两回路自动驾驶仪设计与分析

分析了参数变化引起的弹体模型和静稳定性的改变,以及降低静稳定性对导弹机动性能的改善。研究了把工程指标转化为期望的闭环系统极点的方法,以及与全状态反馈等价的从状态反馈到输出反馈的变换技术,给出了基于极点配置和输出反馈的一般性的两回路自动驾驶仪设计方法。结果表明,两回路驾驶仪可以稳定静不稳定的弹体,而执行机构的有限的资源是限制驾驶仪控制作用的关键因素之一,引入加速度计到弹体质心距离这一参数后可以在一定程度上改善系统的稳定性。     

导弹伪攻角反馈三回路驾驶仪设计分析

阐述了几种典型过载驾驶仪的结构演变过程,对传统三回路驾驶仪的结构进行了适当改进,提出了采用伪攻角作为反馈信号的三回路驾驶仪新结构。研究了驾驶仪工程指标与闭环极点之间的对应关系以及从状态反馈到输出反馈的变换技术,给出了基于输出反馈极点配置的伪攻角反馈三回路驾驶仪设计方法。研究结果表明,伪攻角反馈三回路驾驶仪消除了传统三回路驾驶仪的静差,并具有与其相似的控制特性以及鲁棒性能。分析结果显示,两种结构的三回路驾驶仪对静不稳定弹都具有较好的稳定控制性。     

基于预测校正的三回路驾驶仪极点配置设计

针对三回路自动驾驶仪设计中,以开环穿越频率为性能指标的极点配置算法存在的缺陷,提出了预测校正开环穿越频率极点配置设计方法。采用该方法完成了某战术导弹三回路自动驾驶仪设计;验证了该方法设计的控制系统比传统方法性能优异,满足期望开环穿越频率性能指标;分析了三回路自动驾驶仪各回路对导弹控制系统发挥的作用。通过实例分析,表明该方法克服了以往极点配置设计方法的缺点,便捷有效,收敛速度快,计算量小,非常适用于三回路自动驾驶仪的设计。     

倾斜转弯导弹三回路鲁棒自动驾驶仪设计

针对倾斜转弯导弹,提出了最优/经典综合设计方法设计自动驾驶仪.该方法应用最优控制设计出俯仰/偏航混合通道三回路自动驾驶仪,设计中同时对开环系统的奇异值频域曲线进行约束,以保证系统具有一定的鲁棒性,获得的三回路自动驾驶仪结构简单,易于工程实现.仿真结果证实了其具有良好的跟踪性能和鲁棒性,也表明该自动驾驶仪能满足倾斜转弯导弹协调倾斜转弯的要求.     

自动驾驶仪特性对寻的导弹气动力设计的影响

在寻的制导中,气动控制的导弹的传递函数是整个寻的制导和姿态控制反馈回路的一部分。因此,为完成寻的制导,导弹的空气动力特性必须满足一定的约束。对于雷达寻的制导系统,这些约束必须非常严格,这样,自动驾驶仪才能利用弹上设备和内反馈回路来控制气动传递函数。无论哪种驾驶仪,气动力矩参数 (如M_α和M_δ)的选取范国必须在导弹系统的初步设计时给予考虑。本文讨论了这些约束的物理性质和来源,通过数值计算的例子说明所要求的参数范围。     

两回路/三回路驾驶仪对闪烁背景下

针对闪烁噪声成为雷达末制导段主要随机误差之一,从控制系统设计的角度研究了闪烁背景下制导精度改进问题。建立了闪烁噪声作用下的制导控制模型,模型中引入了平台导引头动力学,研究了闪烁噪声对制导指令的影响;将控制系统设计指标选择为时域/频域混合的设计指标,选用开环穿越频率约束下极点配置方法完成了两回路/三回路过载驾驶仪的设计,研究了不同控制系统设计指标下的比例导引末制导脱靶量。研究表明,比例导引制导系统采用经典两回路过载驾驶仪时,通过适当增大开环穿越频率、适度减小系统阻尼,可以减小闪烁噪声造成的脱靶量;而当采用经典三回路过载驾驶仪时,则可以通过适当增大开环穿越频率、适当减小二阶阻尼或者增大一阶环节时间常数的方法来减小闪烁噪声下的脱靶量。     

三回路驾驶仪开环穿越频率约束极点配置设计

针对在三回路驾驶仪设计中,希望对开环穿越频率进行约束,以保证设计完成后的系统在考虑驾驶仪各硬件动态特性后仍能满足稳定性要求.在极点配置的计算方法基础上,构造以系统非主导极点为变量,以开环穿越频率为约束的非线性方程,利用方程求解程序求解相应的非主导极点值,进而完成驾驶仪设计.驾驶仪设计实例验证表明,这一方法便捷可行,非常适用于三回路驾驶仪工程设计.     

