毕业设计正文修改版

《毕业设计正文修改版》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文屮特别加以标注引用的内容外，本论文不包括任何其他个人或集体己经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。作者签名：年月日学位论文版权使用授权书本学位论文作者完全了解学校冇关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。木人授权省级优秀学士论文评选机构将本学位论文的全部或部分内容编入有关数据进行检索，可以采用影印、缩印或扫描等复制手段保

2、存和汇编本学位论文。本学位论文属于1、保密口，在年解密后适用本授权书2、不保密口。（请在以上相应方框内打）作者签名：年日导师签名：年月日摘要近空间飞行器(NearSpaceVehicleNSV)是各军事大国口益关注的新型飞行器，具有重人战略价值，区别于传统航空器与轨道航天器，NSV具有飞行空域特殊、飞行包络极大、高机动、多任务模式、多工作状态等特点，使得适应其运动特点的高性能飞行控制系统的设计成为一项极具挑战性难题。本文针对变结构近空间飞行器在大包络飞行过程屮具有切换的后掠翼、非线性、快时变和不确定等特性，提出了基于全调节

3、径向基神经网络(FullyTunedRadialBasisFunctionNeuralNetwork,FTRBFNN)和动态面反演的鲁棒自适应跟踪控制方法。该方法利用FTRBFNN在线逼近飞控切换模型屮的复合干扰，应用带有动态面的反演控制方法，设计适用于任意切换后掠翼角光滑的反馈控制器。然后通过Lyapunov函数，证明丫所提出的控制方法可以保证闭环切换系统的输出跟踪误差在有限时间内收敛到任意小的有界集內。实验仿真结果表明该飞控系统具有良好的控制性能。关键i司：近空间飞行器；神经网络；反演法；鲁棒自适应控制；Lyapuno

4、v函数AbstractNearSpaceVehicle(NSV)asanovelaerospacetechnologyisarousingmoreattentioninglobalrangethanever.NSVwhichhavegreatmartialvaluesisdifferentfromtraditionalaircraftsandorbitalspacevehicles.NSV’sspecialcharacteristicssuchasspecialflightairspace，largeflightenvel

5、op，highmaneuverability，multi-missionprofilesandcomplicatedflightconditionsmakethedesignofflightcontrolsystemfacemorechallengeandinnovation.Avariablestructurenearspacevehiclehasswitchedwings，nonlinearity,timevariability，anduncertainty，especiallyinlargeflightenvelop

6、.Sorobustadaptivetrackingcontrolispresentedbasedonfullytunedradialbasisfunctionneuralnetwork(FTRBFNN)andbackstepping.Firstly，FTRBFNNareemployedtocompensateforunknowndisturbanceinswitchednonlinearsystems.Next,adaptivebacksteppingmethodisthenusedtodesignthesmoothfee

7、dbackcontroller.UsingthecommonLyapunovfunctionapproach，weprovethatthetrackingerrorcanconvergetoanarbitrarysmallneighborhoodofthedesiredtrajectoryinafinitetime.Thesimulationresultsarepresentedtoshowtheeffectivenessoftheproposedscheme.KeyWords：nearspacevehicle；neura

8、lnetwork；backstepping；robustadaptivecontrol;Lyaponovfunction目录第1章绪论11.1本文的研究背景及国内外现状11.2目的和意义2第2章近空间飞行器系统的控制方法32.1自适应控制32.2鲁棒控制32.3反演控制42.4神经网络控制4第3章近空间