随着空空导弹长细比的增加,导弹的弹性特性逐渐凸显,随之带来的气动伺服弹性问题也越来越受到研究人员的关注。有研究表明串联在反馈通道上的陷波器能够有效解决机械系统弹性振动带来的伺服问题,但传统的固定极点式陷波器无法解决导弹飞行过程中振动频率变化的问题。因此,本文提出一种新的自适应陷波器的设计方法,通过反馈测量信号对弹性振动频率进行实时估计更新,从而改变陷波器的陷波频率。仿真结果表明,提出的自适应陷波器设计方法能够有效滤除空空导弹过载跟踪控制时产生的振动信号,避免了气动伺服弹性问题的发生,实现纵向加速度的稳定快速跟踪。

在导弹设计研发的初始阶段,需要精确获取导弹不同气动外形对应的气动参数。然而,获取导弹气动参数的传统方法存在价格昂贵、过程耗时等缺陷。为此,本文进行了基于神经网络的导弹气动参数预测研究,构建了利用思维进化算法优化的BP神经网络模型。建模结果表明,利用该方法进行导弹气动参数的预测是可行且有效的,在样本所确定的参数范围内,对导弹的气动参数拟合能力较强,具有较好的泛化能力。

为抑制弹体弹性振动引起的控制系统品质恶化,建立了高精度弹性动态模型,采用模态自适应结构滤波技术,在极点配置优化控制参数的基础上,设计了滑模变结构策略,对局部增益进行自适应切换,实现了弹性导弹全包线鲁棒稳定。通过开发弹性弹体非线性集成仿真系统,为导弹气动伺服弹性振荡及失稳现象提供了数字仿真预测与复现手段,以全面验证飞行控制系统的综合性能。高空弹道试验与数字仿真结果表明,开发的非线性仿真系统可信度较高,滑模变结构策略设计合理,控制系统鲁棒性较强,能够抑制包括弹性振动在内的多种不确定性影响。