侧滑转弯(Skid-To-Turn, STT)控制技术与倾斜转弯(Bank-To-Turn, BTT)控制技术是目前广泛用于导弹控制的两项技术。其中,倾斜转弯控制技术是一种新型的控制技术,对提高导弹的射程、速度、精度以及机动性具有重大意义。BTT控制技术的特点决定了BTT导弹弹体模型中存在着多种耦合项,因此在设计BTT导弹自动驾驶仪时,传统的三通道独立设计方法不再适用。寻找一种有效的控制方法用于BTT导弹自动驾驶仪的设计,成为国内外学者的重要课题。随着非线性控制理论以及神经网络技术的发展,反馈线性化成为处理非线性系统问题的主要方法,而神经网络在处理不确定非线性系统时具有无法比拟的优越性。本文将反馈线性化方法中的一种解决非线性控制问题的常用方法——动态逆方法,与径向基(RBF)神经网络相结合,设计了BTT导弹稳定回路。本文的主要工作包括如下几点：第一,BTT导弹弹体模型的确定。BTT导弹弹体模型具有非线性、快时变、强耦合的特点,在建立BTT导弹弹体模型时,需要做一定的简化和假设。考虑到状态变量的可测性,在有效利用已知信息的基础上建立了导弹三通道数学模型。第二,应用动态逆方法对BTT导弹的稳定回路进行了设计。针对动态逆方法不能直接应用到非最小相位系统的特点,提出了两种有效的解决方法：①系统输出重定义法；②时标分离法。本文应用系统输出重定义法对具有非最小相位特点的BTT导弹弹体模型进行了处理,实现了动态逆方法与BTT导弹模型的有效结合。本章的末尾验证了该控制方法的可行性。第三,由于动态逆方法要求模型精确已知,而BTT导弹的弹体模型参数是变化的,且存在不确定性,因此应用动态逆方法设计的导弹稳定回路的鲁棒性很难达到要求。本文利用神经网络自学习、自适应的特点设计了神经网络动态逆控制器,替代了原有的控制器,有效提高了系统的鲁棒性。仿真结果表明,利用动态逆方法与神经网络技术相结合设计的导弹稳定回路,具有良好的动态性能及跟踪性能。