数字式寻的制导——稳定性与系统性能的折衷处理

在导弹寻的制导系统中,可增添数字信号处理能力,以提供对付复杂威胁决策能力的广泛方法。数字处理或在地面上进行,或在导弹上进行。然而,无论在何处,都将把一些附带的动力学特性引入到制导回路中,因而可能降低系统性能。事实上,数字化的影响是如此之重要,以致在开始时就必须考虑,以保证制导系统的设计获得成功。数字化的最重要的影响之一是把采样和保持过程引入到姿态制导回路中。本文讨论数字处理对系统相对稳定性和性能的影响。介绍改善系统性能的各种方法,同时介绍折衷评定曲线,这些曲线表明应该如何确定主要的子系统参数,如导引头稳定回路增益及自动驾驶仪的时间常数。分析结果给出了当采用数字式制导时,制导子系统参数与可接受的系统性能鲁棒集之间的折衷处理。     

弹载SAR系统参数优化设计方法

通过建立弹载合成孔径雷达(synthetic aperture radar, SAR)系统参数优化设计数学模型,提出了一种基于遗传算法(genetic algorithm, GA)的弹载SAR系统参数优化设计方法,解决了弹载SAR系统在确定弹道和多个系统指标非线性约束条件下的系统参数优化设计问题。该方法能够在满足系统指标(分辨率、幅宽、数据率、噪声等效后向散射系数等)要求的前提下,快速获取使图像性能最优的系统参数。同时,该方法还适用于方位向多波位模式的系统参数优化设计。基于典型工作参数的仿真实验验证了该方法的有效性。     

基于遗传算法的导弹稳定控制回路参数设计方法

本文利用遗传算法（ＧＡ）来优化设计控制系统参数。文中在简要阐述遗传算法的机理及实现的基础上，将遗传算法应用于Ｘ型导弹的弹上稳定回路的参数设计，仿真结果表明了所提方法的可行及有效性。     

基于模糊小波网络的防空导弹自动驾驶仪设计

针对防空导弹的飞行控制问题,提出一种基于模糊小波网络的导弹自动驾驶仪设计方法。该方法利用模糊小波网络良好的学习和参数自调整能力,因而使建立的系统辨识器及控制器能够很好地近似系统动态特性,逼近最佳控制效果。给出了应用该方法的具体实现步骤,结合导弹飞行的全弹道典型特征点参数,通过仿真实验说明了设计方法的有效性。     

基于GA优化的质量矩拦截弹模糊滑模姿态控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性、敏捷性和制导控制精度。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统,利用滑模控制设计了拦截弹飞行时的姿态控制系统,提出采用模糊逻辑算法抑制系统抖振的同时,把控制系统的多个设计目标转化为不等式约束,采用遗传算法优化控制参数,控制系统性能满足设计要求。仿真结果验证了这种方法的有效性。     

用现代时域法设计BTT导弹自动驾驶仪

本文先建立了高性能BTT导弹控制系统和两个横向加速度指令数学模型。由于高性能BTT导弹滚转速率较大,俯仰、偏航通道间存在强动力学耦合,但滚动通道可以近似解耦。然后,用本文给出的模型跟随理论设计俯仰一偏航通道自动驾驶仪,用线性二次型理论设计滚动通道自动驾驶仪。为了满足远程全空域BTT导弹作战要求,自动驾驶仪中的增益是滚转速率和动压头的函数。最后,利用某典型地空导弹动力学模型进行了六自由度数字仿真,计算结果表明设计出的自动驾驶仪对导弹结构参数、气动参数、高度等变化具有良好的鲁棒性,导弹侧滑角、脱靶量很小。     

双滑模变结构控制的BTT导弹自动驾驶仪设计研究

由于倾斜转弯控制技术的特点决定了BTT导弹的数学模型存在多种耦合因素，因此目前STT导弹广泛采用的忽略通道间耦合关系的三通道独立设计方案已远不能满足BTT导弹控制系统的设计要求。基于变结构控制理论，采用了一种新的BTT导弹自动驾驶仪的设计方法。该方法把俯仰和偏航两个耦合严重的通道联合建立状态方程，用自适应极点配置设计双滑动模态，降低了控制量的切换频率；用趋近律方法设计变结构控制，其控制量参数用自组织模糊进行调节，可有效削弱滑动模态的抖振。这种控制器简化了变结构控制，计算量小。     

船舶自动舵和自动避碰算法仿真测试平台的研究

采用MatLab的Simulink工具箱和实船实验测试船舶自动舵和自动避碰算法，存在风险大、调试周期长、费用高的缺点。基于全任务船舶操纵模拟器，研究可用于测试船舶自动舵算法和自动避碰算法的仿真测试平台。详细介绍了该测试平台的体系结构、系统功能、接口设计，并以船舶航迹保持算法为例仿真测试了该算法对一艘商船的控制效果。该平台已成功应用于船舶自动舵和自动避碰算法的测试。     

具有侧向脉冲推力的旋转导弹建模与控制研究

针对具有气动舵和侧向脉冲推力复合控制的自旋导弹,在准弹体坐标系中建立完整的动力学模型,由于侧向脉冲推力的离散事件特性,提出运用混杂系统理论的方法设计其复合控制自动驾驶仪。根据系统的特性将自动驾驶仪划分成两种不同的工作模式,针对不同的工作模式分别设计不同的控制方法,通过两种模式之间的切换实现导弹的快速响应和能源的合理分配。最后进行仿真检验该自动驾驶仪的有效性,并将仿真结果与气动舵单独控制时的结果作了对比,表明通过复合控制显著改善了导弹的动态响应特性     

基于深度强化学习的驾驶仪参数快速整定方法

针对深度强化学习方法对驾驶仪控制参数训练速度慢、奖励函数收敛性不好等问题,以三回路驾驶仪极点配置算法为核心,提出一种将三维控制参数转换为一维设计参量的智能训练方法,构建离线深度强化学习训练叠加在线多层感知器神经网络实时计算的智能控制架构,在提高深度强化学习算法的效率和奖励函数收敛性同时,确保在大范围飞行状态变化条件下控制参数的快速在线自整定。以典型再入飞行器为例,完成深度强化学习训练和神经网络部署。仿真结果表明,强化学习动作空间简化后的训练效率更高,训练得到的驾驶仪对控制指令的跟踪误差在1.2%以内。