设计导弹自动驾驶仪,需要建立导弹的线性分式变换(LFT)模型.当导弹动力学特性随攻角变化较小时,可以基于雅可比线性化模型建立导弹的LFT 模型[6];当导弹动力学特性随攻角变化较大时,则需要基于准线性化模型建立导弹的LFT 模型[7].本文采用了基于雅可比线性化模型建立的导弹LFT 模型,如图1所示,模型的具体建立过程可参见参考文献[6].图1中,Θt 为由标一化的导弹飞行马赫数¯M和高度¯H构成的时变参数模块,具有形式Θt = ¯MI 3×300¯HI3×3 ,(1)G (s )为具有2个状态、7个输入和8个输出的线性时不变(LTI)系统,输入信号u =δz ,输出信号y =[f y ˙ϑ]T ,其中δz 为舵偏角,f y 为法向加速度,˙ϑ为俯仰角速度.导弹飞行马赫数M 和高度H 的变化范围选取为M ∈[1.83.6],H ∈[5006000]m .(2)图1导弹LFT 模型Fig.1LFT model of missile为了有效抑制系统中存在的各种不确定性,并满足制导回路的性能要求,自动驾驶仪设计采用了如图2所示模型匹配设计结构.图2自动驾驶仪模型匹配设计结构Fig.2Model matching design structure for autopilot图2中:F l (K (s ),Θt )为控制器,其不确定结构与导弹LFT 模型的不确定结构相同,R 为参考模型,用于设定自动驾驶仪动力学特性,Act 为舵机模型,W c 为舵偏角速度加权函数,用以保证控制器不会对舵机提出功率上的不合理要求,同时使得设计结构能够满足Riccati 方程求解的正则条件,W u 为反映时变参数测量不确定性、高频未建模动态以及攻角对导弹动力学特性影响的输入乘性摄动加权函数,W p 为性能加权函数,W n 为导弹法向加速度和俯仰角速度量测噪声加权函数.根据鲁棒增益调度方法的要求,将图2中各部分线性连接起来构成图3所示LPV/µ控制系统设计结构.关于鲁棒增益调度方法的详细信息可参见参考文献[1∼3].图3中,P a 为广义被控对象,时不变不确定性块Θu ∈C ,闭合性能通道的虚拟不确定性块Θp ∈C 3×3,信号d 由d n 和f yc 构成,信号e 由e c ,e p 以及一个虚拟的信号构成,虚拟信号的引入是为了使Θp 成为一个方块.图3LPV/µ控制系统设计结构Fig.3LPV/µcontrol system design structure第8期于剑桥等:采用D–K–D 迭代算法设计导弹增益调度自动驾驶仪8573D–K–D 迭代设计过程(Design process of D–K–D iteration )与图3所示LPV/µ控制系统设计结构相对应的标度矩阵集合为D ∆={D = L t 000L u 000L p>0},(3)其中:L t ∈L ∆t ⊕∆t ,L u ∈L ∆u ,L p ∈L ∆p .式(3)中L ∆t ⊕∆t 为与可测量时变参数通道对应的标度矩阵集合,L ∆u 和L ∆p 为与不可测量不确定性通道及性能通道对应的µ综合标度矩阵集合.由于引入了不确定性块Θu 和性能块Θp ,自动驾驶仪设计问题变成了一个针对不确定系统的鲁棒增益调度问题,该问题是非凸的,不可能采用参考文献[3]提供的线性矩阵不等式(LMI)方法得到最优解.然而,在上述问题中只要标度矩阵的L u 和L p 固定,则问题就又变成凸的了.鉴于此,可以采用一个迭代过程求解该问题:首先利用LPV 方法求解鲁棒增益调度控制结构K (s )以及与时变参数通道对应的常标度矩阵L t ,然后利用µ综合方法求解与时不变不确定性通道及性能通道相对应的频率相关标度矩阵L u 和L p ,如此反复直至性能指标满足要求.此迭代过程称为D–K–D 迭代.本文自动驾驶仪设计的具体迭代步骤为:1)令式(3)定义的标度矩阵D =I .2)用标度矩阵D 将广义被控对象P a (s )加权为ˆPa (s )= D 00I 9×9 P a (s ) D −100I 7×7.(4)上式中,单位矩阵I 9×9和I 7×7分别对应P a (s )的量测输出通道和控制输入通道.3)基于ˆPa (s )求解广义特征值问题（GEVP ）得到L t .此处需要说明的一点是:L t 的求解问题在数学上被描述为一组LMI 的可行性问题,然而,通过求解可行性问题只能得到次优控制器.为得到最优控制器,需要对求解条件进行适当变换构造一个GEVP 问题.