基于伪谱法的神经网络制导控制器设计

发布时间：2021-05-23 14:00

　　针对可重复使用运载火箭（Reusable Launch Vehicle,RLV）再入段制导周期长和弱鲁棒性问题,提出一种基于hp自适应伪谱法的神经网络制导控制器。首先建立RLV再入段的弹道优化模型,利用hp自适应伪谱法离线进行弹道优化,得到有干扰和标准条件下的多条最优弹道数据,构成RLV再入段状态量x、y、z、vx、vy、vz和控制量α、β的样本库;再用样本库训练BP神经网络,得到神经网络制导控制器;最后对RLV再入段进行仿真验证,结果表明:存在初值偏差和环境干扰的条件下,制导周期小于0.01 s且制导误差较小,该控制器鲁棒性强、有工程应用价值。 

【文章来源】：兵器装备工程学报. 2020,41(08)北大核心

【文章页数】：7 页

【文章目录】：
1 伪谱法弹道优化和神经网络原理
    1.1 RLV再入段弹道优化模型
    1.2 hp自适应伪谱法原理
    1.3 BP神经网络原理
2 神经网络制导控制器设计
    2.1 建立干扰库
    2.2 基于伪谱法生成样本库
    2.3 BP神经网络学习样本库
3 仿真验证
    3.1 伪谱法计算
    3.2 神经网络制导控制器制导仿真
4 结论


【参考文献】：
期刊论文
[1]垂直起降重复使用运载器返回制导与控制[J]. 韦常柱,琚啸哲,徐大富,吴荣,崔乃刚.  航空学报. 2019(07)
[2]基于伪谱法的巡航导弹最优闭环制导方法[J]. 廖瑛,季海雨,薛高雄.  系统仿真学报. 2018(09)
[3]运载器大气层内轨迹在线规划与闭环制导[J]. 崔乃刚,郑殿双,李源,韦常柱,黄盘兴.  战术导弹技术. 2017(04)
[4]基于hp自适应伪谱法的飞行器多阶段轨迹优化[J]. 邱文杰,孟秀云.  北京理工大学学报. 2017(04)
[5]基于轨迹线性化控制的再入轨迹跟踪制导[J]. 沈作军,朱国栋.  北京航空航天大学学报. 2015(11)
[6]基于hp自适应Radau伪谱法的再入飞行器轨迹优化[J]. 王海涛,李军营,梁立威,刘开封,孟海东.  科学技术与工程. 2015(02)
[7]高超声速滑翔飞行器轨迹优化与制导综述[J]. 黄长强,国海峰,丁达理.  宇航学报. 2014(04)
[8]基于最优制导模板的神经网络预测制导方法[J]. 曾庆华,董荣华,皮术武.  国防科技大学学报. 2014(01)
[9]基于Gauss伪谱法和直接打靶法结合的月球定点着陆轨道优化[J]. 彭祺擘,李海阳,沈红新,唐国金.  国防科技大学学报. 2012(02)
[10]飞行器轨迹优化数值方法综述[J]. 雍恩米,陈磊,唐国金.  宇航学报. 2008(02)

硕士论文
[1]可重复使用运载器再入预测校正制导与控制系统设计[D]. 张鹏.南京航空航天大学 2018
[2]BP神经网络算法改进及应用研究[D]. 黄丽.重庆师范大学 2008



本文编号：3202654