%0 Journal Article
%T 基于RBF网络上界自适应学习的预警卫星滑模控制
%A 张明国
%A 耿云海
%A 贾琳恒
%J 吉林大学学报(工学版)
%P 959-964
%D 2007
%X 分析了RBF（径向基函数）神经网络的基本结构和数学特性，对于预警卫星动力学系统的不确定性上界值无法测量和未知的情况，采用RBF神经网络可以对较强干扰上界进行自适应学习,并可降低控制和动力学带来的抖振。针对带有摆镜的预警卫星姿态控制问题，提出了一种基于神经网络扰动补偿的姿态滑模控制方法。针对RBF网络正交最小二乘(OLS)学习算法，采用RBF神经网络来学习不确定因素的上界值，并设计了预警卫星的姿态控制规律，解决了预警卫星动力学扰动补偿问题。利用数值仿真估算了基于RBF网络上界自适应学习滑模控制的预警卫星姿态控制系统的性能指标。
%K 航天器制导与控制
%K 预警卫星姿态控制
%K 滑模控制
%K RBF神经网络
%K 自适应学习
%K 航天器制导与控制
%K 预警卫星姿态控制
%K 滑模控制
%K RBF神经网络
%K 自适应学习
%U http://xuebao.jlu.edu.cn/gxb/CN/Y2007/V37/I04/959