导弾起竖过程的载荷研究

基于导弹起竖过程中起竖机构的转动运动函数和转动微分方程，分别建立了该过程中由于重力所产生的系统重力矩计算模型，风向与起竖平面平行的风载荷计算模型，以及起竖油缸作用力的计算模型。考虑到计算模型的非线性和时变性，在Matlab/Simulink中采用变步长的Runge-kutta法对模型进行了仿真计算，得到了起竖角度、风作用力矩、起竖力等参量随时间变化的仿真曲线。通过对仿真曲线进行分析，对机构起竖过程中的转动角度、起竖油缸无杆腔流量、风载荷和起竖力等系统参量的特性有了定量的认识。研究结果可以为起竖液压和控制系统的设计和优化提供参考。     

动态面滑模控制在大型液压起竖系统中的应用研究

针对大型液压起竖系统中的非对称液压缸建模问题,对系统负载流量和负载压力进行了重新定义,推导建立了起竖系统的非线性模型。为克服系统非线性和不确定性对起竖过程控制的影响,引入滑模控制和动态面控制,提出采用一种基于动态面滑模的控制策略,并给出了控制律。仿真结果表明,与PID控制、一般滑模控制相比,该控制方法有较强的抗干扰能力和良好的跟踪性能,提高了起竖过程的鲁棒性和稳定性。     

大型发射装置液压起竖系统的滑模控制研究

针对大型发射装置液压起竖系统这类高阶非线性系统的控制问题,提出了一种自适应多面滑模控制方法。基于液压起竖系统的非线性模型,采用逐步递推的方法给出系统的多面滑模控制器。根据Lyapunov稳定性理论,将自适应律引入多面滑模控制器,实现对系统不确定参数和起竖过程中环境干扰的在线估计,提高系统的鲁棒性。试验结果表明,与普通的滑模控制比较,该控制方法有效地克服了系统自身参数的不确定性和外界干扰的影响,提高了起竖角度的跟踪控制精度。     

导弹起竖过程中风载荷影响研究

为了研究某导弹起竖过程中风载荷的影响,基于对数律平均风载荷模型,建立了起竖系统受风载荷影响下的受力模型.通过一组仿真实验,研究了不同风力、风向、地表粗糙程度和空气密度下导弹起竖过程的受力情况.仿真结果表明,风向和风力对起竖过程受力影响较大,地表粗糙长度和空气密度对起竖过程受力影响较小.研究成果对于类似系统的抗风设计和安全工作都有一定的参考价值.     

基于神经网络的风洞马赫数预测控制仿真研究

针对2.4 m跨声速风洞很难用精确的机理模型表示系统的动态特性的问题,提出了基于神经网络模型的风洞马赫数预测控制策略.综合了模型预测控制和神经网络建模的优点,对于控制参数未知、非线性和时变系统具有很好的处理效果.利用基于径向基函数的神经网络模型预测系统的动态响应、非线性神经网络模型可以在训练过程中捕获系统的动态特性等措施,实现了将神经网络模型应用到MPC结构中.仿真结果表明,该控制策略具有很好的跟踪性能和控制效果.     

线性模型跟随方法在某导弹快速起竖装置设计中的应用

针对某导弹的地面发射装置速度慢、时间长的缺陷,在完成起竖装置的非线性建模,并进行反馈线性化的基础上,采用线性模型跟随方法设计,实现了发射装置的快速起竖控制.最后,通过仿真验证了所设计的控制器可以有效缩短发射装置的起竖时间,而且具有较高的控制精度,具有较强的工程参考价值.     

BTT导弹的神经网络逆系统方法控制研究

提出一种BTT导弹非线性控制系统的神经网络逆系统方法。从理论上证明了该控制方法可实现导弹三通道的解耦控制,输出渐近无差跟踪。为了验证控制方案的有效性,进行了仿真研究。仿真结果表明：在BTT导弹控制系统设计中,神经网络逆系统方法完全可以实现非线性控制,控制方案可行,满足设计要求。     

敏捷性导弹的神经网络控制与制导

为了使导弹获得更高的机动性、敏捷性和导引精度,大多采用推力矢量控制方案.本文讨论了新型推力矢量控制导弹的动力学建模,在此基础上提出了适用于推力矢量导弹的神经网络控制与制导方案,其中的导弹控制方案包括双网络逆动态学习控制和混合神经网络控制两种.神经网络制导采用基于线性二次型的最优制导的有教师学习方案.神经网络学习算法中因引入了基于经验的模糊规则,具有较好的学习性能.仿真表明神经网络控制与制导方案具有较好的末制导导引精度.     

