基于RBF网络上界自适应学习的预警卫星滑模控制

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。