关于GEVP 问题的构造过程可参见参考文献[8].4)用求解GEVP 问题得到的L t 更新标度矩阵D .5)重新计算加权被控对象ˆPa (s ).6)用Riccati 方法求解对应ˆPa (s )的LTI 控制器K (s ),同时得到相应的H ∞性能指标Q .7)固定K (s )和L t ,并将两个时变参数模块Θt 合在一起定义成复满块形式.通过求解结构奇异值找到m Θt ,m Θu 和m Θp 使¯µ= MT ed M −1 ∞(5)极小,其中M = m Θt I 12×12000m Θu I 1×1000m Θp I 3×3 ,T ed =DF l (P a (s ),K (s ))D −1.此处之所以将两个时变参数模块Θt 合在一起定义成复满块是为了使标度矩阵相应部分具有对角形式,从而可以进行第8步的标一化处理.在D–K–D 迭代中,这样处理的一个代价是可能造成设计结果的保守性.8)用m Θt 标一化m Θt ,m Θu 和m Θp ,通过对标一化后的m Θu 和m Θp 进行传递函数拟合得到L u 和L p .9)令L t =I ,用得到的L u 和L p 更新标度矩阵D .10)将第7步中被修改了的不确定块结构还原为实际形式.11)重复步骤2到步骤10,直至¯µ小于1.执行D–K–D 迭代4次后¯µ小于1的条件被满足,得到的控制结构K (s )具有21个状态,7个输出和9个输入.D–K–D 迭代结果如表1所示.表1D–K–D 迭代结果Table 1D–K–D iteration results迭代次数H ∞指标(Q )¯µ120.85018.0142 1.3228 1.30153 1.0561 1.054940.97210.9733在迭代过程中K (s )的状态数量会发生变化,这是因为随着迭代次数的增加,与不可测量LTI 不确定性及性能通道相对应的频率依赖标度矩阵L u 和L p 的拟合阶次增加的结果.事实上,在表1中第1次迭代所得到的Q =20.8501为没有做任何µ综合情况下标准鲁棒增益调度问题的解.由此可见,D–K–D 迭代算法在降低系统保守性方面确实发挥了重要作用.图4和图5是第4次迭代过程中标一化的m Θu 和m Θp 的传递函数拟合结果.图6为第4次迭代的µ上界曲线.858控制理论与应用第26卷图4m Θu 拟合结果Fig.4Fitting result of m Θu图5m Θp 拟合结果Fig.5Fitting result of m Θp图6µ上界Fig.6Upper bound of µ4仿真(Simulations )4.1线性仿真(Linear simulations )在线性仿真条件下,导弹动力学由图1所示的LFT 模型描述,同时,导弹动力学和控制器时变参数模块中的¯M和¯H 被选取为一个固定的值.选择设计范围的4个顶点作为仿真条件,参考模型和自动驾驶仪的方波响应如图7和图8所示.仿真结果表明,在不同特征点处自动驾驶仪回路的动力学特性与参考模型基本一致,而与导弹飞行条件的变化无关.图8中:1为M =1.8,H =500m 时的方波响应曲线,2为M =1.8,H =6000m 时的方波响应曲线,3为M =3.6,H =500m 时的方波响应曲线,4为M =3.6,H =6000m 时的方波响应曲线.图7参考模型方波响应Fig.7Reference model square waveresponse图8自动驾驶仪方波响应Fig.8Autopilot square wave response4.2非线性仿真(Nonlinear simulations )为了进一步检验D–K–D 迭代过程的正确性以及H ∞增益调度自动驾驶仪的鲁棒性能及其对系统不可测量不确定性的抑制能力,采用完整的6自由度非线性运动方程组描述导弹动力学,进行了6自由度有控弹道仿真.仿真过程中对气动参数进行了拉偏，同时还引入了舵偏角角速度限幅,马赫数和高度的量测误差、量测噪声以及加速度计及角速率陀螺的量测噪声.图9为在导弹升力系数拉偏条件下,自动驾驶仪对幅值为10m /s 2方波法向加速度指令的响应曲线,其中:1为升力系数上浮20%的方波响应曲线,2为升力系数不浮动情况下的方波响应曲线,3为升力系数下浮20%的方波响应曲线.在仿真过程中导弹的马赫数从3.4单调减小到2.4,飞行高度从717m 单调增加到5046m.仿真结果表明,在飞行条件大范围变化及含有不确定性干扰因素条件下,自动驾驶仪回路的动力学特性基本稳定,能很好地跟踪指令信号.第8期于剑桥等:采用D–K–D迭代算法设计导弹增益调度自动驾驶仪859图9自动驾驶仪方波响应Fig.9Autopilot square wave response5结论(Conclusion)本文将导弹自动驾驶仪设计问题描述为含不可测量时不变不确定性的鲁棒增益调度问题,并采用D–K–D迭代算法综合运用LPV控制方法和µ综合方法设计了导弹鲁棒增益调度自动驾驶仪.