基于神经网络的导弹自适应滑模控制器设计
曾宪法,张磊,申功璋
(北京航空航天大学自动化科学与电气工程学院，北京100083)
摘要：针对导弹六自由度非线性模型，根据时标分离原理将导弹系统分为快慢不同的四个回路。针对快、慢回路，提出了一种基于神经网络的自适应滑模控制器设计方案。首先分别在快、慢回路中采用反馈线性化实现解耦控制，然后设计基于神经网络的自适应滑模控制器来保证系统鲁棒性及性能，其中神经网络用来逼近系统的不确定性。理论分析及计算机仿真都表明，按照该方法设计的控制器不仅具有较强的鲁棒性，而且保证了闭环系统的渐近稳定性。
关键词：导弹；神经网络；自适应控制；滑模控制
中图分类号：V249文献标识码：A文章编号：1004-731X(2008)20-5589-04
引言1
导弹本身是一个非线性时变的控制对象，随着其机动性能的提高，气动力非线性、不确定性以及通道耦合将更加严重，因此传统的控制方法将难以适用。
滑模控制(Sliding Mode Control,SMC)是一种较为成熟的非线性控制技术，其最大优点在于系统的响应对模型不确定性及外界干扰具有不敏感性，且结构简单，因此在飞机、导弹以及高超音速飞行器的飞控系统中得到广泛的应用[1-4]。但是对于传统的滑模控制，为了保证系统能够到达滑模面，通常要求系统不确定性范围已知，而在实际系统中一般难以获得不确定性的界。为此文献[4]将参数估计与滑模控制相结合，形成一种自适应滑模控制器(Adaptive SlidingMode Controller,ASMC)，但是其不确定性的结构过于特殊；文献[5-6]提出了一种基于神经网络的自适应滑模控制方案，并应用于机器人控制和一类SISO非线性系统中。本文在文献[6]的基础上，将基于神经网络的自适应滑模控制应用于导弹的自动驾驶仪设计中，仿真表明，本文所设计的导弹自适应滑模控制器是有效的。
1导弹自适应滑模控制系统结构
导弹六自由度非线性刚体动力学模型由12个方程组成[7,8]，状态变量为
由导弹动力学规律可知，当舵面偏转时，快变量首先做出响应，并认为在这一过程中，其他状态变量保持不变；同理，当对慢变量进行控制器设计时，可认为非常慢变量和最慢变量保持不变。因此根据上述规律可将整个系统分解为4个瞬态解耦的非线性子系统，然后分别在这些子系统中进行控制器设计，从而使得回路的综合大大简化。
本文仅研究快回路和慢回路的控制器设计问题。首先分别在快、慢回路中采用反馈线性化方法实现解耦控制，然后设计基于神经网络的自适应滑模控制器以保证系统的鲁棒性，其中神经网络用来逼近系统的不确定性。具体控制系统结构如图1所示。
4 结论
本文在导弹六自由度非线性模型的基础上，分别在快、慢回路中利用反馈线性化理论实现了非线性系统的解耦控制；同时在两个回路中设计了滑模控制器以保证系统的鲁棒性，并在传统滑模控制的基础上设计了一个具有补偿能力的神经网络以构成自适应滑模控制器，其中神经网络用以逼近系统存在的不确定性，并利用Lyapunov稳定性理论导出了网络权值的自适应调整规律。该方案克服了传统滑模控制器需要不确定性界的限制，同时保证了系统的渐近稳定性。数字仿真验证了该控制器的有效性。
|
