第4期 章钱，等：一种新型自适应RBF神经网络滑模制导律 343. 150 500 100 400 50 300 ARBFSM 0 200 SMG -50 100 PN -100 -100 6 810 4 6 8 tis t/s 图6 a=-7g时的导弹加速度变化曲线 图10a=3g时SMG的滑模面 Fig.6 The missile acceration commands when a =-7g Fig.10 The sliding surface of SMG when a=3g 0.05 f 6 ARBFSM SMG-S 2 0 0 S-DWS -2 PN -4 SMG -6 0.056 -8 0 6 4 tis t/s 图11a=3g时SMG的滑模面放大图 图7a=3g时的视线角速率变化曲线 Fig.11 The enlarged sliding surface of SMG when a=3g Fig.7 The LOS rate when a=3g 0.06 0.05 0.04 ARBFSM 0.02 0 ARBFSM-S SMG PN -0.02 68 ts -0.0 0 2 4 6 810 图12a=3g时ARBFSM的滑模面 Fig.12 The sliding surface of ARBFSM when a=3g 图8α=-7g时的视线角速率变化曲线 Fig.8 The LOS rate when a=-7g 0.05 5结束语 0.05 本文首先建立了导弹一目标运动方程，接着结 合导弹拦截要求和变结构控制理论设计合适的滑模 - 面，并将其作为RBF神经网络的输入变量，输出量 即为导弹加速度.为了使得导弹系统能够到达滑模 0.8 0.5 面，采用自适应算法实时在线调整RBF神经网络的 连接权值.因此与一般的神经网络控制相比，本文中 -0.05 0 4 6 RBFNN的连接权值初始值可以为O,简化了系统设 dis 计.该导引律只用到了视线角速率，在拦截过程中不 图9入取值不同时视线角速率的变化曲线(a=-7g) 需要测量目标加速度，因此该导引律对机动目标具 Fig.9 The LOS rate when A have different values(a =-7g) 有较强的鲁棒性，且实现简单.仿真结果表明，所提