所设计的自动驾驶仪的控制参数能够随导弹飞行马赫数和高度的变化进行自适应调节以适应弹体动力学特性的变化,同时具有对量测误差、量测噪声及建模误差等不可测量不确定性的抑制能力.仿真结果表明,设计得到的自动驾驶仪具有良好的鲁棒稳定性和鲁棒性能.本文研究结果的工程实用性将在后续研究中通过半实物仿真及飞行试验等手段进行验证.参考文献(References):[1]PACKARD A,BECKER G,PHILBRICK D,et al.Control of para-meter-dependent system:applications to H∞gain-scheduling[C] //Proceedings of the1st IEEE Regional Conference on Aerospace Control Systems.California,USA:IEEE,1993:329–333.[2]PACKARD A.Gain scheduling via linear fractional transforma-tions[J].Systems&Control Letters,1994,22(2):79–92.[3]APKARIAN P,GAHINET P.A convex characterization of gain-scheduled H∞controllers[J].IEEE Transactions on Automatic Con-trol,1995,40(5):853–864.[4]SPILLMAN M S.Robust longitudinalﬂight control design usinglinear parameter-varying feedback[J].Journal of Guidance,Control, and Dynamics,2000,23(1):101–108.[5]BRETON M R.Gain-scheduled aircraft control using linearparameter-varying feedback[D].USA:Air Force Institute of Tech-nology,1996.[6]于剑桥,刘莉,靳东亚,等.导弹线性分式变换模型及其在H∞增益调度自动驾驶仪设计中的应用[J].兵工学报,2007,28(7):844–848.(YU Jianqiao,LIU Li,JIN Dongya,et al.Missile LFT model and its application in H∞gain-scheduled autopilot design[J].Acta Arma-mentarii,2007,28(7):844–848.)[7]于剑桥,罗冠辰,文仲辉.基于准线性化模型设计导弹H∞增益调度自动驾驶仪[J].控制理论与应用,2009,26(4):451–454.(YU Jian-qiao,LUO Guan-chen,WEN Zhong-hui.Missile H-inﬁnity gain-scheduled autopilot design based on quasi-linear model[J].Con-trol Theory&Applications,2009,26(4):451–454.)[8]于剑桥,罗冠辰.求解广义特证值问题设计导弹H∞增益调度自动驾驶仪[J].宇航学报,2008,29(3):957–961.(YU Jian-qiao,LUO Guan-chen.Missile H∞gain scheduled autopi-lot design by resolving generalized eigenvalue problem[J].Journal of Astronautics,2008,29(3):957–961.)作者简介:于剑桥(1972—),男,副教授,工学博士,主要研究方向为鲁棒控制、飞行力学与控制、飞行器总体设计,E-mail:****************. cn;文仲辉(1935—),男,教授,主要研究方向为复杂大系统建模、控制与仿真、飞行器总体设计与系统分析,E-mail:wenzhonghui @;许承东(1965—),男,副教授,工学博士,主要研究方向为复杂系统数据挖掘与控制、飞行器虚拟设计与仿真,E-mail:xucd@bit. .。

