随着航空航天技术的发展,被拦截目标的速度越来越高、机动性越来越强、干扰措施越来越多,传统导引律和现代制导律难以满足战争的反导拦截要求。此外,某些特定的作战任务对拦截末端的攻击角度具有一定的要求,因此适应现代战场复杂作战环境的新型制导武器是各国夺得战争主导权的重要手段。滑模变结构控制对于系统参数不确定性和外界干扰具有不变性,因而被用来设计制导律,但变结构开关项所引起的抖振会降低控制系统的动态品质。RBF神经网络能自主学习数据中非线性关系,具有优化能力,逐渐被运用在控制系统的设计中。基于RBF神经网络与变结构控制所设计的系统,既保留了变结构强鲁棒性的优点,又削弱了变结构系统的抖振。本文首先结合导弹和目标动力学、运动学模型建立了制导控制仿真系统,对传统导引律进行特性分析,给出了制导律选取的准则。其次,提出了一种开关项增益固定的变结构制导律。该制导律将目标机动当作干扰,能有效打击高速、大机动目标,但在拦截过程中存在视线角速率抖振不利于弹上机构正常工作的问题。利用RBF神经网络强大的非线性问题处理能力来调节开关项增益,在保证拦截精度的前提下,削弱视线角速率抖振。接着,提出了一种基于RBF神经网络边界层调节的变结构制导律,用饱和函数代替符号函数。饱和函数的边界层厚度越小,控制效果越好,但同时又会使控制增益变大,抖振增强;反之,边界层厚度越大,抖振越小,但又会使控制增益变小,控制效果变差。为获得最佳控制效果,利用RBF神经网络调整边界层厚度。与比例导引法、固定增益变结构制导律仿真对比,所提出的两种基于RBF神经网络调节的制导律都能有效削弱系统的抖振,提高导弹的拦截精度。最后,针对导弹命中目标的攻击角度存在约束问题,提出了一种基于RBF神经网络带末端角约束的滑模制导律,有效削弱视线角速率的抖振。与增益固定带末端角约束的变结构制导律仿真对比,所提的制导律不仅能够准确打击目标,也能削弱系统的抖振。