共查询到15条相似文献,搜索用时 65 毫秒
1.
比例导引规律相比于直接追踪法,跟踪精度有所提高,但是在目标机动性加大的情况下,传统比例导引规律制导精度仍不理想.因此,给出了三维空间导弹-目标追逃运动的空间矢量方程,建立了三维空间导弹-目标追逃运动模型,并基于李雅普诺夫稳定性理论,设计增广比例导引律(APNG).即在比例制导规律基础上,引入目标加速度补偿项来克服目标加速度对制导精度的影响.将该方法运用于机动目标的跟踪,仿真结果表明了增广比例导引律相比于传统比例导引律,制导精度高,脱靶量低,制导飞行时间短,制导性能有极大的提高. 相似文献
2.
高超声速滑翔式BTT导弹鲁棒反演控制器设计 总被引:1,自引:0,他引:1
综合考虑高超声速滑翔式BTT导弹各种干扰的影响,建立了具有非匹配不确定性的非线性、强耦合姿态运动方程,并转化为标准形式。针对模型中的未知不确定性,提出了鲁棒估计函数,利用反演控制和自适应控制设计了高超声速导弹的自动驾驶仪,解决了由于对期望虚拟控制量进行求导产生的“计算膨胀”问题,证明了每一步反演设计的Lyapunov稳定性,并进行了数字仿真。仿真结果表明,所设计的自适应反演控制器能够精确跟踪姿态角指令,并对大范围气动参数摄动具有很强的鲁棒性。 相似文献
3.
为获得更好的制导性能,利用一类采用流量可调发动机的导弹所增加的飞行速度控制自由度,提出一种修正比例导引+飞行速度控制的双重控制自适应滑模制导律。修正比例导引并以弹道末端过载需求为零进行修正设计,在对其瞬时脱靶量分析的基础上,选取视线角速度和飞行速度控制量等作为滑模面,并进一步采用自适应滑模控制方法,推导了减少脱靶量的速度控制制导律。仿真结果表明,相比于比例导引和采用速度保持的修正比例导引,所设计的自适应滑模制导律的脱靶量更小,弹道更平滑,过载需求也更小,实现了导弹飞行速度的主动控制。 相似文献
4.
结合BTT控制与特征建模思想,将黄金分割自适应控制应用于高超声速无人机的横侧向机动控制。对一类高超声速无人机进行了BTT自适应控制器设计和仿真,仿真结果表明,基于特征模型的自适应控制,较好地实现了矢滚角和侧滑角的信号跟踪,验证了该方法的有效性。 相似文献
5.
BTT导弹再入飞行滑模控制器设计研究 总被引:1,自引:0,他引:1
针对导弹再入段的非线性模型以及三通道问的较强耦合,给出了倾斜转弯BIT导弹再入飞行鲁棒控制方法.在给定可用制导指令和干扰、不确定性的上界条件下,综合利用快慢双回路连续滑模控制方法,生成气动舵面的控制指令,得到了在建模误差和外界干扰存在的情况下拥有高精度、鲁棒性和解耦特性的气动角和姿态角速率跟踪结果.采用了两种方法抑制滑模的抖振现象:一是构筑滑模干扰观测器,自适应调节增益;二是利用高阶滑模控制方法,有效消除了控制抖振,保证了工程实际应用的能力.以某型BTT导弹为例,仿真结果表明,在考虑到模型不确定性、风扰动以及测量噪声的情况下,两种方法均可靠,满足再入控制的要求. 相似文献
6.
7.
基于神经网络的模型参考自适应控制 总被引:2,自引:0,他引:2
将神经网络应用于模型参考自适应控制系统中,组成模型参考神经网络自适应控制系统.利用神经网络自身的优点来克服传统模型参考自适应控制算法的不足,使系统具有更强的鲁棒性和容错性.仿真结果表明,该系统与传统的模型参考自适应控制系统比较,不仅能实现原系统的功能,而且该系统的稳定性和抗干扰性优于原系统. 相似文献
8.
为解决大机动目标拦截过程中加速度信息难以预测的问题,利用自适应RBF神经网络和反步滑模控制技术提出一种新型三维智能制导律。首先,基于零化视线角速率的思想,建立了拦截机动目标的三维制导模型,并结合反步滑模算法设计了有限时间制导律;然后,将目标加速度信息视为控制系统的不确定性,采用RBF神经网络对其进行在线估计和补偿,同时设计自适应切换增益以抑制控制系统抖振;最终,基于Lyapunov直接法证明了整个闭环控制系统的稳定性,并通过对比仿真验证了所提三维制导律的有效性和优越性。 相似文献
9.
10.
推导了自适应滑模制导律,通过建立制导控制系统六自由度仿真系统,对自适应滑模制导律进行仿真研究。仿真结果表明,自适应滑模制导律针对机动目标的命中精度很高,证明了自适应滑模制导律的有效性和鲁棒性。 相似文献
11.
针对一类具有模型不确定性和未知外界干扰的严反馈非线性MIMO系统,提出一种基于RBF神经网络和反推控制的鲁棒控制律设计方法。应用RBF神经网络在线逼近模型的不确定性,引入低通滤波器消除反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时,在控制律设计中引入一个自适应鲁棒控制项来补偿神经网络逼近误差和未知外界干扰的影响,提高系统的鲁棒性,使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界;通过适当选择设计参数及初始化误差变量,跟踪误差可收敛到原点的一个任意小邻域内,且跟踪误差的L∞跟踪性能被保证。数值仿真验证了方法的有效性。 相似文献
12.
13.
14.
15.