导弹起竖过程中的对地荷载研究

为提高导弹武器系统的生存能力和快速反应能力,对导弹起竖过程中的对地荷载进行研究。分析在导弹起竖过程中发射场坪所受载荷,将发射车视为左右对称体,在考虑风载荷影响的前提下,计算出导弹起竖过程中的前后支腿对地压力,为建立发射场坪的评估模型提供了载荷判据;利用压力检测装置采集导弹起竖时的支腿对地压力,得到了支腿压力随起竖角度的变化曲线,并以现场实测进行数据采集结果分析。分析结果表明：理论计算结果和压力幅值与变化趋势较为吻合,计算结果合理,可为导弹无依托发射的场坪选取和判断提供参考。     

基于神经网络算法的发射场坪承载能力预测方法

为进一步提高发射场坪的快速选定能力,提出基于线性多元回归算法、反向传播（BP）神经网络算法和径向基函数（RBF）神经网络算法的发射场坪承载特性近似模型,对其承载能力进行快速预测。采用了引入参数敏感度的优化拉丁超立方采样方法,构建样本空间并分别建立起竖载荷和发射载荷下的算法预测近似模型;利用上述预测算法,通过某结构参数未知的场坪在起竖载荷下的动力学响应,预测其在发射载荷下的可能最大弯沉值,判断土基弹性模量未知的发射场坪承载能力。结果表明：RBF神经网络算法对起竖载荷和发射载荷下的场坪最大弯沉量均具有最优的预测性能,与有限元计算结果相对比,回归系数分别为0.941和0.983,模型精度较高,具有可信性;预测结果与仿真结果的平均误差为10.46%;对于承载强度较大的场坪,残差范围在±2 mm以内,对发射过程中的场坪选定决策具有参考价值。     

基于神经网络动态逆的巡逻导弹自动驾驶仪设计

针对巡逻导弹,讨论一种将神经网络与非线性动态逆相结合的自动驾驶仪设计方法。基于双时标假设,将弹体动力学分为慢变子系统和快变子系统,并分别进行动态逆设计。为克服模型不精确和参数摄动引起的逆误差对动态逆控制的不利影响,引入神经网络对逆误差进行在线补偿。推导了神经网络权值调整规律,并证明系统的闭环稳定性。通过仿真验证,采用神经网络能弥补动态逆控制的不足,提高控制系统的鲁棒性,是一种有效的非线性设计方法。     

基于模糊神经网络的BTT导弹自适应控制

针对不确定非线性BTT导弹控制系统,提出了一种基于模糊高斯基函数神经网络的自适应控制设计方法。在设计过程中将不确定部分合为一项,应用模糊神经网络的万能逼近性质来逼近系统不确定项,然后利用滑模控制和自适应模糊神经网络理论设计了控制器,应用Lyapunov稳定性理论保证闭环系统的稳定性,并推导出自适应律,最后通过仿真结果验证该方法的有效性。     

非线性块对角在飞航导弹垂直转弯控制中的应用

传统的三通道(俯仰、偏航、滚转)独立小扰动导弹模型不能适应在大攻角与大过载下的控制,于是文中提出基于非线性块对角控制来解决。首先着重分析导弹的垂直转弯飞行方案,鉴于导弹的四层结构并非仿射型,然后对所建立的分层块对角模型进行仿射处理,并采用推力矢量控制方法实现了导弹垂直转弯的块对角控制器设计。最后在模型精准和气动参数摄动下,进行了数字仿真,结果表明系统在完成垂直转弯的同时,还具有很强的鲁棒性。     

非线性预测控制在质量矩导弹姿态控制系统设计上的应用

以所建立的质量矩导弹数学模型为基础, 通过对模型合理地简化, 得到一个耦合的非线性动力学系统.考虑到质量矩导弹的鲁棒性要求和两个滑块伺服机构的协调控制问题, 用基于反馈线性化的非线性控制理论, 采用非线性预测控制, 解决了质量矩导弹姿态控制系统设计问题, 并且系统对于参数的不确定性具有很强的鲁棒性.仿真结果检验了这种方法的有效性.     

模糊控制在飞航导弹自动控制系统中的应用

研究模糊控制在飞航导弹自动控制系统中的应用,首先对自动控制系统的整体结构进行分析,然后在导弹姿态控制回路中应用模糊控制理论设计模糊控制器,用于对导弹姿态运动实施控制,进而设计仿真模型,通过仿真实验展示该控制器良好的品质,验证设计的正确性及将模糊控制理论应用于飞航导弹自动控制中的可行性和有效性,为模糊控制与导弹传统控制及其它非线性控制理论相结合,以进一步提高导弹控制系统性能奠定基础。     

基于神经网络的导弹惯性器件故障预报系统研究

在导弹武器系统当中,及时准确地故障预报对提高导弹的安全性具有极其重要的意义.针对导弹惯性器件故障预报系统的设计要求,考虑到神经网络用于故障预报的优点,在神经网络技术应用于导弹惯性器件的故障预报过程中提出了神经网络的训练算法,把神经网络、预测理论和故障诊断系统有机结合起来建立了一个故障预报系统,利用该系统选取神经网络预测模型对某导弹陀螺随机漂移进行建模和分析,实现了故障预报.实例预测结果证明,给出的神经网络预测模型和训练算法是可行的.     

基于自适应神经网络的导弹制导与控制一体化反演设计

为使导弹具有更小的脱靶量和更快的响应时间,研究了导弹俯仰通道的制导与控制一体化设计问题。由于导弹和目标的相对运动方程以及导弹自身运动方程通常是在不同的坐标系下建立的,因此,制导与控制的一体化模型很难建立。此外,在导弹飞行过程中,很难获得全弹道的精确导弹气动参数,这使得控制器的设计也很困难。本文首先建立了一种较为合适的、紧凑的一体化模型,并进一步将其化为具有一般形式的含不确定量的级联系统。采用反演控制设计方法,保证了系统全部状态的稳定性。然后,设计了一体化自适应神经网络控制器,神经网络用来在线逼近系统中由于导弹气动参数摄动引起的匹配和非匹配不确定量。仿真结果表明了这种导弹制导与控制一体化设计方案的有效性。