第１７卷第６期２００２年１１月
海军航空工程学院学报
ＪＯＵＲＮＡＩ．ＯＦＮＡＶＡＬＡＥＲＯＮＡＵＴｌＣＡＬ’ＥＮＧＩＮＥＨＲｌＮＧＩＮＳＴＩＴＵＴＥ
ｖ【１１１７Ｎ【’６
Ｎｏｖ２００２
导弹控制系统设计方法综述
胡云安１，晋玉强２
（１．海军航空工程学院自动控制系；２．海军航空工程学院学员旅，烟台，２６∞０１）摘要；介绍了当前非线性自适应反演控制理论的研究现状和多种导弹控制系统设计方法。塌
后给小了结论．
关键词：非线性系统：神经网络；非匹配不确定性；反演控制技术
中图分类号：ｖ２４９．１２
文献标识码：Ａ
ＳＵＲＶＥＹＯＦ￣ⅡＳＳＩＬＥＣＯＮＴＲＯＬ
ＤＥＳＩＧＮＩＮＧ
ＳＹＳＴＥＭ
ＭＥＴＨＯＤ
ＨＵＹｉｎ—ａｎｌ，ＪＩＮＹｕ—ｑｉａｎ９２
（１．ＤｅｐａｒｔｍｅｎｔｏｆＡｕｃｏｍａｔｉｃＣｏｎｔｒｏｌＥ“ｇｉｎｅｅｎ“ｇ，ＮＡＥＩ；２．Ｓｔｌｌｄｅｎｔｓ’Ｂｄｇａｄｅ
ｏｆＮＡＥＩ．ＮＡＥＩ，Ｙ札ｌａｉ，２６４００１）
ｂａｃｋｓｔｏｐｐｉｎｇ
Ａｂｓｔｒ舵ｔ．Ｔｈｅ化ｃｅｎｔｒｅｓｅａｒｃｈｅｓｉｎ
ｎ叩ｌｉｎｅ缸ａｄａｐｌｉｖｃ
ａｒｃ
ｃｏｎ咖ｌ山ｃｏｒｙ
ａｎｄｖａｒｉａｂｌｅ
ｄｅｓｉｇｎＩｒ忙ｍｏｄｓｏｆｎｌｉｓｓｉｌｅＫｅｙ
ｃ哪ｔｆｏｌ
ｓｙｓｔｃｍｓ
ｉｎ廿０ｄｕｃｅｄＦｉｎａｌＩｙ，ｔｈｅｃｏｎｃｌｕｓｉｏｎｓ缸８ｇｉｖｅｎ
ｗｏｒｄｓ：聃曲ｎ衄ｒｓｙｓｔｅ】帕．ｎｅ盯ａｌｎｅｔｗ吖ｌ‘ｓ；觚ｓＩ腑ｔｃｈｅｄｕⅡｃｅｒｔａｉⅡｔｙ，ｂａｃｌ【ｓｔ叩ｐｉ嘴∞ｎｔｒｏｌ
ｔｅｃｈＩｌｉｑｕ∞
０引言
现代战争对导弹的机动性、快速性及突防能力的要求越来越高，对其控制系统也提出了更高的要求。传统的导弹飞行控制系统设计方法是基于“小扰动理论”和“固化系数”的基本假设进行的ｍ“。
随着现代战争对导弹飞行控制系统要求的不断提高，这种传统的线性化设计方法已不能满足这种要求。最近十几年来，人们不断努力研究各种非线
同样非线性自适应控制理论在过去的十几年也经历了一个快速的发展阶段，国内外许多学者都在研究这种控制方法及其应用｛”】。神经网络和模糊逻辑作为不依赖模型的白适应函数估计器，其逼近光滑函数的能力已被证明∞ｌ。
大量的非线性自适应控制研究都是利用了神经网络或模糊逻辑逼近非线性光滑函数能力，这样就可以在缺乏系统动态先验知识的情况下设计白适应控制器，实现对系统的控制。
反演控制技术或自适应反演控制技术，是近几年发展起来的一种非线性递推控制设计方法口Ｉ。它通过一步步构建Ｌｙａｐｕｎｏｖ函数推导出稳定的控制律，这种稳定性分析方法是构造性的。
积分型反演技术可以用来设计控制器处理不满足匹配条件的不确定性。反演技术的出现年¨发展使非线性控制设计取得了根人的成功。
白适应反演技术可以用来控制含有未知不确定性的非线性系统。随着自适应反演披术的快速发展，白适应反演控制技术已经被广泛施Ｊ｝Ｊ箨兹控制
性控制算法来提高导弹控制系统的性能““。ＤｓＰ
快速处理芯片的出现使非线性复杂控制算法实现成为可能，因此研究导弹非线性控制系统设计具有现实意义和长远意义。
ｌ理论基础
非线性控制理论经过数ｆ‘年的发展，已初步形成一个体系。其中最有代表性的是Ｉｓｉｄｏｒｉ提出的精确反馈线性化的设计方法Ｈ】。但该疗法存在很人的局限性，其中模型要求精确已知，这在很多系统中都是不能满足的。
收稿ｆ］期：２００２一０５．１９
怍着简卟：枷ｒｉ宦ｆ１９６８一）．％．诎授，博｝牛
万方数据
海军航空工程学院学报２００２年第６期
系统中【１¨１“。２导弹控制系统设计
２．１古典控制理论设计法
传统的设计方法是在固定工作点将导弹系统线性化，再应用比较成熟的占典控制理论来实现对导弹的控制。１９７９年，Ｎｅｓｌｉｎｅ分别在频域和应ｆ［１Ｊ线性二次型调节器研究了导弹自动驾驶仪设计“３““。１９８７年，Ｋｏｖａｃｈ等人在初始设计时，先忽略三通道间的耦合，利用频率法和根轨迹方法独立设计三通道的自动驾驶仪，要求俯仰和滚动通道满足设计要求，偏航通道的响应速度至少与滚动通道一样快，制导系统产生俯仰加速度和滚动角命令，偏航通道起协调作用，实现了ＢＴＴ导弹的控制¨５】。２．２现代控制理论设计法
现代控制理论的发展为解决像导弹这样复杂的多输入多输出系统的控制问题提供了新的方法。
１９８７年，ｗ珊ｉａ“等把ＬＱＧ，ＩＴＲ方法．Ｅｆ』ｒ丁－一种高
性能ＢＴＴ战术导弹的自动驾驶仪设计”“，其设计步骤是：首先，利用系数冻结法，即假设滚转角速度的变化足够慢，从而可冻结为常数，把非线性模型线性化，得到两个线性子系统，一个是独立的滚转通道子系统，另一个是由俯仰偏航通道组成的
加ＭＯ耦合模型，然后，对俯仰偏航模型麻川
ＬＱＧ几ＴＲ方法进行设计。１９８８年，Ｂｏｓｓｉ等分别＿｝Ｉ；｜古典的ｓＩｓＯ设计方法和ＬＧＲ方法设计了ＢＴＴ导弹自动驾驶仪，并对它们的性能作了比较【１”。２－３鲁棒控制理论设计法
鲁棒控制理论因其对不确定一ｌ生的抑制能力而引
起人们的关注。１９８９年，Ｒｅｉｃｈｅｒｔ采用也控制理
论设计了ＢＴＴ导弹自动驾驶仪，但在设计过程中忽略了系统中存在的不确定性结构Ｉ”Ｊ。１９９０年，他又建立了一种“综合设计方法，并刚于ＢＴＴ导弹
自动驾驶仪的设计，这种方法把玑最优控制和“分
析方法结合起来，并考虑了系统中存在的不确定性结构。１９９３年，ｗｉｓｅｔＬＩ＝｜参数空间鲁棒性测试方法分析了自动驾驶仪系统对实或复不确定性的鲁棒性¨９ｌ。郑建华研究了鲁棒控制理论在ＢＴＴ导弹白动列驶仪设计中的应用１…。１９９６年，杨军等研究了奇异摄动理论在ＢＴＴ导弹自动驾驶设计中的应用，应用奇异摄动理论利舵面解耦技术将多变量系统简化成单变量系统，并麻用极点配置理论设计了协调转弯自动驾驶仪０２”。２０００年，ｃｉａｎｎ—ｄｏｎｇ应
万
方数据用＾Ｌ理论设计了导弹驾驶仪【２２】。直接采＿Ｉ二｜｛了没有线性化的导弹１Ｆ线性六自由度的运动模型，利用＾ｆ＿理论求解了Ｈａ栅ｌｔｏｎＪａｃｏｂｉ偏微分方程，用Ｈａｌｌｌｉｌｔｏｎ．Ｊａｃｏｂｉ偏微分方科的解析解推导了闭环
巩控制器设计方法。但应用鲁棒控制理论解决控
制问题过程繁琐，实现也较幽难。２．４智能控制理论设计法
因为具有良好的逼近非线性函数的能力，神经网络和模糊逻辑已经广泛应用到导弹控制系统设计中。１９９６年．“ｎ等人将白适应模糊控制方法用于某ＢＴＴ导弹自动驾驶仪设计ｍ】。１９９７年砀ｍ和ｃａｈｓｅ应用神经网络实现了非线性飞行控制Ⅲｌ。Ｆｕ等基于神经网络设计了一种自适应鲁棒ＢＴＴ导弹自动驾驶仪口”，这种方法将神经网络与滑模控制技术结合起来，神经网络＿Ｅ｝】于某些未知非线性函数的建模，而滑模控制则用于克服某些建模误著项，该设计基于李雅普诺夫稳定性理论，因而保证了闭环系统的稳定性。同年，Ｇｅｎｇ和ＭｃＣｕｌｌｏｕ曲将模糊逻辑应用到导弹控制系统中，取得了较好的控制效果”】。１９９８年，ｃａｌｉｓｅ等概括了神经网络在飞行控制系统设计中的应用，重点是１Ｆ线性白适应控制设计。表明在飞行器进行大的非线性机动时，神经网络因为其在线学习可以跟踪飞行器动态的变化使控制器具有良好的性能㈣。
应用智能控制理论设计的导弹控制系统因为考虑了系统动态的１Ｆ线性，因此比一般的设计方法往往能提供更好的性能。但这种设计方法相对于其他线性或非线性方法算法复杂，实现也较难。
２．５增益调度设计法
分析和设计非线性控制器比分析设计线性控制器要复杂得多，因此人们开始研究将非线性系统化成一族线性系统来研究，这就是“增益调度”。增益调度（规划）的设计思想是对动态变化比较大的系统，首先将系统化成一族简单系统，然后分别设计控制器，选择适当的调度变量，应ｔＬ｜｛插值技术将这一族控制器整合成全局控制器。
在过去的十儿年里，应州增益凋度技术设计导弹白动驾驶仪被大量研究。１９８８年Ｒｅｌｃｈｅｒｔ应川线性化动力学和不确定性模型设计一种线性时不变（Ｌ１１Ｉ）鲁棒控制器，把控制器作为攻角的函数进行调度１２”。１９９３年，ｓｈａｍｍａ等提山一种新颖的增益凋度导弹自动驾驶仪没计方法口…。这种方法与传统的增鼯凋度方法不同，它不是通过泰勒级数
总第６６期胡０安等：导弹控制系统’歧汁方法综述
６０７
截断来线性化，而是通过对原非线性动态系统进行状态变换米获得一簇线性对象，这样一簇由某个规划变量所确定的对象被称为线性参数变化（ＬＰｖ），它不同于线性时变对象的地方在于其参数变化是术
知的但可根据系统的工作估计（测量）山来。冈为
不涉及线性化，因此，控制器不局限于局部上作点，这种方法被用于纵向导弹驾驶仪，攻角作为调度变
量。
１９９８年，贝超提出了基于遗传算法的增益调
度控制系统设计，初步实现了设计工作的的自动化和设计方法的通用化【”】。
增益调度概念清楚，设计方法简单。但在不同的特征点转换期间的稳定性实际上并无保证，而且，增益调度方法的前提是调度变量只能是慢变的。还有，由于要设计大量的线性控制器，设计费
用较大，效费比小。
２．６非线性控制理论设计法
随着现代战争对导弹控制系统要求的提高，导弹自动驾驶仪设计越米越多的需要考虑系统的非线性。反馈线性化是近年来引起人们极大研究兴趣的一种重要的非线性控制设计方法。这种方法的基本思想是通过反馈，将一个非线性系统的动态特性全部或部分地变换成线性的动态特性，从而可以应用成熟的线性控制的方法进行控制口ｌ。基于导弹动态反馈线性化的非线性控制器相继出现ｍ
３Ｉ】。
１９９６年，ＲｅｉｎｅＬＪ．基于时标分离和动态逆应用反馈线性化平¨结构奇异（“）分析设计了鲁棒控
制器，在马赫数及攻角变化范围很大时，控制系统
仍表现出很强的鲁棒性【３”。但是线性化设计方法
存在着＿定的缺陷，一是线性化省略了很多有用的非线性动态；二是线性化设计方法往往要求模型精确已知，这在导弹控制系统是很难满足的。
反演技术和自适应反演技术的出现使非线性控制获得了巨大的成功。这种新型递推设计技术解决了许多其他非线性设计方法很难解决的问题。应用
反演技术来设计飞行器控制系统的研究也相继出
现。１９９５年，Ｒｉｃｈａｒｄ首先将导弹纵向控制模型化导弹纵向运动控制器””。
２００１年，Ｔａｅｙｏｕｎｇ应用反演技术设计了Ｅ行
万
方数据一个新的研究方向。