导弹纵向自动驾驶仪线性二次型控制器设计

ｉｎｇｆｅｅｄｂａｃｋ，ａｎｄｔｈｅｎａｎａｌｙｚｅｄｔｈｅｅｆｆｅｃｔｏｆｔｈｅｃｏｓｔｆｕｎｃｔｉｏｎｗｅｉｇｈｔｉｎｅｓｓｏｎｔｈｅｓｙｓｔｅｍｒｅｓｐｏｎｓｅｐｅｒｆｏｒｍ—
第３５卷
第６期
四川兵工学报
２０１４年６月
【武器装备理论与技术】
ｄｏｉ：１０．１ｌ８０９／ｓｃｂｇｘｂ２０１４．０６．００６
导弹纵向自动驾驶仪线性二次型控制器设计
华建林，郑鲲鹏
ｉｓｔｉｃｓｗｉｔｈｆｅｗｅｒｉｆｎｄｅｌｆｅｃｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ａｕｔｏｐｉｌｏｔ；ｌｉｎｅａｒｑｕａｄｒａｔｉｃｒｅｇｕｌａｔｏｒ；ｃｏｓｔｆｕｎｃｔｉｏｎ
ｓｉｌｅｌｏｎｇｉｔｕｄｉｎａｌａｕｔｏｐｉｌｏｔ．Ｉｎｏｒｄｅｒｔｏｉｎｓｕｒｅｚｅｒｏｓｔｅａｄｙｓｔａｔｅｅｒｒｏｒ，ｔｈｉｓｐａｐｅｒｄｅｓｉｇｎｅｄｔｈｅｏｐｔｉｍａｌｔｒａｃｋ —
在现代控制理论中，线性二次型问题占有重要地位。一
方面，它的结果比较好，应用最小值原理，得到的最优控制是

【精品推荐】-基于改进型模糊控制的弹道导弹诸元解算方法

第30卷　第3期2010年6月弹　箭　与　制　导　学　报Journal of Projectiles ,Rockets ,Missiles and Guidance Vol.30　No.3J un 2010基于改进型模糊控制的弹道导弹诸元解算方法3马瑞萍1,2,许化龙2,肖　凡3(1海军装备研究院,北京　100161;2第二炮兵工程学院,西安　710025;3海军潜艇学院,山东青岛　266071)摘　要:通过对经典模糊控制器进行改进,提出了适合弹道导弹基本诸元解算的分级模糊控制规则和模糊控制系统模型,给出了解算流程,解决了弹道导弹基本发射诸元与落点偏差之间的关系难于用精确的数学模型进行描述,因而导致解算过程中诸元修正困难的问题。

算例证明:提出的改进型模糊控制法相对牛顿迭代法计算基本诸元,精度在同一级别上、迭代次数显著减少、计算时间明显缩短。

关键词:弹道导弹;分级模糊控制;发射诸元;落点偏差;改进中图分类号:T J013 文献标志码:AA Method of Computing Firing Data ofB allistic Missile B ased on Improved Fuzzy ControlMA Ruiping 1,2,XU Hualong 2,XIAO Fan 3(1Naval Academy of Armament ,Beijing 100161,China ;2The Second Artillery Engineering College ,Xi ’an 710025,China ;3Submarine Academy of Navy ,Shandong Qingdao 266071,China )Abstract :Through improving the classical f uzzy control method ,the rules of hierarchical f uzzy control and the model of f uzzy con 2trol system which fit computing firing data of ballistic missile put forward ,and the arithmetic flow shown.The relation between fir 2ing data and the b of fall point difficult to analyze ,so there are some difficuties in the course of computing firing data.difficultis.The calculation example shows that the improved f uzzy control methodless iterative time ,much less computing time than Newton ’s iterative method in computing firing data of ballistic missile.K eyw ords :ballistic missile ;hierarchical f uzzy control ;firing data ;bias of fall point ;improvement0　引言弹道导弹射击诸元的组成取决于瞄准方法、控制系统的类型、控制泛函的形式、弹头的类型等要素。

基于神经网络的某型空空导弹自动驾驶仪控制系统设计与仿真

基于神经网络的某型空空导弹自动驾驶仪控制系统设计与仿真作者：刘杰杨硕来源：《中国科技博览》2015年第14期[摘要]首先对空空导弹自动驾驶仪控制系统的重要作用进行阐述，然后提出了该系统的组成结构；把 BP 神经网络优化设计方法和导弹建模控制技术引入到空空导弹领域，进行自动驾驶仪控制系统的设计和控制，提高了导弹控制系统的抗干扰性，改善了导弹的飞行品质，提升了导弹的整体性能。

