倾斜转弯(BTT)技术用于导弹控制越来越受到重视。该技术控制导弹捕捉目标的过程中,能实现导弹绕纵轴转动,使其所要求的理想法向过载矢量总是落在导弹的最大升力面上。因此,与STT导弹相比,BTT导弹具有更高的机动作战能力。但是另一方面,相对STT导弹,BTT导弹在俯仰、偏航方向存在强烈的耦合项。因此,BTT导弹的整个模型呈现出高度非线性。传统的三通道独立设计自动驾驶仪的方法不适合于BTT导弹控制方式。这给BTT导弹自动驾驶仪的设计带来了很大的挑战。本文利用自适应神经网络并结合H∞控制理论来设计BTT导弹自动驾驶仪,该设计方法克服了传统自动驾驶仪在控制导弹飞行中需逐段切换增益的不足,控制BTT导弹能够满足跟踪性能指标。本文研究的主要工作有以下几个方面:首先是研究了BTT导弹数学模型。根据BTT导弹的数学模型是一类具有强耦合、非线性、时变的非最小相位系统的特点,利用输入—输出反馈线性化来处理BTT导弹的数学模型。同时针对该方法不能直接应用到非最小相位系统的问题,对BTT导弹的输出进行了重新定义。然后,针对输入—输出反馈线性化得到的数学模型中的非线性项,本文利用神经网络来对该部分进行逼近。在设计过程中,神经网络采用了脊型高斯神经网络。该网络和一般的神经网络相比,具有两方面优点:局部逼近能力好和在线调节参数相对较少。从其结构上来说,实质上是高斯径向基函数的一种扩展。理论上,脊型高斯神经网络能够以任意精度逼近非线性系统。但是,由于实际逼近过程中存在着逼近误差,为了保证设计出的控制器的性能,需要利用H∞控制理论来进行控制器的设计。从而使设计的控制系统具有良好的鲁棒稳定性和良好的跟踪性能。最后,根据建立的BTT导弹非线性时变控制系统数学模型,进行了仿真研究。对BTT导弹控制系统的性能指标进行评价以及在导弹控制系统跟踪导引指令的性能和鲁棒性能等。仿真结果表明,本文所设计基于H∞理论和自适应神经网络所设计的自动驾驶仪正确可行,能较好的满足设计目标要求。