２．７其他方法
Ｎｅｓｌｉｎｅ应Ｉ｝｝』最优控制理沧和传统设计方法设计导弹鲁棒控制系统Ｉｌ”。顾文锦、张友安等提出了导弹块对角飞行控制系统设计方法口““。给出了描述ＢＴＴ导弹运动的所有运动方程的解析逆解，
并进行了六自由度仿真。
３结论
从上面的分析我们可以看山，随着战争对武器
系统要求的提高，非线性设计方法将取代线性设计
方法成为导弹控制系统设计的主流。而白适应反演设计方法作为一种新型的设计方法，因为其独特的
设计过程及其处理不确定性尤其是非匹配不确定性
的能力，已经成为一种不可替代的非线性设计方
法。设计导弹控制系统的主要困难是米白系统中存在的非匹配的不确定性。因此应用非线性自适应反
演控制设计导弹控制系统成为一种必然的趋势。
参考文献：
ｌ
Ｅｍｍａｎｕｅｌ
Ｄｅｖａｕｄ，Ｊｅ柚一Ｐｈｉｌｉｐｐｅ
Ｈａｒｃａｕｔ
Ｔｈｒｃｃ—Ａｘｅｓ
ＭｉｓｓｉｌｃＡｕｔｏｐｉｌｏｔＤｅｓｉｇｎ：ＦｒｏｍＬｉｎｅａｒ
ｔｏ
ＮｏｎｌｉｎｅａｒＣｏｎｔｒｏｌ
Ｓｔｒａｔｃｇｉｅｓ【Ｊ】Ｊｏｕｍａｌｏｆ
Ｇｕｉｄａｌｌｃｅ，Ｃ０ｎ叻１．卸ｄ
ＤｙｎａＩＩｌｉｃｓ．
２００ｌ，２４（１）：“一７１
２王守斌某型ＢＴＴ导弹实验器自动驾驶仪设计与分析｛Ｄ】哈尔滨工业人学，１９９８．６
３
Ｅ．Ｄｅｖａｕｄ，Ｈｓｊｇｕｅｒｄｉｄｊａｎｅ，ｓＦｏｎｔ
ｓｏｍｃｃｏｎｃｒｏｌｓｔｒａｌｃｇｉｃｓ
ｆ研
ａ
ｈｉｇｈ－ａｒ蟮ｌｃ－ｏｆａｔｔａｃｋ
血ｓｓｉｌｅａｕｃｏｐｉｌｏｃ
ｃｏｎｔｍｌ
ＥｎｇｉｎｅｅｒｉｎｇＰｒａｃｔｉｃｅ【Ｊ】２０００（８）：８８５—８９２
４
Ｉｓｉｄｏ＾，Ａ．Ｎｏｎｌｉｎｅａｒｃｏｎ咖ＩｓｙｓｔｅｍｓｆＭ】．Ｎｅｗ
Ｙ０ｒｋ：
ＳｐｒｉｎｇｅＬ１９９５５
Ｃ．Ｃ．Ｌｌｕ
ａＩｌｄ
ＦＣ
Ｃｈｅｎ
Ａｄａｐｎｖｅ
ｃｏｎｔｒ０１ＯｆｎＯｎ上ｊｎｅａｒ
ｃＯｎｔｉｎｕｏｕｓ—ｔｉｍｅｓｙｓｔｃｍｓｕｓｊｎｇｎｅｕｍｌ
ｎｅｔｗｏｒｋｓ
—
ｇｅｎｅｆ甜
ｒｅｌａ￡ｉｖｅｄｅｇｒｅｅ
ａｎｄ
ＭＩＭ０
ｃａｓｅｓ．
ＩｎｔｅｍａｔｉｏｎａｌＪＯｕｍａｌＯｆ
Ｃｏｎｔｍｌ【Ｊ】１９９３，５８（２）：３１７—３５５
６ＣＹＳｕａｎｄＹ
Ｓｔｅｐ柚ｅｎｋ０
Ａｄａｐｌｉｖｅ
ｃｏｎ【ｍｌｏｆ
ａ
ｃｌ越ｓｏｆ
ｎｏｎｌｉｎｅａｒｓｙｓｔｅｍｓｗｉｔｈｆｕｚ２ｙｌｏｇｉｃ【Ｊ】ｌＥＥＥＴｈｎｓａｃＩｉｏｎｓ
ｏｎ
ＦｕｚｚｙＳｙｓＣｅＩｎｓ，１９９４，２：２８５＿２９４
Ｐ０ｌｙｃａ‘ｐｏｕ，Ｍ
Ｍ，１０ａｎｎｏｕ，Ｐ
Ａ
Ａｒｏｂｕｓｃ
ａｄａＰｔｉｖｅ
ｎｏｎｌｉｎｅａｒｃｏｎｔｒｏｌ
ｄｅｓｊｇｎ【Ｊ】Ａｕｔｏｆｎａｔｌｃａ１９９６，３２（３）：４２３－４２７
Ｆｕｎａ｜ｌａｓｈｉ，ＫｌＯｎｃｈｅａｐｐｒＯｘｌｍａｔｅｒｅａｈｚａＩｉＯｎＯｆｃｏｎｔｉｎｕｏｕｓｒｎａｐｐｉｎｇｓ
ｂｙ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋｓ【Ｊ】ＮｅｕｒａｌＮｅｔｗｏｒｋｓ．
１９８９２：１８３一１９２
Ｋｒｓ【１ｃ，Ｍ，Ｋａｎｅ儿ａ｜（ｏｐｏｕｌｏｓ．Ｉ．ａＴｌｄＫｏｋｏ【ｏｖｉｃ，ＰＮｏｎ¨ｎｅａｒ
成级联的形式，然后虑心这种递推设计技术设计了器非线性白适应控制器，取得了较好的控制效果，
７
８但摄后收敛残集的确定比较繁琐““。应Ⅲ反演控
制技术设计的控制系统可以解决导弹控制系统中存
９在的非匹配不确定性问题，为导弹设汁方法提出丁，
海军航空Ｉ程学院学报２００２年第６期
Ⅱｄ
Ａｄａｐｔｉｖｅ
Ｃｏｎ【ｒｏｌ
Ｄｅｓｉｇｎ［Ｍ】．Ｗｉｌｅｙ－Ｉｎ忙ＴＳａｅｎｃｅ
２８９
Ｐｕｂｌｉｃａｔｉｏｎ．１９９５１０
２３ｃＫＬｉｎ，ｅｔ酊
Ｋｒｓｄｃ
Ｍ．Ｒｏｂｕｓ廿１ｅｓｓｏｆ
ｔＩｌｅ
ｍｎｉｎｇ
Ａ血ｐｔｉｖｅ
Ｆｕｚ２ｙｃｏｎｔｒｏｌｏｆＢ曲ｋ－ｔｏ一１、ｌｒＩｌ
Ｉｋｈｏｕ锄ｅ
Ｆａ１１ｄ
Ｍｊｓｓｉｌｅｓ【Ｃ】Ｐｒｏｃ．ｏｆ山ｃ１１１ｄｕｓｔｒｉａｌＥｌｃｃ廿ｏｍｃｓ，Ｃｏｎｔｍｌ．期ｄ
ｆＩｌｎｃｄｏｎｓａｄ８ｐｄｖｅｂａｃｋ吼ｏＰＰｉｎｇｄｅｓｉｇｎｆｏｒｌｉｎｅ缸ｓｙｓｔｅⅡＢ［Ｊ】．ＩＥＥＥ１ｈｎｓ∞吐Ｏｎｓ０ｎＡｕｔＯｍａｔｉｃ
Ｉｎｓｔｍｎｌｃｎｔａｔｉｏｎ．啊ｗａＩＩ
２４
１９９６：５９６＿６０Ｉ
Ｃ∞叻１．１９９８．４３：４３１—４３７
Ａｄ印ｎｖｅｎｅｕ咖ｎｅｔｗｏｒｋ
ｓｙｓｔｅｍｓ
ｕｓｉ“ｇ
Ｋｉｍ．Ｂ．ｓ．ａｎｄｃａｌｉｓｅ，Ａ＿Ｊ．Ｎｏｎｌｉｎｅａｒ
ｎｉｇｈｔｃｏｎｃｒｏｌｕｓｉ“ｇ
１１功锄ｇ’Ｔ，Ｇｅ．ＳＳ．＆Ｈ锄ｇｔＣＣ
ｃｏｎｔｒｏｌ
ｆｏｒ
ｓｔｒｉｃｔ－ｆｅｅｄｂ孔ｋ
ｎｅｕ删
ｎｅｔｗｏｒｋｓ叭Ｊｏ哪ａ１
１９９７，２０（１）：２６－３３
ｏｆ
Ｇｕｉｄ柚ｃｃ，Ｃ叩ｔｒ０Ｉ，
姐ｄ
ｎｏｎｌｉｎｅａｒ
Ｄｙｎｍｉｃｓ
２５
ｂａｃｋｓｃｏｐｐｉｎｇｄｅ豇ｇｎ【Ｊ１．Ａｕｔｏｍａｔｉｃ孔２０００，３６（１２）：１８３５—１８４６
Ｌ．ｃ．Ｆｕ．、ＭＤ．ｃ｝啪ｇ’Ｊ
Ｈ．Ｙａｎｇ．ａｎｄ
Ｔｓ
Ｋｕｏ．Ａｄａ州Ｖｅ
１２‰ｙｏｕｎｇ
Ｊｏｕｍａｌ
ｏｆ
Ｌ，柚ｄＹｏｕｄ趾豇ｍ．Ｎ０ｎｌｉｎｃａｒａｄａｐｂｖｃｎｉ曲ｔ
Ｒ０ｂｕｓｔＢ粕ｋ＿ｔ０－１ｈｍＭｉｓｓｉｌｅＡｕｃｏｐＩｌｏｔＤｅｓｉｇｎＵｓｊ“ｇＮｅｕｒａｌ
ｃｏｎｔｒｏｌｕｓｉｎｇｂａｃｋｓｔｏｐｐｉｎｇ锄ｄｎｅｕⅢｎｅｔ、∞ｒｋｓ
ｃｏｎｔｍｌＩｅｒｓⅢ．
Ｎｅｔｗｏｒｋｓ【Ｊ】Ｊ０ｕｍａｌｏｆＧｕｉｄ皿ｃｃ，Ｃｏｎｔｍｌ，柚ｄＤｙｒＩａＩｎｉｃｓ１９９７，２０（３）：３４６’３５４
２６Ｇｅｎｇ，Ｚ
Ｇｕｉｄ卸ｃｅ，Ｃｏｎｔｍｌ，
皿ｄ
Ｄ”ａＩＩｌｉｃｓ．２００ｌ，
２４（４）：６７５－６８２
１３
Ｊ卸ｄＭｃＣｕｌｌｏｕｇｈ，Ｃ．ＬＭｉｓ豇ｌｅｃｏｎｔｍｌｕｓｉ“ｇ
Ｎｅｓｌｉｎｅ，ＦＷ，ａｎｄＮ曲ｂｅｆｅｌｄ，Ｎ
ｆｏｒ
Ｈｏｍ．ｍｇ
Ｃ．
Ｄｅｓｉｇｎ
ｏｆ
Ｄｉｇｉｔａｌ
ｆ１１ｚｚｙｃｅ咒ｂｅＵａ
Ｉｎｏｄｅｌ耐Ｉｌｌｍｃｎｃ
ｃｏｍｐｕｃ盯ｎｃｕｒａｌｎｃ【ｗｏｒｋｓ【Ｊ】．
Ａｕｔ叩ｉｌｏｔｓ
１４
Ｍｉｓｓｉｌｃｓ【Ｃ】．ＡＧＡＲＤ
ＪｏｕｍａｌｏｆＧｕｉｄａＩｌｃｅ，Ｃｏｎｔｒ０１ａｎｄＤ”ａ向ｃｓ
５６５
１９９７．２０（３）：５５７・
ｃｏｎｆｃＴｃｎ∞．１９７９：１．１４
Ｎｅｓｌｉｎｅ，ＦＷ，Ｗｅｌｌ３．Ｂ．Ｈ，ａｎｄＺａｒｃｈ皿，Ｐ
Ａｐｐｒｏａｃｈ【０
Ｒｏｂｕｓｔ
ＡＣＯＩｎｂｉｎｅｄ２７
Ｃａｌｉｓｅ，Ａ．Ｊ．ａｎｄＲｙｓｄｙｋ．ＲＴ
ｕｓｉｎｇ
ｎｅｕｒａｌ
ＮＯｎｌｉｎｅａｒ
ａｄａｐｔｉｖｅｎｉｇｈｔ
Ｏｐ血ｍｕｃｌ∞ｓｉｃａｌＭｌｓｓｉｌｃＡｕｔｏｐｉＪｏｌ
ｃｏｎｔｒ０Ｉ
ｎｅｔｗｏｒｋｓⅢ．ＩＥＥＥＣｏｎｔｍｌＳｙｓｃｃｍｓ
Ｄｅｓｉｇｎ【Ｊ】．ＡｌＡＡ，ＮｅｗＹｏｒｋ，１９７９：２６５－２８０
１５Ｍ－Ｊ．Ｋｏｖａｃｈ，ｅｔａ１．ＡＢ柚ｋ・ｔｏ
Ｍａｇ缸ｉ眦．１９９８，１８（６）：１４－２５
２８ＲＴＲｅｉｃｈｅｎ．Ｍｕｌｃｉｖａｒｉａｂｌｅ
１ｈｌ
ＡｕｔｏｐｉｌｏｔＤｃｓｉｇｎｆｏｒ加Ａｕ呻ｉｌｏｔ
Ｄｅｓｉｇｎｓｆｏｒ
ａ
Ｂ孤ｋ・
ＡｄｖａｎｃｅｄＡｉ卜ｔｏ—Ａ打Ｉｎｔｅｒｃｅｐｔｏｒ【Ｃ１．Ｐｒｏｃ．ｏｆｔｈｅ１９８７ＡＩＡＡ
ｔｏ一１、ｌｍＭｉｓｓｉｌｅ【Ｃ】Ｐｍｃ．ｏｆⅡ１ｅＡＣＣ，ＮＪ２９Ｊ．Ｓ．Ｓｈａｒｍｎ轧ｅｔａｌ“ｎｅａｒＰａｒａｍｅｔｅｒ
１９８８：２３６８－２３７３
Ｇｕｉｄ眦ｅ，Ｎａｖｉｇ撕ｏｎ
Ｙ０ｒｋ
１９８７：１３４６．１３５３
ａｎｄｃｏｎ廿０ｌ
Ｃ叫ｆｅ陀ｎｃｅ．ＡＩＡＡ，ＮｅｗＧａｉｎ－ＳｄＩｃｄｕｌｃｄＡｕｔｏｐｌｌＯｔＤｃｓｉｇｎＵｓｉｎｇＶａｒｙｊｎｇ
１ｈｎｓｆｏｒｍａｃｉｏｎｓ［Ｊ】．Ｊｏ岫ａ１
ｏｆ
１６ｎＥＷｉｍａｍｓ。Ｂ．Ｆｄｅｄｌ锄ｄｔ卸ｄＡ．Ｎ．Ｍａｄｉｗａｌｅ．Ｍｏｄｅｍｃｏｎ廿０ｌ
Ｇｕｉｄ卸ｃｅ，Ｃｏｎ帅１．锄ｄＤｙｎａ嘶ｃｓ．１９９３，１６（２）：２５６—２６３
３０贝
ｎｅｏｒｙ
Ｄｅ对ｇⅡｏｆ
Ａｕｔｏｐｉｌｏｔｓ
ｆｏｒＢ釉ｋ＿ｔｏ一１、ｌｍ
超．防空导弹稳定控制系统设计方法研究［Ｄ］航空
Ｍｉｓｓｉｌｃｓ【Ｊ】Ｊｏ啪ａｌ
１９８７，１０（４）：３７８—３８６
１７
ＪＡＢｏｓｓｉ，
ａ
ｏｆＧｕｉｄ鲫ｃｅ，Ｃｏｎｔｍｌ，柚ｄＤｙｎａ栅ｃｓ
ｕＴ业总公司第二砷Ｉ：究院．１９９８
３ｌ
Ｈ缸ｃａｕｔ，Ｊ．Ｐ
Ｎｏｎｌｉｎｅａｒ
ｃｏｎｔｒｏｌ
ｏｆＭｉｓｓｉｌｃＴｈｍｕｇｈＮｏｔｅｓｉｎ
ａ
ＭＡＬ跏ｇｅｈｏｕｇｈ．
Ｍｌｌｌｄｖ撕ａｂｌｅ
Ａｕｔｏｐｉｌｏｔ
Ｇｅｏｍｃｔｒｉｃ
Ａｐｐｒｏａｃｈ【Ｊ】ｋｃｔｕｒｅ
１４４：２７－３６
Ｃ０ｎ盯ｏＩ卸ｄ
Ｄｃｓ咖ｆｏｒ
Ｃｏｎｃｒ
Ｂ舡止一ｔｏ—ＴｕｍＭｉｓｓｉｌｅ【Ｃ】ＰｒｏｃｏｆＩｈｅ
Ａ眦ｒｉｃ卸ＩｎｆｏｍａｔｉｏｎＳｃｉｅｎｃｅｓ．１９９０
３２Ｒｅｍｅｒ，Ｊ．Ｂａｌ孙，ＧＤｅｓｉｇｎＵｓｉ“ｇＲＯｂｕｓｔ
Ｃ叫ｆ．１９８８：５６７．５７２
Ａｐｐｌｉｃａｔｉ∞ｏｆＨ。ｃｏｎｌ∞ｌ【０Ｍｉｓｓ订ｅＡｕｃｏｐｉｌｏｔ
ＡＩＡＡ
Ｊ，锄ｄＧａｒｒａｒｄ，ｗ．ＬＦｌｉｇｈｔｃｏｎ∞Ｉ
１８ＲＴＲｅｉｃｈｅｎ
ＤｙｎａＩＩｌｉｃＩｎｖｅｒｓｊｏｎ柚ｄ
Ｔｉ眦Ｓｃａｌｅ
Ｄｅｓｉｇｎ【Ｃ】
Ｐｒｏｃ．ｏｆ山ｅ
Ｇｕｉｄ卸ｃｅ．Ｎａｖｉｇａｌｉｏｎ卸ｄ
Ｓｅｐａｒ砒ｉｏｎ【Ｊ】．ＡｕＩｏｍａＩｉｃａ１９９６，３２（１１）：１４９３一１５０４
３３ＲｉｃｈａｒｄＡ
Ｈｕｌｌ，Ｄａ丌ｅｎＳｃｈｕｍａｃｈｅＬｚｈｍｕａＱｕ．ＤｅｓｉｇＩＩ
Ｃ仰ｔｒｏｌ
１９
Ｃｏｎｆｅｒｃｎｃｅ，１９８９：１０６５—１０７２
Ｋ．Ａ．Ｗｉｓｅ．ＭｉｓｓｉｌｅＡ呲ｏｐｉｌｏｔＲｏｂｕｓｍｅｓｓ七０Ｒｅａｌ锄ｄ
ａ
皿ｄＥｖａＩｕ砒ｉｏｎ０ｆＲ０ｂｕｓ【Ｎ０ｎｌｉｎｅａｒＭｉｓｓｉｌｅＡｕｔＯＤｉｌＯｔｓ疗Ｏｍａ
Ｐｅｒｆｏｒｍａｎｃｅ
ＣｏｍｐｌｅｘＵｎｃｅｎａｉｎｔｉｃｓＵｓｉｎｇＰａｒａｍｅｔ盯ＳｐａｃｅＲｏｂｕｓｔｎｅｓｓＰｅｒｓｐｅｃｔｉｖｅＩＣ】Ｐｒｏｃｅｅｄｉ“ｇ
