基于RBF神经网络增益调节的滑模制导律

摘要

cqvip:为了解决滑模制导律在拦截高速、大机动目标存在视线角速率抖振现象以及忽略自动驾驶仪动态特性等问题,结合变结构控制理论和神经网络,提出一种基于径向基函数(RBF)神经网络调节增益的滑模制导律。利用RBF神经网络结构简单、收敛速度快、能够逼近任意非线性函数的特点来实时调节滑模制导律中的变结构项增益。最后将基于RBF神经网络增益调节的滑模制导律与比例导引法、固定增益滑模制导律进行仿真对比。结果表明:基于RBF神经网络增益调节的滑模制导律能对增益自适应调节,可抵消目标机动影响,确保角速率较平滑,并能削弱系统的抖振,增强了系统的鲁棒性,提高导弹拦截精度。