基于RBF神经网络的自适应反演大机动飞行控制器设计

针对飞行器在大机动飞行过程中气动参数不确定、外部未知干扰因素较多及系统建模可能存在误差等问题,设计了一种基于RBF神经网络的非线性自适应反演控制器。飞行器大机动飞行过程中的广义不确定性由RBF神经网络在线逼近,神经网络权值矩阵通过自适应律在线更新。反演设计过程中对虚拟控制律的反复求导带来的"项数膨胀"问题,通过引入一阶滤波器来解决。通过构造Lyapunov函数,证明了闭环系统所有信号均有界,并且跟踪误差指数收敛到零的一个小邻域内。对某飞行器进行了大机动飞行仿真,结果表明该控制器具有良好的跟踪效果和鲁棒性。