ｏｆ山ｅＡｍｅｎｃ曲
１ｂｓｔ【Ｃ】．ＡＩＡＡ一９３—３７８８一ＣＰ
Ｃ０ｎ咖ｌＣｏｎｆｅｒｅｎｃｅｓ．Ｗａｓｈｉｎｇｔ叩１９９５，６：１８９－１９３
３４顾文锦，乇：Ｅ星．巡航导弹的非线性控制系统设计【Ｊ】
海军航空丁程学院学报，１９９７（３）：１０－１６
２０郑建华鲁棒控制理论及在ＢＴＴ导弹中的应用【Ｄ１．哈
尔滨工业大学。１９９６：８７－１００
２ｌ杨军，周凤岐奇异摄动理论在倾斜转弯导弹自动驾驶仪设计中的应用［Ｊ】兵工学报．１９９６，１７（４）：３４７—３４９
２２
３５张友安，胡云安，等．ＢＴＴ导弹的块对角控制器设计【Ｊ】海军航宅工程学院学报，２０００（４）：４０５．４０８
３６吴进牛，迟海，Ｆ衡梁系统的块对角控制器的设计［Ｊ】．海军航空工程学院学报，２０００（３）：３０１－３０５
ｃｉ枷・Ｄ０ｎｇＹ柚ｇ，Ｃｈｉｅｎ－Ｃｈ岫ｇＫｕⅡｇ．Ｎｏｎｌｉｎｃａｒ以Ｆ１ｉｇｈｔ
ｏｆＧｅｎｅｒａｌ
Ｓｉｘ
Ｄｅｇｒｅｅ
ｏｆＦｒｃｅｄｏｍ
Ｃｏｎｔｒ０１
Ｍｏｌｉｏｎｓ【盯．
Ｊ０ｕｍａｌｏｆ
Ｇｕｉｄ卸ｃｃ，Ｃ呻ｃｆｏＩ，ａｎｄＤｙｎａｍｉｃｓ２０００，２３（２Ｊ：２７８－
万方数据
导弹控制系统设计方法综述
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
胡云安， 晋玉强
胡云安(海军航空工程学院自动控制系)， 晋玉强(海军航空工程学院学员旅,烟台,264001)海军航空工程学院学报
HAIJUN HANGKONG GONGCHENG XUEYUAN XUEBAO2002，17(6)0次
参考文献(36条)
1. Emmanuel Devaud. Jean-Philippe Harcaut Three-Axes Missile Autopilot Design: From Linear toNonlinear Control Strategies 2001(01)
2. 王守斌 某型BTT导弹实验器自动驾驶仪设计与分析[学位论文] 1998
3. E Devaud. H Siguerdidjane. S Font Some control strategies for a high-angle-of-attack missileautopilot 2000(08)
4. Isidori A Nonlinear control systems 1995
5. C C Liu. F C Chen Adaptive control of non-linear continuous-time systems using neural networks -general relative degree and MIMO cases 1993(02)
6. C Y Su. Y Stepanenko Adaptive control of a class of nonlinear systems with fuzzy logic 19947. Polycarpou M M. Ioannou P A A robust adaptive nonlinear control design 1996(03)
8. Funahashi K I On the approximate realization of continuous mappings by neural networks 19899. Krstic M. Kanellakopoulos I. Kokotovic P Nonlinear and Adaptive Control Design 1995
10. Ikhouane F. Krstic M Robustness of the tuning functions adaptive backstopping design for linearsystems 1998
11. Zhang T. Ge S S. Hang C C Adaptive neural network control for strict-feedback nonlinear systemsusing backstopping design 2000(12)
12. Taeyoung L. Youdan Kim Nonlinear adaptive flight control using backstopping and neural networkscontrollers 2001(04)
13. Nesline EW. Nabbefeld N C Design of Digital Autopilots for Homing Missiles 1979
14. Nesline EW. Wells B H. Zarchan P A Combined Optimal/Classical Approach to Robust Missile AutopilotDesign 1979
15. M J Kovach A Bank-to Turn Autopilot Design for an Advanced Air-to- Air Interceptor 1987
16. D E Williams. B Friedland. A N Madiwale Modern Control Theory Design of Autopilots for Bank-to-TurnMissiles 1987(04)
17. J A Bossi. M A Laugehough Multivariable Autopilot Design for a Bank-to-Turn Missile 198818. R T Reichert Application of H∞ Control to Missile Autopilot Design 1989
19. K A Wise Missile Autopilot Robustness to Real and Complex Uncertainties Using a Parameter SpaceRobustness Test
20. 郑建华 鲁棒控制理论及其在BTT导弹中的应用[学位论文] 1996
21. 杨军. 周凤岐 奇异摄动理论在倾斜转弯导弹自动驾驶仪设计中的应用 1996(04)
22. Ciann-Dong Yang. Chien-Chung Kung Nonlinear H∞ Flight Control of General Six Degree of Freedom
Motions 2000(02)
23. C K Lin Adaptive Fuzzy Control of Bank-to-Turn Missiles 1996
24. Kim B S. Calise A J Nonlinear flight control using neural networks 1997(01)
25. L C Fu. W D Chang. J H Yang. T.S.Kuo Adaptive Robust Bank-to-Turn Missile Autopilot Design UsingNeural Networks 1997(03)
26. Geng Z J. McCullough.C L Missile control using fuzzy cerebella model arithmetic computer neuralnetworks 1997(03)
27. Calise A J. Rysdyk, R T Nonlinear adaptive flight control using neural networks 1998(06)28. R T Reichert Multivariable Autopilot Designs for a Bankto-Turn Missile 1988
29. J S Shamma Gain-Scheduled Autopilot Design Using Linear Parameter Varying Transformations1993(02)
30. 贝超 防空导弹稳定控制系统设计方法研究[学位论文] 1998
31. Harcaut J P Nonlinear control of Missile Through a Geometric Approach 1990
32. Reiner J. Balas G J. Garrard W L Flight Control Design Using Robust Dynamic Inversion and TimeScale Separation 1996(11)
33. Richard A Hull. Darren Schumacher. Zhihua Qu Design and Evaluation of Robust Nonlinear MissileAutopilots from a Performance Perspective 199534. 顾文锦. 王士星 巡航导弹的非线性控制系统设计 1997(03)35. 张友安. 胡云安 BTF导弹的块对角控制器设计 2000(04)36. 吴进华. 迟海 平衡梁系统的块对角控制器的设计 2000(03)
相似文献(10条)
1.期刊论文 段玉波. 刘博. 于铁成. 吴继辉. 张东旭 非线性系统的神经网络预测控制研究 -长江大学学报（自科版）理工卷2009,6(4)
针对工业过程控制中的强非线性系统的复杂控制问题,给出了一种基于神经网络预测的控制方法,用改进的BP神经网络实现预测控制中的模型预测,有效的解决了神经网络收敛速度慢的问题,同时用RBF神经网络实现预测控制中的控制器的优化,解决动态规划方法求解慢的问题.将该算法用于强非线性系统中,仿真结果表明该算法,具有响应速度快﹑跟踪性能好﹑鲁棒性和抗干扰性强的优点.
