[发明专利]BTT导弹神经网络反演自动驾驶仪的FPGA实现方法

摘要

本发明公开了一种BTT导弹神经网络反演自动驾驶仪的FPGA实现方法首先，建立了BTT导弹的状态方程模型；其次选用RBF神经网络方法来补偿BTT导弹状态方程的建模误差；然后利用Backstepping方法推导出控制输入，从而设计出BTT导弹稳定的控制器；最后，将导弹模型解算移植于FPGA内来实现，自动驾驶仪运行时，输入期望姿态信号和初始状态向量至控制器中，由控制器计算出控制输入即舵偏角，将其送入模型解算器中解算得出BTT导弹的新姿态信息，再将所有状态信号存入存储器FIFO中，由此形成循环；仿真结果表明该自动驾驶仪既取得了较好的控制效果又大大缩短了仿真时间，能够满足实时性的要求。

主权项

BTT导弹神经网络反演自动驾驶仪的FPGA实现方法，其特征在于：包括以下步骤：1)建立BTT导弹的状态方程模型；2)选用RBF神经网络方法补偿BTT导弹状态方程的建模误差；然后利用Backstepping方法推导出控制输入，从而设计出基于FPGA模型的BTT导弹姿态控制器；3)将导弹模型解算移植于FPGA内来实现，在FPGA中完成整个闭环反馈，建立出BTT导弹自动驾驶仪；自动驾驶仪运行时，输入期望姿态信号和初始状态向量至姿态控制器中，由姿态控制器计算出控制输入，利用控制输入进行模型解算，得出BTT导弹的新姿态信息，将新姿态信息送入姿态控制器中，由此形成循环；当循环结束时输出BTT导弹的姿态角，循环的次数由期望姿态角的样本量决定；所述姿态控制器采用RBF神经网络来逼近BTT导弹状态方程模型的不确定项Δ1(x1)和Δ2(x1,x2)，以弥补建模误差：Δ~1(x1)=H1(x1)Q1,Δ~2(x1,x2)=H2(x2)Q2]]>其中，x1＝[α β φ]T∈R3，x2＝[p q r]T∈R3，α为攻角，β为侧滑角，φ为滚转角，p为滚转角速度，q为俯仰角速度，r为偏航角速度，H是神经网络的隐含层输出矩阵，Q是神经网络的隐含层与输出层之间的连接权值矩阵，和是不确定项逼近值。