基于自适应RBF神经网络的可重复使用运载器再入段姿态控制

来源 :航天控制 | 被引量 : 0次 | 上传用户:gamearner
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对再入段可重复使用运载器(Reusable Launch Vehicles,RLV)姿态控制问题,提出一种基于自适应径向基函数(Radial Basis Function,简称RBF)神经网络(ARBFNN)的姿态控制方法。首先,建立RLV的6-DOF非线性动态模型,并将旋转动力学模型变成严反馈形式。然后,设计了一种自适应RBF神经网络控制(ARBFNN)结构,可以减少神经网络逼近误差的影响。同时,通过李雅普诺夫和自适应控制的结合消除了控制器设计过程中的不确定影响,并验证了系统的稳定性。最后,通过仿真验证了所提算法在解决再入段RLV姿态控制问题上的有效性。
其他文献
随着终身教育理念的不断深入,人们对学习的需求也越来越高。传统的非移动的学习方式在诸多时候的不便,限制了学习者的学习。因此,突破时空限制,利用移动技术和移动设备,就能随时随
“九一八”事变后,在日本侵略者铁蹄践踏下,东北地区各大、中、小学校接连被封闭、占用或强制解散,其地学校教育事业陷入绝境。其后伪满洲国成立,即在东北本地建立奴化教育机
随着“互联网+”的发展,网络在教育方面的渗透对教育形式和方法等产生了重大的影响。课堂教学从封闭走向开放、从实时走向随时,混合式学习成为了高校学习模式的新趋势,网络协作
教育的核心在于教学,而教学的关键在于教师,培养优秀教师是各国教师教育改革不断追求的目标。教师是具有很强实践性的职业,因此,教育实践课程的质量在一定程度上决定了教师的