2.学位论文 郭红戈 基于神经网络的多变量非线性系统广义预测控制 2005
随着航天控制、过程控制、远程机器人控制以及生物医学工程等学科的发展，相应出现了一些强非线性强耦合系统的控制问题。广义预测控制(GPC)像其它的预测控制方法一样，可
在优化中考虑各种条件约束，又有很好的鲁棒性和抗干扰性，与常规控制相比，能更好地实现动态控制；另一方面，GPC采用的是受控自回归积分滑动平均(CARIMA)模型，控制律包括积分作用，可以自动消除控制系统的稳态偏差，因此，在单变量线性系统中获得了广泛的应用。当把这种成功的控制思想应用于强非线性强耦合系统时，需先解决解耦和建模的困难。而神经网络以其并行处理、分布式存储、对非线性函数的逼近功能、较好的鲁棒性、自适应性和自学习功能为多变量非线性系统解耦和建立非线性系统GPC的数学模型提供了一条途径。
为使广义预测控制的先进思想应用于非线性系统，本文把非线性系统分为线性部分和非线性部分，用误差反向传播(BP)神经网络对非线性系统建模。系统的非线性部分用单隐层的BP神经网络对其建模，采用学习速度较快的Davidon最小二乘法在线调整网络权值。线性部分采用CARIMA模型作为其数学模型，用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开，得到线性回归模型，并以非线性前馈增益方式补偿建模误差，建立了非线性系统的广义预测控制器，并用MATLAB语言仿真，仿真结果证明了该设计的有效性。
为了能把该设计应用于多变量非线性系统，本文先断开控制器，用单隐含层的BP神经网络作为解耦器对多变量非线性系统进行开环解耦，通过对广义对象可能控制量的学习训练神经网络，从而消除耦合影响。然后接入广义预测控制器，使用神经网络解耦器将来自其它通道的耦合影响视为可测干扰进行补偿，使得神经网络解耦器与被控对象组成的广义对象成为无耦合或耦合程度较小的系统，再用单变量非线性系统的广义预测控制器对解耦后近似无耦合的单变量系统进行控制。
将该方法应用于具有多变量强耦合、大时滞、大惯性和模型时变特性的钢球磨中储式制粉系统。针对离散化的数学模型先用神经网络解耦器对此模型进行开环解耦，并用MATLAB语言对解耦器的解耦效果进行仿真研究。然后，对解耦后的近似无耦合的单变量非线性系统进行广义预测控制，并用MATLAB语言进行仿真研究，仿真结果验证了本文提出的基于神经网络的多变量非线性系统广义预测控制方法在钢球磨中储式制粉系统中的有效性。
3.会议论文 施阳. 慕春棣 不确定仿射非线性系统的子波神经网络稳定自适应控制 1999
针对不确定仿射非线性系统，提出一种基于子波神经网络的稳定自适应控制方案，在子波神经网络对不确定非线性函数的逼近误差的界未知的情形下，对网络逼近误差界进行在线自适应估计，并由Ｌｙａｐｕｎｏｖ理论证明了整个闭环控制系统的稳定性。
4.学位论文 梁晓 基于神经网络的一类时变非线性系统的最小方差控制设计与仿真 2005
自适应控制分为线性系统的自适应控制和非线性系统的自适应控制两部分，线性系统的自适应控制理论已经发展得比较成熟，而非线性系统的自适应控制还未有一套成熟通用的理论。论文针对一类离散非线性系统，利用线性系统自适应控制成熟的理论结果，在基于非线性系统函数一阶泰勒展开的
数学基础上，将非线性系统视为线性系统和高阶非线性系统的叠加，利用神经网络良好的非线性逼近特性，构造一个BP神经网络来逼近真实非线性系统的数值模型，将数值模型经过泰勒展开获得线性化模型；构造一个RBF神经网络来逼近高阶非线性系统的数值模型，从而设计一种神经网络自适应控制系统。如果将展开后的线性部分看作是时不变线性系统，把泰勒高阶部分和外界干扰视作系统总的扰动项，这种神经网络自适应控制方法可用于在平衡点范围内作小幅波动的离散非线性系统。
论文的结构安排：第一章是绪论，简要概述了自适应控制、非线性系统的主要研究方法和神经网络的发展概况；第二章介绍了论文研究领域国内外的发展情况，提出了选题背景；第三章则详细介绍了基于神经网络辨识的最小方差控制器设计的理论及收敛性证明，是全文的理论基础；第四章是神经网络辨识器的设计理论，对神经网络进行辨识的可行性、神经网络的收敛性问题给出了详细证明；第五章是在前两章的理论基础上进行的神经网络的训练和非线性系统的MATLAB仿真，对一非线性系统的神经网络的仿真给出了不同输入下的输出波形图。
5.期刊论文 杨志军. 齐晓慧. 单甘霖. YANG Zhi-jun. QI Xiao-hui. SHAN Gan-lin 非线性系统的神经网络广义预测控制 -军械工程学院学报2008,20(3)
研究了神经网络广义预测控制方法在非线性系统中的应用,基于BP网络构造神经网络预测器,利用非线性系统的开环输入输出数据离线训练神经网络,根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小,得到了最优的控制序列.同时给出了神经网络广义预测控制算法的步骤,讨论了提高系统鲁棒性的措施.仿真结果表明,这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点.
6.学位论文 曲绍华 一类非仿射非线性系统的神经网络自适应控制方案设计 2009
近年来，复杂非线性系统的控制设计问题引起了各国学者的广泛关注，并取得了许多突破性的成果，像反馈线性化、自适应反演、神经网络理论、模糊逻辑控制等。但大多数研究成果都是针对的仿射型系统，非仿射型系统的研究成果相对较少。许多实际系统像一些化学系统、飞行器控制系统等并不能用仿射型来描述。对于一些相对成熟的仿射型系统的设计方法也不能简单推广到非仿射型系统设计中。显然，非仿射系统的控制问题还没有形成一种系统化的设计方法。
为此，本文针对一类非仿射非线性系统，对现有的一些成果加以改进，利用该类系统所特有的性质，采用微分几何和微分代数等数学理论，设计了一套控制算法，以实现对该类对象的有效控制，所提成果可以用于仿射非线性系统，从而为解决该类问题找到一种较为通用的方法。
首先将文献中的现有控制方案加以改造，对一类非仿射非线性系统，在前人研究成果基础上，根据其微分隐式推导出控制器表达式，设计了一套基于BP神经网络的自适应控制方案。其中，在设计鲁棒控制项时，采用双曲正切函数代替常用的符号函数，使得系统信号趋于光滑，运行更顺利。接着，在神经网络控制算法的基础上加入了H∞最优控制算法，并设计出系统的自适应律，分析了系统的稳定性，收敛性，通过仿真验证所提方案的有效性。 最后将被控对象推广到大规模非仿射非线性系统进行设计，假设各子系统之间的互连效应上界为滤波误差的一次多项式，采用伪控制技术，设计了一套基于神经网络的自适应控制方案。每一个子系统采用一个神经网络逼近未知函数。所提出的方案能够用于如自动化高速公路中汽车空位调节和某些化学反应过程等大规模非仿射非线性系统的控制。
7.会议论文 苗永锋. 李正茂 基于多层神经网络的非线性系统预测
该文针对一类非线性动态系统，提出了一种新的基于多层神经网络的自适应预测器，并对基于神经网络的预测机理进行了分析。利用两个同构的多层网络来实现这种自适应预测器，其中一个称为学习网络（ＬＮ），另一个称为预测网络（ＰＮ）。仿真结果表明，基于多层神经网络的预测器对于恒定参数的非线性系统是有效的，从而为解决非线性系统预测问题提供了一条可行的途径。（本刊录）
8.学位论文 娄海川 非线性系统神经网络预测控制算法及应用研究 2009
神经网络由于具有逼近任意非线性函数的能力，使得其在非线性系统的预测控制中受到日益广泛的重视，取得了许多成果。本学位论文在前人研究的基础上，对非线性系统的神经网络预测控制算法进行了较为深入的研究，取得了系列研究成果，已发表和待发表学术论文五篇，其中四篇论文已被EI收录。本文的主要研究工作概括如下：
(1)系统地分析了非线性系统神经网络预测控制系统中的模型选取、控制器优化、控制系统结构设计方法以及收敛性理论等研究现状，分析了非线性系统神经网络预测控制算法存在的问题和今后的研究方向。
(2)讨论了RBF神经网络的批处理学习算法和在线学习算法。分别对这两类典型算法进行了理论分析和仿真研究，为本文预测建模学习算法的选择提供了理论依据。
(3)提出了一种基于动态搜索区间的黄金分割数值优化方法，分析了黄金分割法的收敛性。与基于神经网络求解优化控制的算法相比，具有较好的控制性能。
(4)基于最优保留自适应遗传算法(EPAGA)，提出了一种新的RBF神经网络预测优化控制算法。该算法综合了最优保留和自适应的思想，使优化控制器具有快速性、全局收敛性的的优点，仿真结果证明了其具有很好的优化控制性能。
(5)综合动态矩阵优化控制与神经网络建模思想，提出了一种基于RBF神经网络的改进型动态矩阵控制算法，实现了对一类非线性时变系统CSTR模型的控制，仿真表明控制效果好。
(6)以实验室非线性三容水箱液位为被控对象，开发了现场总线控制系统软硬件实验平台，并将本文提出的RBF神经网络动态矩阵控制算法应用到该实验平台中。实验结果表明，与动态矩阵控制算法相比较，所提出的RBF神经网络动态矩阵控制算法取得了更为满意的控制效果，证明了其在工业控制工程中应用的可行性，具有良好的工程应用推广价值。
9.期刊论文 郑秀萍. ZHENG Xiu-ping 基于神经网络的多变量非线性系统的广义预测控制 -科技情报开发与经济2008,18(11)
为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器.
10.期刊论文 宁小红. NING Xiaohong 应用非线性系统识别的RBF神经网络新型学习算法 -浙江师范大学学报（自然科学版）2008,31(2)
扩展了一个在线的优先权更新算法,即一个基于RBF神经网络的非线性不连续时间多元动态系统的识别技术,这种技术适合神经网络结构.描述了独立表示的在线算法的2个不同问题,通过建立识别问题和在适当的控制理论中揭示某些技术之间的连接,给出了一个能满足单一变量系统需要的算法.
