基于补偿滑模神经网络的某炮控系统位置控制

针对某炮控系统存在较强的非线性和不确定性特征,提出了基于补偿滑模的自组织神经网络控制策略。引入了补偿滑模面设计方法,构成了自组织神经网络控制器和辅助补偿器。自组织神经网络控制器由Hermite多项式、变结构神经网络和神经元参数自学习算法构成,其减小了计算复杂度,提高了自适应能力;梯度下降法对神经网络的参数进行自学习,提高了系统的收敛速度;辅助补偿器的引入进一步减小了系统稳态误差,满足了该炮控系统的基本指标要求,保证了系统在Lyapunov意义下的稳定性和鲁棒性。半实物仿真试验表明:该控制策略有效地提高了系统的控制精确度和鲁棒性,减小了外界干扰对系统性能的影响。