[关键词]神经网络；空空导弹；控制系统中图分类号：TP103 文献标识码：A 文章编号：1009-914X（2015）14-0214-021 概述空空导弹是现代化武器库中最重要的武器之一，其主要的任务是准确的攻击空中目标[1]。

制导系统和控制系统是导弹制导控制系统的组成部分，制导系统的主要负责的是根据测得的弹目位置信息形成导引指令；控制系统是根据制导系统的导引指令控制并稳定导弹飞行，因此对导弹制导控制系统的制导规律和控制规律的深入研究，能够准确确定导弹的机动性和精度并弥补导弹硬件上的缺陷，能使制导控制系统甚至整个导弹系统的性能更好能更加充分的发挥其作用，起到更好的效果[2]。

制导控制系统一般是多回路系统，最外层的是观测跟踪装置、指令形成装置、执行装置及弹体构成的制导回路部分，其次是由自动驾驶仪与弹体构成的闭合回路，即姿态稳定回路部分。

除弹体以外的部分叫做自动驾驶仪。

导弹自动驾驶仪是导弹制导和控制系统的重要组成部分，其设计的好坏对导弹制导控制系统整体性能的发挥起重要作用[3]。

另外，在稳定的导弹控制系统中，自动驾驶仪控制弹体，也就是说驾驶仪是控制器，导弹弹体是被控对象。

2.人工神经网络人工神经网络是一个并行和分布式的信息处理网络结构，该网络结构一般由许多个神经元组成，每个神经元有一个单一的输出，它可以连接到很多其它的神经元，其输入有多个连接通路，每个连接通路对应一个连接权系数.人工神经网络是生物神经网络的一种模拟和近似.它主要从两个方面进行模拟，一是从结构和实现机理方面进行模拟；二是从功能上加以模拟.在1943年，心理学家W.S.McCuloch和数理逻辑学家W.Pitts首先提出一个简单的神经网络模型.1949年出现一种调整神经网络连接权的规则，通常称为Hebb学习规则1958年出现“感知机”.1969年M.Minsky和S.Papert发表了名为“感知机”的专著，提出简单线性感知机的功能是有限的，使整个70年代的神经网络的研究处于低潮.随着80年代Hopfield网和BP算法的提出，人们又看到神经网络的前景和希望，并掀起神经网络研究的热潮，随之在军事领域的应用也在不断扩大，如目标识别、信息处理、自动控制和智能决策等.其中，神经网络控制就是在这个背景下发展起来的.它特有的学习能力、潜在的分布并行计算特点以及对多传感信息的处理能力，使它具有许多潜在的优势，并应用到许多领域.3 空空导弹自动驾驶仪的组成结构空空导弹自动驾驶仪由惯性器件、控制计算装置和舵机部分组成。

基于鲁棒变结构控制方法的非线性导弹自动驾驶仪设计

中图分类号：Ｔ２３Ｐ７文献标志码：Ａ
Ｏ引言
２世纪５年代，苏联学者Ｅｌａｏ首先提出００ｍｅｙｎｖ了变结构控制的概念。之后，Ｕｋｎｔｉ等人进一步发展
了变结构控制理论 …。
不可避免因反演的递推思想使得设计层层展开，随
估计了一个虚拟控制系数。
然而，此类方法是在反演设计的手段上进行的，
收稿日期：２０．６００９０．２
作者简介：武晓龙（９３，１８一）
助工，大学。
・
６２６
海军航空工程学院学报
第２卷４
ｃ（，）Ｊ）２）ｍＭｍ＝（＋（
很多文献直接针对非线性导弹运动系统进行了自适应反演设计。导弹系统的非线性模型考虑了未知参数与不确定性的影响。文献［】虑俯仰通道模４考
并且其设计复杂度将不随系统阶次的增加，较好的
解决了微分爆炸的问题。
１模型描述
Ｈｌｕｌ＆Ｑｕ在文献［】７中采用如下导弹俯仰通道的非线性运动模型。考虑舵机的一阶动态特性，俯仰平面运动模型可以改写如下：
＝
型不确定性由参数不确定性与未知非线性函数组成，其中未知非线性函数代表模型的误差或者系统
（）ｌ（）门｝：，＋
（）（ＧＩＰ＋ｃｌ）＜１＋￣ｌ＝，ＡＧａｐ－［）Ｉ：）。Ｊ（ｌ丸（ＭＩ丸＋］

