张广勇 杨小龙 付维贤

北京宇航系统工程研究所，北京 100076



基于神经网络的再入自适应轨迹跟踪方法

张广勇 杨小龙 付维贤

北京宇航系统工程研究所，北京 100076

针对升力式再入飞行器的再入制导问题，根据设计得到的参考阻力加速度剖面，对动态逆阻力加速度跟踪原理进行分析，利用单隐层神经网络良好的非线性逼近能力，采用在线神经网络对逆误差进行补偿，并考虑气动参数偏差情况下的跟踪效果进行对比。针对参考阻力加速度变化剧烈而导致控制输入饱和的问题，本文引入PCH(Pseudo-control Hedging)思想，通过修正参考模型把参考信号限制在控制输入可实现的范围之内。仿真结果表明，该方法跟踪精度较高，可一定程度上缓解控制输入饱和。

再入制导；阻力加速度；神经网络；PCH

升力式再入飞行器再入制导分为纵向制导和侧向制导2个部分[1]。其中纵向制导主要通过航程预测来生成参考阻力加速度剖面，并通过跟踪参考阻力加速度得到控制量，阻力加速度的跟踪精度决定了飞行器的纵向制导精度。阻力加速度状态方程是一个强非线性的快时变系统，采用动态逆方法[2]设计跟踪控制律，可以跟踪参考阻力加速度得到倾侧角指令,且控制律对于环境参数变化有一定的自适应性，但是存在2个问题：1)鲁棒性较差，由于飞行参数的未知偏差以及不可预知的外部干扰，使跟踪效果变差；2)由于飞行器建模本身会存在误差，动态逆方法对模型的精确性依赖较强，逆误差会导致跟踪精度不高。……