基于非线性模型预测控制的火星大气进入智能制导方法

针对火星大气进入精确制导问题,提出了基于非线性模型预测控制(nonlinear model predictive con-trol,NMPC)的智能进入制导方法.首先,考虑了进入制导约束,采用NMPC方法设计制导算法.通过引入衰减记忆滤波器,提出了基于误差信息估计的预测模型修正方法,增强系统对模型误差的鲁棒性,并利用变预测时域策略提高系统性能.然后,以NMPC制导系统为制导模板,在实际条件下生成大量样本数据集,进行深度神经网络(deep neural network,DNN)的离线训练.最后,在进入制导过程中利用DNN代替求解复杂优化问题和积分预测的过程,在线快速解算控制量,并结合横向制导实现智能制导.仿真结果表明,提出的制导方法能够快速计算指令,实现了高精度制导.