类地行星探测是深空探测的重要领域,行星探测器进入段轨迹跟踪控制可有效提高行星探测器最终着陆精度。行星进入段探测器飞行时面临严苛复杂的气动环境,其飞行轨迹受到大气密度不确定、动力学模型不确定和气动参数不确定等诸多扰动影响,需要在行星进入段对探测器施加有效的制导控制。本文在综合考虑各种不确定扰动的影响下,以径向基函数神经网络不确定估计方法和滑模控制方法为基础,构造了几种复合控制方法,对行星探测器进入段的轨迹跟踪控制问题开展研究。具体内容如下:1.考虑行星探测器进入段着陆过程中大气密度不确定作为主要干扰源,提出一种径向基函数神经网络与分数阶滑模的轨迹跟踪控制方法。基于探测器进入段三自由度动力学模型,利用滑模控制对行星探测器进入段标称轨迹进行跟踪,使用径向基函数神经网络对大气密度不确定进行估计补偿,将分数阶微积分引入滑模控制趋近律中,降低大气密度不确定引起的滑模控制的切换增益,削弱系统的抖振。将该方法应用于火星进入段着陆场景仿真,该控制方法能够在未知大气密度不确定下,对探测器着陆轨迹进行精确跟踪,使得行星探测器高精度的到达开伞点。2.在上述研究基础上,进一步考虑干扰源为大气密度和气动参数不确定的情况下,设计行星探测器进入段轨迹跟踪控制方法。改进传统线性滑模,设计了非奇异快速终端滑模控制器,保证进入段轨迹跟踪系统有较快收敛速度且跟踪误差在有限时间收敛为零,结合径向基函数神经网络对总不确定在线实时估计。实现鲁棒性强、控制精度高、跟踪误差有限时间收敛的行星探测器进入段轨迹跟踪控制。3.在上述研究基础上,将干扰源进一步考虑为大气密度、气动参数和动力学模型不确定,设计行星探测器进入段轨迹跟踪控制方法。为提高径向基函数神经网络逼近能力,利用优化惯性权重的改进粒子群算法对径向基函数神经网络的结构参数进行优化,再使用优化后的径向基函数神经网络估计补偿总不确定,结合非奇异快速终端滑模实现有限时间轨迹跟踪控制。通过火星进入段仿真验证了该方法的有效性和精确性,设置初始状态不确定的情况下进行1000次蒙特卡洛开伞点仿真实验,开伞点集中分布在预定开伞点5km的区域内,验证了该方法的鲁棒性。