为提高导弹作战的机动性,许多国家都在潜心研究各种新的导弹控制技术。倾斜转弯(Bank-to-Turn,简称BTT)控制技术是当今世界导弹控制领域内的一项先进的控制技术,对发展远程、高速、高精度与高机动的导弹系统具有重大的理论意义和工程应用价值。BTT控制技术的控制特点决定了BTT导弹成为一个强耦合的非线性时变系统,这为其控制系统设计增大了难度。传统的三通道独立设计的方法已不再适用,因此,寻找一种有效的设计方法用于BTT导弹控制系统设计,成为从事导弹控制领域研究者共同关注的热点。随着非线性理论和人工智能技术的发展,动态逆系统和神经网络理论等成为不确定非线性控制系统强有力的分析和设计工具。 本文从理论和工程应用两方面,对动态逆系统和神经网络控制理论在BTT导弹控制系统中的应用进行了深入研究。主要完成工作有: 建立BTT导弹控制模型,揭示BTT导弹控制系统的特点;针对具有强耦合的非线性时变的BTT导弹控制系统的设计问题,深入研究了一种解决非线性系统控制问题的有效方法——动态逆系统方法。针对动态逆系统方法不能直接应用到非最小相位系统的问题,探索解决其方法,文中给出两种解决方案:1) 按时间将系统的动力学分解为慢变和快变运动;2) 对系统的输出重定义。从而,设计动态逆控制器。 针对导弹数学模型存在不确定性,而非线性动态逆系统方法要求精确数学模型的不足,本文将动态逆系统方法和神经网络自适应控制方法结合起来进行了深入研究,设计鲁棒动态逆控制器;为了提高神经网络训练算法速度,以适应导弹的实时控制,对反向传播(BP)神经网络训练算法及改进算法进行了研究。 为对BTT导弹控制系统的性能指标进行评价及全面检验设计的控制器在控制导弹飞行中导弹控制系统跟踪导引指令的性能和鲁棒性能等,建立了BTT导弹非线性时变控制系统数学仿真模型,进行了仿真研究。