基于RCMAC网络的动态逆再入制导方法研究

吴 浩，杨 业

(北京航天自动控制研究所，北京 100854)

升力式再入飞行器在长距离飞行过程中从稀薄大气进入稠密大气，受到气动偏差、大气密度偏差、风场干扰等因素的影响较大，而飞行过程中对机体所承受的多约束条件以及终端约束等条件有严格要求.因此，设计的制导方法需要具有良好的鲁棒性.传统的标准轨迹制导是通过控制升阻比(L/D)在纵向面内的投影来实现对标准升阻比的跟踪［1-2］.其控制结构从以往的PID控制［1，3］发展到动态逆控制［4］的方式.动态逆方法能够有效消除飞行器系统的非线性因素，在伪线性系统基础上通过相应的控制方法实现解耦和协调控制，但由于其对模型的依赖程度较高，在存在偏差或干扰较大的情况下，逆误差会使得控制效果恶化，引起制导精度降低.因此，神经网络［5］、滑模控制［6］等方法与动态逆相结合成为了当前飞行器制导控制的研究热点.

本文在基于动态逆的阻力加速度跟踪制导的基础上，引入自回归小脑模型神经网络(RCMAC)网络对模型的不确定项和外部干扰进行在线补偿，应用Lyapunov方法推导出RCMAC网络的权值更新规则，证明了闭环系统的稳定性.仿真结果验证了方法的有效性.

1 升力式再入飞行器运动模型

在再入飞行的过程中，假设地球模型为球形，飞行器为刚体，其受到的外作用力仅有升力、阻力和重力，忽略地球自转的影响，则描述飞行器运动的方程组可表示为［7］:

式中:r是飞行器地心径向距离，r=h+R0，h是……