窦立谦 田晓笛

天津大学电气与自动化工程学院，天津 300072



基于自适应RBF神经网络的可重复使用运载器再入段姿态控制*

窦立谦 田晓笛

天津大学电气与自动化工程学院，天津 300072

针对再入段可重复使用运载器(Reusable Launch Vehicles, RLV)姿态控制问题，提出一种基于自适应径向基函数(Radial Basis Function，简称RBF)神经网络(ARBFNN)的姿态控制方法。首先，建立RLV的6-DOF非线性动态模型，并将旋转动力学模型变成严反馈形式。然后，设计了一种自适应RBF神经网络控制(ARBFNN)结构，可以减少神经网络逼近误差的影响。同时，通过李雅普诺夫和自适应控制的结合消除了控制器设计过程中的不确定影响，并验证了系统的稳定性。最后，通过仿真验证了所提算法在解决再入段RLV姿态控制问题上的有效性。

姿态控制；RBF神经网络控制；可重复使用运载器

可重复使用运载器(简称RLV)是指可以多次重复使用，并自主往返地球与太空之间的多用途飞行器[1-2]。RLV再入过程的飞行马赫数和飞行高度跨度范围大，飞行条件恶劣，导致其模型具有强耦合、强非线性以及气动参数不确定性等特点[3]。因而，如何采用有效的控制方法，确保RLV能够在复杂的飞行环境下，拥有稳定的飞行特性以及良好的姿态跟踪控制性能，成为一个极具挑战性的问题。

近年来，飞行器再入过程的非线性控制方法取得了一定进展，一些先进的非线性控制技术开始在飞行器控制中使用。如文献[4]中针对再入飞行器, 设计了一种基于高阶滑模观测器的自适应时变滑模控制器。……