基于遗传规划的导弹自适应控制方法研究

《基于遗传规划的导弹自适应控制方法研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、andJTechnologyKevLaboratoryofFlightSimulationCFTE;Abstract：InordertoimprovethecontroleffectofthePIDmethodonthenon-linearmissilesystem,anadaptivecontrolmethodbasedongeneticprogramming(GP)isproposed.Firstly,thestructureofthePIDcontrollerisestablished，andtheGPalgor

2、ithmisappliedowingtoitscharacteristicsofclearmappingrelationshipandstrongnon-linearfittingability.Byusingtheflightstateparametersandoptimalcontrolparametersassampledataofinputandoutputrespectively,theintuitivefunctionrelationfromthemissileflightstateparametersto

3、thePIDcontrolparameterisobtained，thustheonlineadaptivesettingofcontrolparameterscanberealizedfinally.Thesimulationresultsshowthattheproposedmethodhasastrongadaptabilitytothenon-linearvariationofmissilesystemparametersandcanplayastablecontroleffect.Keyword：PTDcon

4、trol;adaptivecontrol;geneticprogramming(GP);non-1inearsystem;Received：2017-07-140引言传统的以PTD控制理论为基础的导弹控制系统存在着诸多问题。如参数整定过程复杂且多依靠实践经验而缺乏理论依据;一组特定的控制参数又难以满足整个导弹飞行过程中的控制需求。此外，某些改进的自适应控制方法虽可取得较好的控制效果，但控制系统结构却变得更加复杂[1]。针对以上问题，结合遗传规划良好的非线性函数逼近能力和其结果显式的特点[2-3],设计了一种采用遗传规划

5、的导弹自适应控制策略。该控制器结构仍源于经典pid控制策略，但融入丫自适应控制思想UL利用遗传规划代替丫自适应方法中复杂的参数辨识过程，通过离线学习后可以获得显式的控制参数表达式，使得整个控制系统的结构更加清晰明确，有助于工程实现。同时针对导弹飞行过程中不同阶段的运动特征实时调整控制参数，使用相对直观的参数控制器结构达到了理想的控制效果。1控制器设计方法1.1总体结构导弹控制系统的结构如图1所示。该系统的实现过程可分为如下两大步骤：(1)利用样木数据离线训练控制参数调节器。随着导弹飞行过程中弹体状态的变化，控制参数也会

6、发生相应的变化，但在一般情况下从弹体飞行状态到控制参数的映射关系并不是线性的，其屮的变化规律往往难以用数学公式加以描述。因此，利用遗传规划学习并得到从弹体飞行状态到控制参数的非线性映射关系，从而得到控制参数调节器。(2)将控制参数调节器置入控制系统中，实现自适应控制。在弹体飞行过程中，参数调节器根据当前的弹体飞行状态，实时在线调整控制参数，使得控制器对被控对象(导弹弹体)的控制效果达到最优。图1导弹控制系统结构Fig.1Structureofmissilecontrolsystem下载原图1.2PID控制器对于大多数轴

7、对称导弹而言，纵向运动方程与侧向运动方程是相同的，因此在设计控制系统的过程中只考虑了导弹的纵向运动。在实际飞行过程中，控制系统通过调整升降舵偏转角来控制导弹按照飞行方案飞行。当导弹的实际飞行高度札大于预定飞行高度H„时，升降舵偏转角要向下偏转，产生负的俯仰力矩，使导弹低尖，降低导弹的飞行高度。同理，当1L小于仏时，升降舵偏转角要向上偏转，产生正的俯仰力矩，使导弹抬头，增加导弹的飞行高度为了加快控制系统的响应速度，同时避免控制系统的振荡,使导弹以较快的速度稳定在指定高度上，在比例控制项的基础上又引入了微分项和积分项，构成

8、了以高度误差为输入项的PID控制器：式中:Kp，1与1分别为比例项、积分项与微分项的控制参数，在飞行过程中，对应着不同的飞行状态，控制参数有着不同的最优取值；AH为实际飞行高度H,.与预定飞行高度间的高度误差。2参数调节器训练神经网络被较多地应用于pid自适应控制中m，但神经网络对外界始终呈现黑箱状态，难以进行系统分析，而且内部结