دانشگاه علوم و فنون هوایی شهید ستاری - انجمن هوافضای ایران مدیر مسئول: دکتر علی نوری سردبیر: دکتر حمیدرضا زارعی جانشین سردبیر: دکتر وحید خلفی دبیر تخصصی و مدیر اجرایی: دکتر میثم نوری نیارکی ویراستار انگلیسی: دکتر روح اله ملکی نشریه علمی پژوهشی مهندسی هوانوردی 17359449 27 1 2025 05 08 Neural network-based control with disturbance estimation using Kalman filter for missile longitudinal channel autopilot کنترل مبتنی بر شبکه عصبی همراه با تخمین اغتشاش با استفاده از فیلتر کالمن برای خلبان‌خودکار کانال طولی یک رهگیر: آزمون پردازنده در حلقه 75 85 219565 10.22034/joae.2025.456173.1227 FA سعید نصرالهی استادیار، مجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران مصطفی عمویی دانشجوی دکتری، مجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران Journal Article 2024 05 12 In this paper, the design and simulation of the longitudinal channel missile autopilot based on the neural network and disturbance estimation using Kalman filter is presented. It is assumed that the dynamics of this disturbance is equal to zero and its value is constant over time. After the disturbance compensation, a neural network based controller is used for the longitudinal channel autopilot of the missile. One of the advantages of the proposed method is the use of the Kalman filter to estimate the disturbance, which is an optimal estimator. Also, the neural network is used as an autopilot and there is no need to design a controller. در این مقاله، طراحی و شبیه‌سازی خلبان خودکار کانال طولی موشک مبتنی بر شبکه عصبی و تخمین اغتشاش با استفاده از فیلتر کالمن ارائه شده است. در مسائل کنترلی، رویکردهای متفاوتی به منظور برخورد با اغتشاش وجود دارد که رویکرد تخمین و جبران اغتشاش یکی از آن‌ها است. در این مقاله با فرض علم به دینامیک اغتشاش و با تکیه بر تئوری اغتشاش معادل، ابتدا اغتشاش مورد نظر به بردار حالت اضافه و توسط فیلتر کالمن تخمین زده شده و سپس جبران می‌شود. مطابق با تئوری اغتشاش معادل، اغتشاش مورد نظر، معادل با تمامی اغتشاش‌هایی است که به سیستم وارد می‌شود. پس از جبران اغتشاش، خلبان خودکار کانال طولی موشک توسط کنترل‌کننده‌ی مبتنی بر شبکه‌ی عصبی انجام می‌شود. شبکه‌ی عصبی مورد نظر، ابتدا آموزش داده شده و مورد آزمون قرار می‌گیرد و سپس به عنوان کنترل‌کننده برای خلبان‌خودکار کانال طولی موشک استفاده می‌شود. روش پیشنهادی با استفاده از آزمون پردازنده در حلقه مورد ارزیابی قرار می‌گیرد. نتایج شبیه‌سازی و آزمون پردازنده در حلقه نشان می‌دهند که روش پیشنهاد شده قادر است اثر اغتشاش را در سیستم کنترل جبران کرده و عملکرد مطلوبی داشته باشد. https://www.joae.ir/article_219565_a182f1a1bc757e4e02b5c3d8a153fba6.pdf