基于H_控制理论的某型导弹自动驾驶仪设计与仿真

第17卷第6期2005年12月军械工程学院学报Journal of O rdnance Engineering CollegeVol117No16Dec.,2005 文章编号:1008-2956(2005)06-0011-05基于H∞控制理论的某型导弹自动驾驶仪设计与仿真杨军1,李江2,张延生1,李巍1(1.军械工程学院导弹工程系　2.计算机工程系,河北石家庄　050003)摘要:研究了导弹制导回路鲁棒自动驾驶仪设计的理论与方法,并结合某型导弹进行了混合灵敏度自动驾驶仪的设计及仿真。

仿真结果表明,设计的混合灵敏度自动驾驶仪对导弹模型的摄动表现出了较强的鲁棒性,可以控制导弹在大范围飞行过程中稳定且具有良好的时域响应性能。

关键词:自动驾驶仪;H∞控制理论;混合灵敏度中图分类号:TJ765;TP13 文献标识码:AD esi gn and S i m ul a ti on of M issile Autop ilot Ba sed on H∞Con trol TheoryY ANG Jun1,L I J iang2,Z HANG Yan-sheng1,L IW ei1(1.Depart m ent of M issile Engineering2.Depart m ent of Computer Engineering,O rdnance Engineering College,Shijiazhuang　050003,China)Abstract:The method of m issile aut op il ot design is p r oposed in this paper.U sing s ome m issile data the aut op il ot based on m ixed sensitivity is designed.The si m ulati on is done t o the m issile syste m.The result shows that the m ixed sensitivity aut op il ot has better r obustness against m issile model uncertainty,can guarantee the m issile contr ol syste m stable and has better res ponse perf or mance during large-scaled flight course.Key words:aut op il ot;H∞contr ol theory;m ixed sensitivity 导弹在空间的飞行运动是由导弹制导控制系统控制的,这实际上是一个伺服控制系统,控制导弹按照预定的弹道飞行,而自动驾驶仪是导弹制导系统中的一个重要环节。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｓｉｇｎｅｄｉｎｔｈｉｓｐａｐｅｒ．ｈｅＴｎｏｎｌｉｎｅａｒｍｉｓｓｉｌｅｍｏｄｅｌｗａｓｄｉｖｉｄｅｄｉｎｔｏｆａｓｔｎｄａｓｌｏｗｌｏｏｐｂａｓｅｄｏｎｔｉｍｅ — ｓｃｌｅａｓｅｐａｒａｔｉｏｎｐｉｎｒｃｉｐｌｅ；ｈｅＴｄｉｆｅｒｅｎｔｉｌａｓｉｇｎｌａｏｆｓｔａｔｅｓｗａｓａｃｑｕｉｒｅｄｔｈｒｏｕｇｈｔｈｅｒａｔｃｋｉｎｇｄｉｆｅｒｅｎｔｉａｔｏｒａｎｄｔｈｅｆａｓｔｌｏｏｐｃｏｎｔｒｏｌｌｅｒｗａｓｄｅｓｉｎｅｇｄｔｏｒｅａｌｉｚｅｔｈｅ