本文链接：http://d.g.wanfangdata.com.cn/Periodical_hjhkgcxyxb200206002.aspx授权使用：西安交通大学(wfxajd)，授权号：df134716-6acb-4db1-84fb-9dc800f70612
下载时间：2010年8月4日
第１７卷第６期２００２年１１月
海军航空工程学院学报
ＪＯＵＲＮＡＩ．ＯＦＮＡＶＡＬＡＥＲＯＮＡＵＴｌＣＡＬ’ＥＮＧＩＮＥＨＲｌＮＧＩＮＳＴＩＴＵＴＥ
ｖ【１１１７Ｎ【’６
Ｎｏｖ２００２
导弹控制系统设计方法综述
胡云安１，晋玉强２
（１．海军航空工程学院自动控制系；２．海军航空工程学院学员旅，烟台，２６∞０１）摘要；介绍了当前非线性自适应反演控制理论的研究现状和多种导弹控制系统设计方法。塌
后给小了结论．
关键词：非线性系统：神经网络；非匹配不确定性；反演控制技术
中图分类号：ｖ２４９．１２
文献标识码：Ａ
ＳＵＲＶＥＹＯＦ￣ⅡＳＳＩＬＥＣＯＮＴＲＯＬ
ＤＥＳＩＧＮＩＮＧ
ＳＹＳＴＥＭ
ＭＥＴＨＯＤ
ＨＵＹｉｎ—ａｎｌ，ＪＩＮＹｕ—ｑｉａｎ９２
（１．ＤｅｐａｒｔｍｅｎｔｏｆＡｕｃｏｍａｔｉｃＣｏｎｔｒｏｌＥ“ｇｉｎｅｅｎ“ｇ，ＮＡＥＩ；２．Ｓｔｌｌｄｅｎｔｓ’Ｂｄｇａｄｅ
ｏｆＮＡＥＩ．ＮＡＥＩ，Ｙ札ｌａｉ，２６４００１）
ｂａｃｋｓｔｏｐｐｉｎｇ
Ａｂｓｔｒ舵ｔ．Ｔｈｅ化ｃｅｎｔｒｅｓｅａｒｃｈｅｓｉｎ
ｎ叩ｌｉｎｅ缸ａｄａｐｌｉｖｃ
ａｒｃ
ｃｏｎ咖ｌ山ｃｏｒｙ
ａｎｄｖａｒｉａｂｌｅ
ｄｅｓｉｇｎＩｒ忙ｍｏｄｓｏｆｎｌｉｓｓｉｌｅＫｅｙ
ｃ哪ｔｆｏｌ
ｓｙｓｔｃｍｓ
ｉｎ廿０ｄｕｃｅｄＦｉｎａｌＩｙ，ｔｈｅｃｏｎｃｌｕｓｉｏｎｓ缸８ｇｉｖｅｎ
ｗｏｒｄｓ：聃曲ｎ衄ｒｓｙｓｔｅ】帕．ｎｅ盯ａｌｎｅｔｗ吖ｌ‘ｓ；觚ｓＩ腑ｔｃｈｅｄｕⅡｃｅｒｔａｉⅡｔｙ，ｂａｃｌ【ｓｔ叩ｐｉ嘴∞ｎｔｒｏｌ
ｔｅｃｈＩｌｉｑｕ∞
０引言
现代战争对导弹的机动性、快速性及突防能力的要求越来越高，对其控制系统也提出了更高的要求。传统的导弹飞行控制系统设计方法是基于“小扰动理论”和“固化系数”的基本假设进行的ｍ“。
随着现代战争对导弹飞行控制系统要求的不断提高，这种传统的线性化设计方法已不能满足这种要求。最近十几年来，人们不断努力研究各种非线
同样非线性自适应控制理论在过去的十几年也经历了一个快速的发展阶段，国内外许多学者都在研究这种控制方法及其应用｛”】。神经网络和模糊逻辑作为不依赖模型的白适应函数估计器，其逼近光滑函数的能力已被证明∞ｌ。
大量的非线性自适应控制研究都是利用了神经网络或模糊逻辑逼近非线性光滑函数能力，这样就可以在缺乏系统动态先验知识的情况下设计白适应控制器，实现对系统的控制。
反演控制技术或自适应反演控制技术，是近几年发展起来的一种非线性递推控制设计方法口Ｉ。它通过一步步构建Ｌｙａｐｕｎｏｖ函数推导出稳定的控制律，这种稳定性分析方法是构造性的。
积分型反演技术可以用来设计控制器处理不满足匹配条件的不确定性。反演技术的出现年¨发展使非线性控制设计取得了根人的成功。
白适应反演技术可以用来控制含有未知不确定性的非线性系统。随着自适应反演披术的快速发展，白适应反演控制技术已经被广泛施Ｊ｝Ｊ箨兹控制
性控制算法来提高导弹控制系统的性能““。ＤｓＰ
快速处理芯片的出现使非线性复杂控制算法实现成为可能，因此研究导弹非线性控制系统设计具有现实意义和长远意义。
ｌ理论基础
非线性控制理论经过数ｆ‘年的发展，已初步形成一个体系。其中最有代表性的是Ｉｓｉｄｏｒｉ提出的精确反馈线性化的设计方法Ｈ】。但该疗法存在很人的局限性，其中模型要求精确已知，这在很多系统中都是不能满足的。
收稿ｆ］期：２００２一０５．１９
怍着简卟：枷ｒｉ宦ｆ１９６８一）．％．诎授，博｝牛
万方数据
海军航空工程学院学报２００２年第６期
系统中【１¨１“。２导弹控制系统设计
２．１古典控制理论设计法
传统的设计方法是在固定工作点将导弹系统线性化，再应用比较成熟的占典控制理论来实现对导弹的控制。１９７９年，Ｎｅｓｌｉｎｅ分别在频域和应ｆ［１Ｊ线性二次型调节器研究了导弹自动驾驶仪设计“３““。１９８７年，Ｋｏｖａｃｈ等人在初始设计时，先忽略三通道间的耦合，利用频率法和根轨迹方法独立设计三通道的自动驾驶仪，要求俯仰和滚动通道满足设计要求，偏航通道的响应速度至少与滚动通道一样快，制导系统产生俯仰加速度和滚动角命令，偏航通道起协调作用，实现了ＢＴＴ导弹的控制¨５】。２．２现代控制理论设计法
现代控制理论的发展为解决像导弹这样复杂的多输入多输出系统的控制问题提供了新的方法。
１９８７年，ｗ珊ｉａ“等把ＬＱＧ，ＩＴＲ方法．Ｅｆ』ｒ丁－一种高
性能ＢＴＴ战术导弹的自动驾驶仪设计”“，其设计步骤是：首先，利用系数冻结法，即假设滚转角速度的变化足够慢，从而可冻结为常数，把非线性模型线性化，得到两个线性子系统，一个是独立的滚转通道子系统，另一个是由俯仰偏航通道组成的
加ＭＯ耦合模型，然后，对俯仰偏航模型麻川
ＬＱＧ几ＴＲ方法进行设计。１９８８年，Ｂｏｓｓｉ等分别＿｝Ｉ；｜古典的ｓＩｓＯ设计方法和ＬＧＲ方法设计了ＢＴＴ导弹自动驾驶仪，并对它们的性能作了比较【１”。２－３鲁棒控制理论设计法
鲁棒控制理论因其对不确定一ｌ生的抑制能力而引
起人们的关注。１９８９年，Ｒｅｉｃｈｅｒｔ采用也控制理
论设计了ＢＴＴ导弹自动驾驶仪，但在设计过程中忽略了系统中存在的不确定性结构Ｉ”Ｊ。１９９０年，他又建立了一种“综合设计方法，并刚于ＢＴＴ导弹
自动驾驶仪的设计，这种方法把玑最优控制和“分
析方法结合起来，并考虑了系统中存在的不确定性结构。１９９３年，ｗｉｓｅｔＬＩ＝｜参数空间鲁棒性测试方法分析了自动驾驶仪系统对实或复不确定性的鲁棒性¨９ｌ。郑建华研究了鲁棒控制理论在ＢＴＴ导弹白动列驶仪设计中的应用１…。１９９６年，杨军等研究了奇异摄动理论在ＢＴＴ导弹自动驾驶设计中的应用，应用奇异摄动理论利舵面解耦技术将多变量系统简化成单变量系统，并麻用极点配置理论设计了协调转弯自动驾驶仪０２”。２０００年，ｃｉａｎｎ—ｄｏｎｇ应
万
方数据用＾Ｌ理论设计了导弹驾驶仪【２２】。直接采＿Ｉ二｜｛了没有线性化的导弹１Ｆ线性六自由度的运动模型，利用＾ｆ＿理论求解了Ｈａ栅ｌｔｏｎＪａｃｏｂｉ偏微分方程，用Ｈａｌｌｌｉｌｔｏｎ．Ｊａｃｏｂｉ偏微分方科的解析解推导了闭环
巩控制器设计方法。但应用鲁棒控制理论解决控
制问题过程繁琐，实现也较幽难。２．４智能控制理论设计法
因为具有良好的逼近非线性函数的能力，神经网络和模糊逻辑已经广泛应用到导弹控制系统设计中。１９９６年．“ｎ等人将白适应模糊控制方法用于某ＢＴＴ导弹自动驾驶仪设计ｍ】。１９９７年砀ｍ和ｃａｈｓｅ应用神经网络实现了非线性飞行控制Ⅲｌ。Ｆｕ等基于神经网络设计了一种自适应鲁棒ＢＴＴ导弹自动驾驶仪口”，这种方法将神经网络与滑模控制技术结合起来，神经网络＿Ｅ｝】于某些未知非线性函数的建模，而滑模控制则用于克服某些建模误著项，该设计基于李雅普诺夫稳定性理论，因而保证了闭环系统的稳定性。同年，Ｇｅｎｇ和ＭｃＣｕｌｌｏｕ曲将模糊逻辑应用到导弹控制系统中，取得了较好的控制效果”】。１９９８年，ｃａｌｉｓｅ等概括了神经网络在飞行控制系统设计中的应用，重点是１Ｆ线性白适应控制设计。表明在飞行器进行大的非线性机动时，神经网络因为其在线学习可以跟踪飞行器动态的变化使控制器具有良好的性能㈣。
应用智能控制理论设计的导弹控制系统因为考虑了系统动态的１Ｆ线性，因此比一般的设计方法往往能提供更好的性能。但这种设计方法相对于其他线性或非线性方法算法复杂，实现也较难。
２．５增益调度设计法
分析和设计非线性控制器比分析设计线性控制器要复杂得多，因此人们开始研究将非线性系统化成一族线性系统来研究，这就是“增益调度”。增益调度（规划）的设计思想是对动态变化比较大的系统，首先将系统化成一族简单系统，然后分别设计控制器，选择适当的调度变量，应ｔＬ｜｛插值技术将这一族控制器整合成全局控制器。
在过去的十儿年里，应州增益凋度技术设计导弹白动驾驶仪被大量研究。１９８８年Ｒｅｌｃｈｅｒｔ应川线性化动力学和不确定性模型设计一种线性时不变（Ｌ１１Ｉ）鲁棒控制器，把控制器作为攻角的函数进行调度１２”。１９９３年，ｓｈａｍｍａ等提山一种新颖的增益凋度导弹自动驾驶仪没计方法口…。这种方法与传统的增鼯凋度方法不同，它不是通过泰勒级数
总第６６期胡０安等：导弹控制系统’歧汁方法综述
６０７
截断来线性化，而是通过对原非线性动态系统进行状态变换米获得一簇线性对象，这样一簇由某个规划变量所确定的对象被称为线性参数变化（ＬＰｖ），它不同于线性时变对象的地方在于其参数变化是术
知的但可根据系统的工作估计（测量）山来。冈为
不涉及线性化，因此，控制器不局限于局部上作点，这种方法被用于纵向导弹驾驶仪，攻角作为调度变
量。
１９９８年，贝超提出了基于遗传算法的增益调
度控制系统设计，初步实现了设计工作的的自动化和设计方法的通用化【”】。
增益调度概念清楚，设计方法简单。但在不同的特征点转换期间的稳定性实际上并无保证，而且，增益调度方法的前提是调度变量只能是慢变的。还有，由于要设计大量的线性控制器，设计费
用较大，效费比小。
２．６非线性控制理论设计法
随着现代战争对导弹控制系统要求的提高，导弹自动驾驶仪设计越米越多的需要考虑系统的非线性。反馈线性化是近年来引起人们极大研究兴趣的一种重要的非线性控制设计方法。这种方法的基本思想是通过反馈，将一个非线性系统的动态特性全部或部分地变换成线性的动态特性，从而可以应用成熟的线性控制的方法进行控制口ｌ。基于导弹动态反馈线性化的非线性控制器相继出现ｍ
３Ｉ】。
１９９６年，ＲｅｉｎｅＬＪ．基于时标分离和动态逆应用反馈线性化平¨结构奇异（“）分析设计了鲁棒控
制器，在马赫数及攻角变化范围很大时，控制系统
仍表现出很强的鲁棒性【３”。但是线性化设计方法
存在着＿定的缺陷，一是线性化省略了很多有用的非线性动态；二是线性化设计方法往往要求模型精确已知，这在导弹控制系统是很难满足的。
反演技术和自适应反演技术的出现使非线性控制获得了巨大的成功。这种新型递推设计技术解决了许多其他非线性设计方法很难解决的问题。应用
