基于RBFNN增益调节的自适应滑模制导律

为提高末制导精度,设计了一种RBF滑模制导律.根据滑模变结构理论推导了一种基于零化视线角速率的滑模制导律,分析了目标机动与切换项增益的关系,利用RBF神经网络对切换项增益进行在线估计,最后将所设计的RBF滑模制导律与滑模制导律、比例导引律进行仿真对比.仿真结果表明所设计的制导律能实时调节切换项增益,有效拦截不同的机动目标,减小了脱靶量并提高了系统的鲁棒性.     

导引头预定回路单神经元PID控制研究

为提高导引头预定回路的动态性能,提出一种基于Hebb规则的改进单神经元PID控制算法。首先,将传统PID控制与单神经元学习规则相结合,从而实现了参数的在线调节,获得了更好的动态性能;其次,选择误差平方作为优化指标,并在负梯度搜索算法中引入惯性项,设计了基于Hebb规则的改进单神经元PID控制算法。仿真结果表明,改进的控制算法在快速性方面优于常规的单神经元PID控制,并且有较好的鲁棒性和抗干扰性。