杨广慧 杜立夫 李 辉 刘旭东

北京航天自动控制研究所， 北京 100854

0 引 言

近年来，各类复杂航空飞行器、航天飞行器的结构和任务需求日益复杂，对其控制性能(包括精确性、稳定性、抗干扰性和收敛速度等)的要求越来越高[1]。由于跨域空间飞行器飞行高度和飞行马赫数跨度大、飞行环境复杂，特别是高超声速临近空间飞行器在飞行过程中气动和气热特性变化剧烈[2-3]，飞行器所受的气动力及力矩的数学模型复杂，非线性程度强，很难获得其精确的解析表达形式。因此在飞行过程中，如果能够实时辨识出飞行器的气动特性及参数，不仅能增强系统的鲁棒性与适应性，还可以有效提升控制精度。

神经网络自提出以来，在模式识别、感知学习、模型建立与智能控制方面取得了巨大发展和应用[4-5]。神经网络可以任意精度逼近非线性系统的输入输出特性,是一种非线性系统辨识建模的有效工具[6-7]。用其作为非线性系统辨识模型,可以较好地解决复杂非线性系统的辨识建模和辨识问题。目前应用较为广泛的、比较成熟的神经网络为反向传播(Back Propagation，BP)神经网络，是人工神经网络中较为典型的一种前馈网络，特别适合处理系统的非线性、不确定性以及逼近系统或结构特性的辨识函数等问题[8-9]。刘晓东等人[10]运用基于BP神经网络的模型参考自适应控制方法设计姿态控制器，采用模型参考自适应控制的基本设计框架，通过BP神经网络对PID控制参数进行自……