反演技术来设计飞行器控制系统的研究也相继出
现。１９９５年，Ｒｉｃｈａｒｄ首先将导弹纵向控制模型化导弹纵向运动控制器””。
２００１年，Ｔａｅｙｏｕｎｇ应用反演技术设计了Ｅ行
万
方数据一个新的研究方向。
２．７其他方法
Ｎｅｓｌｉｎｅ应Ｉ｝｝』最优控制理沧和传统设计方法设计导弹鲁棒控制系统Ｉｌ”。顾文锦、张友安等提出了导弹块对角飞行控制系统设计方法口““。给出了描述ＢＴＴ导弹运动的所有运动方程的解析逆解，
并进行了六自由度仿真。
３结论
从上面的分析我们可以看山，随着战争对武器
系统要求的提高，非线性设计方法将取代线性设计
方法成为导弹控制系统设计的主流。而白适应反演设计方法作为一种新型的设计方法，因为其独特的
设计过程及其处理不确定性尤其是非匹配不确定性
的能力，已经成为一种不可替代的非线性设计方
法。设计导弹控制系统的主要困难是米白系统中存在的非匹配的不确定性。因此应用非线性自适应反
演控制设计导弹控制系统成为一种必然的趋势。
参考文献：
ｌ
Ｅｍｍａｎｕｅｌ
Ｄｅｖａｕｄ，Ｊｅ柚一Ｐｈｉｌｉｐｐｅ
Ｈａｒｃａｕｔ
Ｔｈｒｃｃ—Ａｘｅｓ
ＭｉｓｓｉｌｃＡｕｔｏｐｉｌｏｔＤｅｓｉｇｎ：ＦｒｏｍＬｉｎｅａｒ
ｔｏ
ＮｏｎｌｉｎｅａｒＣｏｎｔｒｏｌ
Ｓｔｒａｔｃｇｉｅｓ【Ｊ】Ｊｏｕｍａｌｏｆ
Ｇｕｉｄａｌｌｃｅ，Ｃ０ｎ叻１．卸ｄ
ＤｙｎａＩＩｌｉｃｓ．
２００ｌ，２４（１）：“一７１
２王守斌某型ＢＴＴ导弹实验器自动驾驶仪设计与分析｛Ｄ】哈尔滨工业人学，１９９８．６
３
Ｅ．Ｄｅｖａｕｄ，Ｈｓｊｇｕｅｒｄｉｄｊａｎｅ，ｓＦｏｎｔ
ｓｏｍｃｃｏｎｃｒｏｌｓｔｒａｌｃｇｉｃｓ
ｆ研
ａ
ｈｉｇｈ－ａｒ蟮ｌｃ－ｏｆａｔｔａｃｋ
血ｓｓｉｌｅａｕｃｏｐｉｌｏｃ
ｃｏｎｔｍｌ
ＥｎｇｉｎｅｅｒｉｎｇＰｒａｃｔｉｃｅ【Ｊ】２０００（８）：８８５—８９２
４
Ｉｓｉｄｏ＾，Ａ．Ｎｏｎｌｉｎｅａｒｃｏｎ咖ＩｓｙｓｔｅｍｓｆＭ】．Ｎｅｗ
Ｙ０ｒｋ：
ＳｐｒｉｎｇｅＬ１９９５５
Ｃ．Ｃ．Ｌｌｕ
ａＩｌｄ
ＦＣ
Ｃｈｅｎ
Ａｄａｐｎｖｅ
ｃｏｎｔｒ０１ＯｆｎＯｎ上ｊｎｅａｒ
ｃＯｎｔｉｎｕｏｕｓ—ｔｉｍｅｓｙｓｔｃｍｓｕｓｊｎｇｎｅｕｍｌ
ｎｅｔｗｏｒｋｓ
—
ｇｅｎｅｆ甜
ｒｅｌａ￡ｉｖｅｄｅｇｒｅｅ
ａｎｄ
ＭＩＭ０
ｃａｓｅｓ．
ＩｎｔｅｍａｔｉｏｎａｌＪＯｕｍａｌＯｆ
Ｃｏｎｔｍｌ【Ｊ】１９９３，５８（２）：３１７—３５５
６ＣＹＳｕａｎｄＹ
Ｓｔｅｐ柚ｅｎｋ０
Ａｄａｐｌｉｖｅ
ｃｏｎ【ｍｌｏｆ
ａ
ｃｌ越ｓｏｆ
ｎｏｎｌｉｎｅａｒｓｙｓｔｅｍｓｗｉｔｈｆｕｚ２ｙｌｏｇｉｃ【Ｊ】ｌＥＥＥＴｈｎｓａｃＩｉｏｎｓ
ｏｎ
ＦｕｚｚｙＳｙｓＣｅＩｎｓ，１９９４，２：２８５＿２９４
Ｐ０ｌｙｃａ‘ｐｏｕ，Ｍ
Ｍ，１０ａｎｎｏｕ，Ｐ
Ａ
Ａｒｏｂｕｓｃ
ａｄａＰｔｉｖｅ
ｎｏｎｌｉｎｅａｒｃｏｎｔｒｏｌ
ｄｅｓｊｇｎ【Ｊ】Ａｕｔｏｆｎａｔｌｃａ１９９６，３２（３）：４２３－４２７
Ｆｕｎａ｜ｌａｓｈｉ，ＫｌＯｎｃｈｅａｐｐｒＯｘｌｍａｔｅｒｅａｈｚａＩｉＯｎＯｆｃｏｎｔｉｎｕｏｕｓｒｎａｐｐｉｎｇｓ
ｂｙ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋｓ【Ｊ】ＮｅｕｒａｌＮｅｔｗｏｒｋｓ．
１９８９２：１８３一１９２
Ｋｒｓ【１ｃ，Ｍ，Ｋａｎｅ儿ａ｜（ｏｐｏｕｌｏｓ．Ｉ．ａＴｌｄＫｏｋｏ【ｏｖｉｃ，ＰＮｏｎ¨ｎｅａｒ
成级联的形式，然后虑心这种递推设计技术设计了器非线性白适应控制器，取得了较好的控制效果，
７
８但摄后收敛残集的确定比较繁琐““。应Ⅲ反演控
制技术设计的控制系统可以解决导弹控制系统中存
９在的非匹配不确定性问题，为导弹设汁方法提出丁，
海军航空Ｉ程学院学报２００２年第６期
Ⅱｄ
Ａｄａｐｔｉｖｅ
Ｃｏｎ【ｒｏｌ
Ｄｅｓｉｇｎ［Ｍ】．Ｗｉｌｅｙ－Ｉｎ忙ＴＳａｅｎｃｅ
２８９
Ｐｕｂｌｉｃａｔｉｏｎ．１９９５１０
２３ｃＫＬｉｎ，ｅｔ酊
Ｋｒｓｄｃ
Ｍ．Ｒｏｂｕｓ廿１ｅｓｓｏｆ
ｔＩｌｅ
ｍｎｉｎｇ
Ａ血ｐｔｉｖｅ
Ｆｕｚ２ｙｃｏｎｔｒｏｌｏｆＢ曲ｋ－ｔｏ一１、ｌｒＩｌ
Ｉｋｈｏｕ锄ｅ
Ｆａ１１ｄ
Ｍｊｓｓｉｌｅｓ【Ｃ】Ｐｒｏｃ．ｏｆ山ｃ１１１ｄｕｓｔｒｉａｌＥｌｃｃ廿ｏｍｃｓ，Ｃｏｎｔｍｌ．期ｄ
ｆＩｌｎｃｄｏｎｓａｄ８ｐｄｖｅｂａｃｋ吼ｏＰＰｉｎｇｄｅｓｉｇｎｆｏｒｌｉｎｅ缸ｓｙｓｔｅⅡＢ［Ｊ】．ＩＥＥＥ１ｈｎｓ∞吐Ｏｎｓ０ｎＡｕｔＯｍａｔｉｃ
Ｉｎｓｔｍｎｌｃｎｔａｔｉｏｎ．啊ｗａＩＩ
２４
１９９６：５９６＿６０Ｉ
Ｃ∞叻１．１９９８．４３：４３１—４３７
Ａｄ印ｎｖｅｎｅｕ咖ｎｅｔｗｏｒｋ
ｓｙｓｔｅｍｓ
ｕｓｉ“ｇ
Ｋｉｍ．Ｂ．ｓ．ａｎｄｃａｌｉｓｅ，Ａ＿Ｊ．Ｎｏｎｌｉｎｅａｒ
ｎｉｇｈｔｃｏｎｃｒｏｌｕｓｉ“ｇ
１１功锄ｇ’Ｔ，Ｇｅ．ＳＳ．＆Ｈ锄ｇｔＣＣ
ｃｏｎｔｒｏｌ
ｆｏｒ
ｓｔｒｉｃｔ－ｆｅｅｄｂ孔ｋ
ｎｅｕ删
ｎｅｔｗｏｒｋｓ叭Ｊｏ哪ａ１
１９９７，２０（１）：２６－３３
ｏｆ
Ｇｕｉｄ柚ｃｃ，Ｃ叩ｔｒ０Ｉ，
姐ｄ
ｎｏｎｌｉｎｅａｒ
Ｄｙｎｍｉｃｓ
２５
ｂａｃｋｓｃｏｐｐｉｎｇｄｅ豇ｇｎ【Ｊ１．Ａｕｔｏｍａｔｉｃ孔２０００，３６（１２）：１８３５—１８４６
Ｌ．ｃ．Ｆｕ．、ＭＤ．ｃ｝啪ｇ’Ｊ
Ｈ．Ｙａｎｇ．ａｎｄ
Ｔｓ
Ｋｕｏ．Ａｄａ州Ｖｅ
１２‰ｙｏｕｎｇ
Ｊｏｕｍａｌ
ｏｆ
Ｌ，柚ｄＹｏｕｄ趾豇ｍ．Ｎ０ｎｌｉｎｃａｒａｄａｐｂｖｃｎｉ曲ｔ
Ｒ０ｂｕｓｔＢ粕ｋ＿ｔ０－１ｈｍＭｉｓｓｉｌｅＡｕｃｏｐＩｌｏｔＤｅｓｉｇｎＵｓｊ“ｇＮｅｕｒａｌ
ｃｏｎｔｒｏｌｕｓｉｎｇｂａｃｋｓｔｏｐｐｉｎｇ锄ｄｎｅｕⅢｎｅｔ、∞ｒｋｓ
ｃｏｎｔｍｌＩｅｒｓⅢ．
Ｎｅｔｗｏｒｋｓ【Ｊ】Ｊ０ｕｍａｌｏｆＧｕｉｄ皿ｃｃ，Ｃｏｎｔｍｌ，柚ｄＤｙｒＩａＩｎｉｃｓ１９９７，２０（３）：３４６’３５４
２６Ｇｅｎｇ，Ｚ
Ｇｕｉｄ卸ｃｅ，Ｃｏｎｔｍｌ，
皿ｄ
Ｄ”ａＩＩｌｉｃｓ．２００ｌ，
２４（４）：６７５－６８２
１３
Ｊ卸ｄＭｃＣｕｌｌｏｕｇｈ，Ｃ．ＬＭｉｓ豇ｌｅｃｏｎｔｍｌｕｓｉ“ｇ
Ｎｅｓｌｉｎｅ，ＦＷ，ａｎｄＮ曲ｂｅｆｅｌｄ，Ｎ
ｆｏｒ
Ｈｏｍ．ｍｇ
Ｃ．
Ｄｅｓｉｇｎ
ｏｆ
Ｄｉｇｉｔａｌ
ｆ１１ｚｚｙｃｅ咒ｂｅＵａ
Ｉｎｏｄｅｌ耐Ｉｌｌｍｃｎｃ
ｃｏｍｐｕｃ盯ｎｃｕｒａｌｎｃ【ｗｏｒｋｓ【Ｊ】．
Ａｕｔ叩ｉｌｏｔｓ
１４
Ｍｉｓｓｉｌｃｓ【Ｃ】．ＡＧＡＲＤ
ＪｏｕｍａｌｏｆＧｕｉｄａＩｌｃｅ，Ｃｏｎｔｒ０１ａｎｄＤ”ａ向ｃｓ
５６５
１９９７．２０（３）：５５７・
ｃｏｎｆｃＴｃｎ∞．１９７９：１．１４
Ｎｅｓｌｉｎｅ，ＦＷ，Ｗｅｌｌ３．Ｂ．Ｈ，ａｎｄＺａｒｃｈ皿，Ｐ
Ａｐｐｒｏａｃｈ【０
Ｒｏｂｕｓｔ
ＡＣＯＩｎｂｉｎｅｄ２７
Ｃａｌｉｓｅ，Ａ．Ｊ．ａｎｄＲｙｓｄｙｋ．ＲＴ
ｕｓｉｎｇ
ｎｅｕｒａｌ
ＮＯｎｌｉｎｅａｒ
ａｄａｐｔｉｖｅｎｉｇｈｔ
Ｏｐ血ｍｕｃｌ∞ｓｉｃａｌＭｌｓｓｉｌｃＡｕｔｏｐｉＪｏｌ
ｃｏｎｔｒ０Ｉ
ｎｅｔｗｏｒｋｓⅢ．ＩＥＥＥＣｏｎｔｍｌＳｙｓｃｃｍｓ
Ｄｅｓｉｇｎ【Ｊ】．ＡｌＡＡ，ＮｅｗＹｏｒｋ，１９７９：２６５－２８０
１５Ｍ－Ｊ．Ｋｏｖａｃｈ，ｅｔａ１．ＡＢ柚ｋ・ｔｏ
Ｍａｇ缸ｉ眦．１９９８，１８（６）：１４－２５
２８ＲＴＲｅｉｃｈｅｎ．Ｍｕｌｃｉｖａｒｉａｂｌｅ
１ｈｌ
ＡｕｔｏｐｉｌｏｔＤｃｓｉｇｎｆｏｒ加Ａｕ呻ｉｌｏｔ
Ｄｅｓｉｇｎｓｆｏｒ
ａ
Ｂ孤ｋ・
ＡｄｖａｎｃｅｄＡｉ卜ｔｏ—Ａ打Ｉｎｔｅｒｃｅｐｔｏｒ【Ｃ１．Ｐｒｏｃ．ｏｆｔｈｅ１９８７ＡＩＡＡ
ｔｏ一１、ｌｍＭｉｓｓｉｌｅ【Ｃ】Ｐｍｃ．ｏｆⅡ１ｅＡＣＣ，ＮＪ２９Ｊ．Ｓ．Ｓｈａｒｍｎ轧ｅｔａｌ“ｎｅａｒＰａｒａｍｅｔｅｒ
１９８８：２３６８－２３７３
Ｇｕｉｄ眦ｅ，Ｎａｖｉｇ撕ｏｎ
Ｙ０ｒｋ
１９８７：１３４６．１３５３
ａｎｄｃｏｎ廿０ｌ
Ｃ叫ｆｅ陀ｎｃｅ．ＡＩＡＡ，ＮｅｗＧａｉｎ－ＳｄＩｃｄｕｌｃｄＡｕｔｏｐｌｌＯｔＤｃｓｉｇｎＵｓｉｎｇＶａｒｙｊｎｇ
１ｈｎｓｆｏｒｍａｃｉｏｎｓ［Ｊ】．Ｊｏ岫ａ１
ｏｆ
１６ｎＥＷｉｍａｍｓ。Ｂ．Ｆｄｅｄｌ锄ｄｔ卸ｄＡ．Ｎ．Ｍａｄｉｗａｌｅ．Ｍｏｄｅｍｃｏｎ廿０ｌ
Ｇｕｉｄ卸ｃｅ，Ｃｏｎ帅１．锄ｄＤｙｎａ嘶ｃｓ．１９９３，１６（２）：２５６—２６３
３０贝
ｎｅｏｒｙ
Ｄｅ对ｇⅡｏｆ
Ａｕｔｏｐｉｌｏｔｓ
ｆｏｒＢ釉ｋ＿ｔｏ一１、ｌｍ
超．防空导弹稳定控制系统设计方法研究［Ｄ］航空
Ｍｉｓｓｉｌｃｓ【Ｊ】Ｊｏ啪ａｌ
１９８７，１０（４）：３７８—３８６
１７
ＪＡＢｏｓｓｉ，
ａ
ｏｆＧｕｉｄ鲫ｃｅ，Ｃｏｎｔｍｌ，柚ｄＤｙｎａ栅ｃｓ
ｕＴ业总公司第二砷Ｉ：究院．１９９８
３ｌ
Ｈ缸ｃａｕｔ，Ｊ．Ｐ
Ｎｏｎｌｉｎｅａｒ
ｃｏｎｔｒｏｌ
ｏｆＭｉｓｓｉｌｃＴｈｍｕｇｈＮｏｔｅｓｉｎ
ａ
ＭＡＬ跏ｇｅｈｏｕｇｈ．
Ｍｌｌｌｄｖ撕ａｂｌｅ
Ａｕｔｏｐｉｌｏｔ
Ｇｅｏｍｃｔｒｉｃ
Ａｐｐｒｏａｃｈ【Ｊ】ｋｃｔｕｒｅ
１４４：２７－３６
Ｃ０ｎ盯ｏＩ卸ｄ
Ｄｃｓ咖ｆｏｒ
Ｃｏｎｃｒ
Ｂ舡止一ｔｏ—ＴｕｍＭｉｓｓｉｌｅ【Ｃ】ＰｒｏｃｏｆＩｈｅ
Ａ眦ｒｉｃ卸ＩｎｆｏｍａｔｉｏｎＳｃｉｅｎｃｅｓ．１９９０
３２Ｒｅｍｅｒ，Ｊ．Ｂａｌ孙，ＧＤｅｓｉｇｎＵｓｉ“ｇＲＯｂｕｓｔ
Ｃ叫ｆ．１９８８：５６７．５７２
Ａｐｐｌｉｃａｔｉ∞ｏｆＨ。ｃｏｎｌ∞ｌ【０Ｍｉｓｓ订ｅＡｕｃｏｐｉｌｏｔ
ＡＩＡＡ
Ｊ，锄ｄＧａｒｒａｒｄ，ｗ．ＬＦｌｉｇｈｔｃｏｎ∞Ｉ
１８ＲＴＲｅｉｃｈｅｎ
ＤｙｎａＩＩｌｉｃＩｎｖｅｒｓｊｏｎ柚ｄ
Ｔｉ眦Ｓｃａｌｅ
Ｄｅｓｉｇｎ【Ｃ】
Ｐｒｏｃ．ｏｆ山ｅ
Ｇｕｉｄ卸ｃｅ．Ｎａｖｉｇａｌｉｏｎ卸ｄ
Ｓｅｐａｒ砒ｉｏｎ【Ｊ】．ＡｕＩｏｍａＩｉｃａ１９９６，３２（１１）：１４９３一１５０４
３３ＲｉｃｈａｒｄＡ
Ｈｕｌｌ，Ｄａ丌ｅｎＳｃｈｕｍａｃｈｅＬｚｈｍｕａＱｕ．ＤｅｓｉｇＩＩ
Ｃ仰ｔｒｏｌ
１９
Ｃｏｎｆｅｒｃｎｃｅ，１９８９：１０６５—１０７２
Ｋ．Ａ．Ｗｉｓｅ．ＭｉｓｓｉｌｅＡ呲ｏｐｉｌｏｔＲｏｂｕｓｍｅｓｓ七０Ｒｅａｌ锄ｄ
ａ
皿ｄＥｖａＩｕ砒ｉｏｎ０ｆＲ０ｂｕｓ【Ｎ０ｎｌｉｎｅａｒＭｉｓｓｉｌｅＡｕｔＯＤｉｌＯｔｓ疗Ｏｍａ