ＤｏＩ：１０．７６７３／ｊ．ｉｓｓｎ．１００６－２７９３．２０１４．０１．００２
Ｄｅｓｉｇｎｆｏｒａｕｔｏｐｉｌｏｔｏｆｍｉｓｓｉｌｅｂａｓｅｄｏｎｔｒａｊｅｃｔｏｒｙ
固体火箭技术
第３７卷第１期
ＪｏｕｒｎａｌｏｆＳｏｌｉｄＲｏｃｋｅｔＴｅｃｈｎｏｌｏｇｙ
Ｖｏ１．３７Ｎｏ．１２０１４
基于轨迹线性化和自适应模糊系统的导弹自动驾驶仪设计①
ｕｎｃｅｒｔａｉｎｔｉｅｓｎｄａｄｉｓｔｕｒｂｎｃａｅｓｏｎｔｈｅｃｏｎｔｒｏｌｓｙｓｔｅｍｐｅｒｆｏｒｍａｎｃｅ，ｔｈｅｓｌｏｗｌｏｏｐｃｏｎｔｒｏｌｌｅｒｗａｓｄｅｓｉｇｎｅｄｔｈｒｏｕｇｈｔｈｅａｄａｐｔｉｖｅｆｕｚｚｙｓｙｓｔｅｍｔｈｅｏｒｙ．ＡｎｄａｎａｄａｐｔｉｖｅｒｏｂｕｓｔｃｏｎｔｒｏｌｌａｗｗａｓａｄｄｅｄｔｏｏｖｅｒｃｏｍｅｈｅｔａｐｐｒｏｘｉｍａｔｉｏｎｅｌＴｏｒ８ｗｈｉｃｈＷｓａｅｓｔｉｍａｔｅｄｂｙａｍｅｔｈｏｄｏｆｏｎｌｉｎｅａｄａｐｔｉｖｅｒｅｇｕｌａｔｅ，ｔｈｏｕｇｈｔｈｅｕｐｐｅｒｂｏｕｎｄｗａｓｕｎｋｎｏｗｎ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｕｔｏｐｉｌｏｔｐｏｓｓｅｓｓｅｓｆａｓｔｔｒａｃｋｉｎｇａ —
２．ＴｈｅＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＡｉｒ — ｔｏ－ａｉｒＭｉｓｓｉｌｅ，Ｌｕｏｙｎｇａ４７１００９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｎｏｖｅｌｒｏｂｕｓｔａｄａｐｔｉｖｅｍｉｓｓｉｌｅａｕｔｏｐｉｌｏｔｂａｓｅｄｏｎｔｒａｊｅｃｔｏｒｙｌｉｎｅａｐｔｉｖｅｆｕｚｚｙｓｙｓｔｅｍｔｈｅｏｒｙｗａｓｄｅ —
ｌｉｎｅａｒｉｚａｔｉｏｎａｎｄａｄａｐｔｉｖｅｆｕｚｚｙｓｙｓｔｅｍ
ＸＩＡＯＫｅ，ＬＥＩＨｕ．ｍｉｎ，ＳＨＡＯＬｅｉ，ＤＵＡＮＣｈａｏ — ｙａｎｇ，ＷＡＮＧＪｕｎ
方法设计快回路控制器，实现了快回路的非线性解耦，抑制了扰动；使用自适应模糊控制理论设计慢回路控制器，抵消了系
统总不确定性和外界干扰对系统性能的影响。在最小逼近误差界未知的情况下，通过在线自适应调节的方法获得其估计值并利用此值设计了自适应鲁棒补偿项，克服了系统逼近误差的影响。仿真结果表明，该自动驾驶仪具有快速的跟踪能力
和良好的鲁棒性。
关键词：轨迹线性化控制；自适应模糊系统；最小逼近误差；鲁棒性；自动驾驶仪
中图分类号：Ｖ４４８文献标识码：Ａ文章编号：１００６－２７９３（２０１４）Ｏ１ — ０００７ — ０５
ｎｏｎｌｉｎｅａｒｄｅｃｏｕｐｌｉｎｇｎｄａｒｅｊｅｅｔｔｈｅｄｉｓｔｕｒｂｎｃａｅｓｂａｓｅｄｏｎｔｈｅｔｒａｊｅｃｔｏｒｙｌｉｎｅａｒｉｚａｔｉｏｎｍｅｔｈｏｄ．Ｉｎｏｒｄｅｒｔｏｅｌｉｍｉｎａｔｅｔｈｅｅｆｅｃｔｓｏｆｔｈｅ
（１．ＡｉｒａｎｄＭｉｓｓｉｌｅＤｅｆｅｎｓｅＣｏｌｌｅｇｅ，ＡｉｒＦｏｒｃｅＥｎｇｉｎｅｅｉｒｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ＇ａｎ７１００５１，Ｃｈｉｎａ；
肖科，雷虎民，邵
（１．空军工程大学防空反导学院，西安
雷，段朝阳，王
君
７１００５１；２．中国空空导弹研究院，洛阳４７１００９）
摘要：基于轨迹线性化方法和自适应模糊系统理论，设计了一种新的鲁棒自适应导弹自动驾驶仪。根据时标分离原则。将导弹非线性模型划分为快、慢２个回路。利用快速跟踪微分器提取快变量的微分信号，在此基础上使用轨迹线性化