Ｐｅｒｆｏｒｍａｎｃｅ
ＣｏｍｐｌｅｘＵｎｃｅｎａｉｎｔｉｃｓＵｓｉｎｇＰａｒａｍｅｔ盯ＳｐａｃｅＲｏｂｕｓｔｎｅｓｓＰｅｒｓｐｅｃｔｉｖｅＩＣ】Ｐｒｏｃｅｅｄｉ“ｇ
ｏｆ山ｅＡｍｅｎｃ曲
１ｂｓｔ【Ｃ】．ＡＩＡＡ一９３—３７８８一ＣＰ
Ｃ０ｎ咖ｌＣｏｎｆｅｒｅｎｃｅｓ．Ｗａｓｈｉｎｇｔ叩１９９５，６：１８９－１９３
３４顾文锦，乇：Ｅ星．巡航导弹的非线性控制系统设计【Ｊ】
海军航空丁程学院学报，１９９７（３）：１０－１６
２０郑建华鲁棒控制理论及在ＢＴＴ导弹中的应用【Ｄ１．哈
尔滨工业大学。１９９６：８７－１００
２ｌ杨军，周凤岐奇异摄动理论在倾斜转弯导弹自动驾驶仪设计中的应用［Ｊ】兵工学报．１９９６，１７（４）：３４７—３４９
２２
３５张友安，胡云安，等．ＢＴＴ导弹的块对角控制器设计【Ｊ】海军航宅工程学院学报，２０００（４）：４０５．４０８
３６吴进牛，迟海，Ｆ衡梁系统的块对角控制器的设计［Ｊ】．海军航空工程学院学报，２０００（３）：３０１－３０５
ｃｉ枷・Ｄ０ｎｇＹ柚ｇ，Ｃｈｉｅｎ－Ｃｈ岫ｇＫｕⅡｇ．Ｎｏｎｌｉｎｃａｒ以Ｆ１ｉｇｈｔ
ｏｆＧｅｎｅｒａｌ
Ｓｉｘ
Ｄｅｇｒｅｅ
ｏｆＦｒｃｅｄｏｍ
Ｃｏｎｔｒ０１
Ｍｏｌｉｏｎｓ【盯．
Ｊ０ｕｍａｌｏｆ
Ｇｕｉｄ卸ｃｃ，Ｃ呻ｃｆｏＩ，ａｎｄＤｙｎａｍｉｃｓ２０００，２３（２Ｊ：２７８－
万方数据
导弹控制系统设计方法综述
作者：作者单位：刊名：英文刊名：年，卷(期)：被引用次数：
胡云安， 晋玉强
胡云安(海军航空工程学院自动控制系)， 晋玉强(海军航空工程学院学员旅,烟台,264001)海军航空工程学院学报
HAIJUN HANGKONG GONGCHENG XUEYUAN XUEBAO2002，17(6)0次
参考文献(36条)
1. Emmanuel Devaud. Jean-Philippe Harcaut Three-Axes Missile Autopilot Design: From Linear toNonlinear Control Strategies 2001(01)
2. 王守斌 某型BTT导弹实验器自动驾驶仪设计与分析[学位论文] 1998
3. E Devaud. H Siguerdidjane. S Font Some control strategies for a high-angle-of-attack missileautopilot 2000(08)
4. Isidori A Nonlinear control systems 1995
5. C C Liu. F C Chen Adaptive control of non-linear continuous-time systems using neural networks -general relative degree and MIMO cases 1993(02)
6. C Y Su. Y Stepanenko Adaptive control of a class of nonlinear systems with fuzzy logic 19947. Polycarpou M M. Ioannou P A A robust adaptive nonlinear control design 1996(03)
8. Funahashi K I On the approximate realization of continuous mappings by neural networks 19899. Krstic M. Kanellakopoulos I. Kokotovic P Nonlinear and Adaptive Control Design 1995
10. Ikhouane F. Krstic M Robustness of the tuning functions adaptive backstopping design for linearsystems 1998
11. Zhang T. Ge S S. Hang C C Adaptive neural network control for strict-feedback nonlinear systemsusing backstopping design 2000(12)
12. Taeyoung L. Youdan Kim Nonlinear adaptive flight control using backstopping and neural networkscontrollers 2001(04)
13. Nesline EW. Nabbefeld N C Design of Digital Autopilots for Homing Missiles 1979
14. Nesline EW. Wells B H. Zarchan P A Combined Optimal/Classical Approach to Robust Missile AutopilotDesign 1979
15. M J Kovach A Bank-to Turn Autopilot Design for an Advanced Air-to- Air Interceptor 1987
16. D E Williams. B Friedland. A N Madiwale Modern Control Theory Design of Autopilots for Bank-to-TurnMissiles 1987(04)
17. J A Bossi. M A Laugehough Multivariable Autopilot Design for a Bank-to-Turn Missile 198818. R T Reichert Application of H∞ Control to Missile Autopilot Design 1989
19. K A Wise Missile Autopilot Robustness to Real and Complex Uncertainties Using a Parameter SpaceRobustness Test
20. 郑建华 鲁棒控制理论及其在BTT导弹中的应用[学位论文] 1996
21. 杨军. 周凤岐 奇异摄动理论在倾斜转弯导弹自动驾驶仪设计中的应用 1996(04)
22. Ciann-Dong Yang. Chien-Chung Kung Nonlinear H∞ Flight Control of General Six Degree of Freedom
Motions 2000(02)
23. C K Lin Adaptive Fuzzy Control of Bank-to-Turn Missiles 1996
24. Kim B S. Calise A J Nonlinear flight control using neural networks 1997(01)
25. L C Fu. W D Chang. J H Yang. T.S.Kuo Adaptive Robust Bank-to-Turn Missile Autopilot Design UsingNeural Networks 1997(03)
26. Geng Z J. McCullough.C L Missile control using fuzzy cerebella model arithmetic computer neuralnetworks 1997(03)
27. Calise A J. Rysdyk, R T Nonlinear adaptive flight control using neural networks 1998(06)28. R T Reichert Multivariable Autopilot Designs for a Bankto-Turn Missile 1988
29. J S Shamma Gain-Scheduled Autopilot Design Using Linear Parameter Varying Transformations1993(02)
30. 贝超 防空导弹稳定控制系统设计方法研究[学位论文] 1998
31. Harcaut J P Nonlinear control of Missile Through a Geometric Approach 1990
32. Reiner J. Balas G J. Garrard W L Flight Control Design Using Robust Dynamic Inversion and TimeScale Separation 1996(11)
33. Richard A Hull. Darren Schumacher. Zhihua Qu Design and Evaluation of Robust Nonlinear MissileAutopilots from a Performance Perspective 199534. 顾文锦. 王士星 巡航导弹的非线性控制系统设计 1997(03)35. 张友安. 胡云安 BTF导弹的块对角控制器设计 2000(04)36. 吴进华. 迟海 平衡梁系统的块对角控制器的设计 2000(03)
相似文献(10条)
1.期刊论文 段玉波. 刘博. 于铁成. 吴继辉. 张东旭 非线性系统的神经网络预测控制研究 -长江大学学报（自科版）理工卷2009,6(4)
针对工业过程控制中的强非线性系统的复杂控制问题,给出了一种基于神经网络预测的控制方法,用改进的BP神经网络实现预测控制中的模型预测,有效的解决了神经网络收敛速度慢的问题,同时用RBF神经网络实现预测控制中的控制器的优化,解决动态规划方法求解慢的问题.将该算法用于强非线性系统中,仿真结果表明该算法,具有响应速度快﹑跟踪性能好﹑鲁棒性和抗干扰性强的优点.
2.学位论文 郭红戈 基于神经网络的多变量非线性系统广义预测控制 2005
随着航天控制、过程控制、远程机器人控制以及生物医学工程等学科的发展，相应出现了一些强非线性强耦合系统的控制问题。广义预测控制(GPC)像其它的预测控制方法一样，可
在优化中考虑各种条件约束，又有很好的鲁棒性和抗干扰性，与常规控制相比，能更好地实现动态控制；另一方面，GPC采用的是受控自回归积分滑动平均(CARIMA)模型，控制律包括积分作用，可以自动消除控制系统的稳态偏差，因此，在单变量线性系统中获得了广泛的应用。当把这种成功的控制思想应用于强非线性强耦合系统时，需先解决解耦和建模的困难。而神经网络以其并行处理、分布式存储、对非线性函数的逼近功能、较好的鲁棒性、自适应性和自学习功能为多变量非线性系统解耦和建立非线性系统GPC的数学模型提供了一条途径。
为使广义预测控制的先进思想应用于非线性系统，本文把非线性系统分为线性部分和非线性部分，用误差反向传播(BP)神经网络对非线性系统建模。系统的非线性部分用单隐层的BP神经网络对其建模，采用学习速度较快的Davidon最小二乘法在线调整网络权值。线性部分采用CARIMA模型作为其数学模型，用递推最小二乘法(RLS)作为其参数辨识的方法。每步将所得非线性系统的网络模型线性展开，得到线性回归模型，并以非线性前馈增益方式补偿建模误差，建立了非线性系统的广义预测控制器，并用MATLAB语言仿真，仿真结果证明了该设计的有效性。
为了能把该设计应用于多变量非线性系统，本文先断开控制器，用单隐含层的BP神经网络作为解耦器对多变量非线性系统进行开环解耦，通过对广义对象可能控制量的学习训练神经网络，从而消除耦合影响。然后接入广义预测控制器，使用神经网络解耦器将来自其它通道的耦合影响视为可测干扰进行补偿，使得神经网络解耦器与被控对象组成的广义对象成为无耦合或耦合程度较小的系统，再用单变量非线性系统的广义预测控制器对解耦后近似无耦合的单变量系统进行控制。
将该方法应用于具有多变量强耦合、大时滞、大惯性和模型时变特性的钢球磨中储式制粉系统。针对离散化的数学模型先用神经网络解耦器对此模型进行开环解耦，并用MATLAB语言对解耦器的解耦效果进行仿真研究。然后，对解耦后的近似无耦合的单变量非线性系统进行广义预测控制，并用MATLAB语言进行仿真研究，仿真结果验证了本文提出的基于神经网络的多变量非线性系统广义预测控制方法在钢球磨中储式制粉系统中的有效性。
3.会议论文 施阳. 慕春棣 不确定仿射非线性系统的子波神经网络稳定自适应控制 1999
针对不确定仿射非线性系统，提出一种基于子波神经网络的稳定自适应控制方案，在子波神经网络对不确定非线性函数的逼近误差的界未知的情形下，对网络逼近误差界进行在线自适应估计，并由Ｌｙａｐｕｎｏｖ理论证明了整个闭环控制系统的稳定性。
4.学位论文 梁晓 基于神经网络的一类时变非线性系统的最小方差控制设计与仿真 2005
自适应控制分为线性系统的自适应控制和非线性系统的自适应控制两部分，线性系统的自适应控制理论已经发展得比较成熟，而非线性系统的自适应控制还未有一套成熟通用的理论。论文针对一类离散非线性系统，利用线性系统自适应控制成熟的理论结果，在基于非线性系统函数一阶泰勒展开的
数学基础上，将非线性系统视为线性系统和高阶非线性系统的叠加，利用神经网络良好的非线性逼近特性，构造一个BP神经网络来逼近真实非线性系统的数值模型，将数值模型经过泰勒展开获得线性化模型；构造一个RBF神经网络来逼近高阶非线性系统的数值模型，从而设计一种神经网络自适应控制系统。如果将展开后的线性部分看作是时不变线性系统，把泰勒高阶部分和外界干扰视作系统总的扰动项，这种神经网络自适应控制方法可用于在平衡点范围内作小幅波动的离散非线性系统。
论文的结构安排：第一章是绪论，简要概述了自适应控制、非线性系统的主要研究方法和神经网络的发展概况；第二章介绍了论文研究领域国内外的发展情况，提出了选题背景；第三章则详细介绍了基于神经网络辨识的最小方差控制器设计的理论及收敛性证明，是全文的理论基础；第四章是神经网络辨识器的设计理论，对神经网络进行辨识的可行性、神经网络的收敛性问题给出了详细证明；第五章是在前两章的理论基础上进行的神经网络的训练和非线性系统的MATLAB仿真，对一非线性系统的神经网络的仿真给出了不同输入下的输出波形图。
5.期刊论文 杨志军. 齐晓慧. 单甘霖. YANG Zhi-jun. QI Xiao-hui. SHAN Gan-lin 非线性系统的神经网络广义预测控制 -军械工程学院学报2008,20(3)
研究了神经网络广义预测控制方法在非线性系统中的应用,基于BP网络构造神经网络预测器,利用非线性系统的开环输入输出数据离线训练神经网络,根据拟牛顿BFGS优化算法使得二次型性能指标函数达到最小,得到了最优的控制序列.同时给出了神经网络广义预测控制算法的步骤,讨论了提高系统鲁棒性的措施.仿真结果表明,这种神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点.
6.学位论文 曲绍华 一类非仿射非线性系统的神经网络自适应控制方案设计 2009
近年来，复杂非线性系统的控制设计问题引起了各国学者的广泛关注，并取得了许多突破性的成果，像反馈线性化、自适应反演、神经网络理论、模糊逻辑控制等。但大多数研究成果都是针对的仿射型系统，非仿射型系统的研究成果相对较少。许多实际系统像一些化学系统、飞行器控制系统等并不能用仿射型来描述。对于一些相对成熟的仿射型系统的设计方法也不能简单推广到非仿射型系统设计中。显然，非仿射系统的控制问题还没有形成一种系统化的设计方法。
为此，本文针对一类非仿射非线性系统，对现有的一些成果加以改进，利用该类系统所特有的性质，采用微分几何和微分代数等数学理论，设计了一套控制算法，以实现对该类对象的有效控制，所提成果可以用于仿射非线性系统，从而为解决该类问题找到一种较为通用的方法。
首先将文献中的现有控制方案加以改造，对一类非仿射非线性系统，在前人研究成果基础上，根据其微分隐式推导出控制器表达式，设计了一套基于BP神经网络的自适应控制方案。其中，在设计鲁棒控制项时，采用双曲正切函数代替常用的符号函数，使得系统信号趋于光滑，运行更顺利。接着，在神经网络控制算法的基础上加入了H∞最优控制算法，并设计出系统的自适应律，分析了系统的稳定性，收敛性，通过仿真验证所提方案的有效性。 最后将被控对象推广到大规模非仿射非线性系统进行设计，假设各子系统之间的互连效应上界为滤波误差的一次多项式，采用伪控制技术，设计了一套基于神经网络的自适应控制方案。每一个子系统采用一个神经网络逼近未知函数。所提出的方案能够用于如自动化高速公路中汽车空位调节和某些化学反应过程等大规模非仿射非线性系统的控制。
7.会议论文 苗永锋. 李正茂 基于多层神经网络的非线性系统预测
该文针对一类非线性动态系统，提出了一种新的基于多层神经网络的自适应预测器，并对基于神经网络的预测机理进行了分析。利用两个同构的多层网络来实现这种自适应预测器，其中一个称为学习网络（ＬＮ），另一个称为预测网络（ＰＮ）。仿真结果表明，基于多层神经网络的预测器对于恒定参数的非线性系统是有效的，从而为解决非线性系统预测问题提供了一条可行的途径。（本刊录）
8.学位论文 娄海川 非线性系统神经网络预测控制算法及应用研究 2009
神经网络由于具有逼近任意非线性函数的能力，使得其在非线性系统的预测控制中受到日益广泛的重视，取得了许多成果。本学位论文在前人研究的基础上，对非线性系统的神经网络预测控制算法进行了较为深入的研究，取得了系列研究成果，已发表和待发表学术论文五篇，其中四篇论文已被EI收录。本文的主要研究工作概括如下：
(1)系统地分析了非线性系统神经网络预测控制系统中的模型选取、控制器优化、控制系统结构设计方法以及收敛性理论等研究现状，分析了非线性系统神经网络预测控制算法存在的问题和今后的研究方向。
(2)讨论了RBF神经网络的批处理学习算法和在线学习算法。分别对这两类典型算法进行了理论分析和仿真研究，为本文预测建模学习算法的选择提供了理论依据。
(3)提出了一种基于动态搜索区间的黄金分割数值优化方法，分析了黄金分割法的收敛性。与基于神经网络求解优化控制的算法相比，具有较好的控制性能。
(4)基于最优保留自适应遗传算法(EPAGA)，提出了一种新的RBF神经网络预测优化控制算法。该算法综合了最优保留和自适应的思想，使优化控制器具有快速性、全局收敛性的的优点，仿真结果证明了其具有很好的优化控制性能。
(5)综合动态矩阵优化控制与神经网络建模思想，提出了一种基于RBF神经网络的改进型动态矩阵控制算法，实现了对一类非线性时变系统CSTR模型的控制，仿真表明控制效果好。
(6)以实验室非线性三容水箱液位为被控对象，开发了现场总线控制系统软硬件实验平台，并将本文提出的RBF神经网络动态矩阵控制算法应用到该实验平台中。实验结果表明，与动态矩阵控制算法相比较，所提出的RBF神经网络动态矩阵控制算法取得了更为满意的控制效果，证明了其在工业控制工程中应用的可行性，具有良好的工程应用推广价值。
9.期刊论文 郑秀萍. ZHENG Xiu-ping 基于神经网络的多变量非线性系统的广义预测控制 -科技情报开发与经济2008,18(11)
为了使广义预测控制的思想成功应用于多变量非线性系统,用神经网络对其进行开环解耦得到单变量非线性系统后,采用一种复合多层前馈神经网络结构作为单变量非线性系统预测模型,利用递推最小二乘法和Davidon最小二乘法作为在线学习算法,建立了一种适合多变量非线性系统的自校正广义预测控制器.
10.期刊论文 宁小红. NING Xiaohong 应用非线性系统识别的RBF神经网络新型学习算法 -浙江师范大学学报（自然科学版）2008,31(2)
扩展了一个在线的优先权更新算法,即一个基于RBF神经网络的非线性不连续时间多元动态系统的识别技术,这种技术适合神经网络结构.描述了独立表示的在线算法的2个不同问题,通过建立识别问题和在适当的控制理论中揭示某些技术之间的连接,给出了一个能满足单一变量系统需要的算法.
本文链接：http://d.g.wanfangdata.com.cn/Periodical_hjhkgcxyxb200206002.aspx授权使用：西安交通大学(wfxajd)，授权号：df134716-6acb-4db1-84fb-9dc800f70612
下载时间：2010年8月4日