为了克服非最小相位的限制，文献[13]总结了多人提出的改进方法，但都有缺点，而其中的输出重新定义方法被作者利用，并使用神经网络来实现对制导弹药的飞行控制。
选择神经网络的原因就在于其具有精确逼近非线性函数、并进行处理与分布存储、高容错、数据统和及自学习等特点。其中最重要的就在于其能用来消除对象动态逆的不精确所产生的误差，因此神经网络场和动态逆一起用于飞行控制中[14-15]。近年来国内外也对此进行了深入地研究，将其在飞机、导弹等飞行器的应用进行了仿真研究。美国乔治亚理工大学的Anthony J. Calise教授为首的研究小组对与飞行控制有关的自适应神经网络控制的研究一直处于领导地位。该小组提出的基于线性化对象逆模型和神经网络的飞行控制方案，已被应用在包括JDAM在内的制导弹药及无人机等具有高度非线性与高度不确定特性的系统中[16-17]。这种方法的基本思想是用一离线神经网络逼近对象的逆模型，同时用一在线神经网络辨识逆误差。其优点在于采用的在线学习的神经网络，这样就使网络权值的调整不像离线那样依赖于样本数据，跟踪误差与输入信息无关。但这样实现起来难度比较大，风险也大。从公开报道的文献看，国内现今还停留在仿真试验阶段，对此项工作的研究无论是理论层面还是应用层面都尚未形成完整的体系。
1.2.3.    增益调度方法的研究发展概况
增益调度控制技术属于自适应控制的范畴,它与模型参考自适应控制的不同点在于它是通过离线的调度表来更新反馈参数，而不是通过在线辨识。它有机结合自适应控制和鲁棒控制技术的优点，利用制导炸弹空气动力学特性与制导炸弹的某些特征参数的强相关性调整控制器参数，确保制导炸弹在要求的飞行条件下的稳定性和动态品质。
传统的增益调度设计通常将非线性系统在各特征点上线性化，然后针对每一个特征点设计合适的线性控制器，最后将这些线性控制器族通过切换或插值的方法组合在一起以控制整个非线性系统。该方法通过设计线性控制器的方法来解决非线性问题，理论简洁，易于工程实现。
2001年，George等人提出采用非线性动态逆思想设计控制器，并用线性变参数(LPV)方法来分析系统稳定性[24]。这样使得整个设计过程简单易行，又进行了稳定性分析。
近些年来出现了基于线性变参数(LPV)系统的增益调度方法。这一设计方法与传统的增益调度方法不同之处在于：首先，它直接设计出一个控制器，而不是由线性时不变方法设计的局部控制器族结合形成控制器。其次，不像传统的增益调度方法那样提供一个开放的框架结构，LPV方法通常使用基于范数的性能指标，特别是 诱导范数被广泛运用作为性能指标。在设计方法上多采用现代设计技术，如鲁棒 控制、鲁棒 控制[25-26]。并通过将参数空间栅格化，求解一系列线性矩阵不等式的方法获得控制器。这样得到的控制器在预先定义的运行范围内能够保证一定的稳定性和性能。
Apkarian基于工程应用的目的，提出了采用 、 混合控制技术，减少了计算量并使系统易于实现[27]。并将此方法应用到实际系统中。
目前基于LPV的增益调度控制器的综合主要有两种方法：一种是基于LFT/ 的小增益算法[28]；另一种是李雅普诺夫函数/二次 性能方案[29-32]。这些方法采用线性矩阵不等式(LMI)凸优化求解，所设计的控制器结构比较复杂，通常与被控对象的阶数相当，不利于工程实现。
增益调度控制技术在线性变参数系统和非线性系统的控制器设计中得到了一些应用。它在导弹飞行控制系统设计中得到了应用，如AIM-54C、AIM-120、SAM-D等型号就是基于这种思想设计出来的。从上世纪九十年代开始，由美国学者逐步发展增益调度控制技术的理论基础，研究了增益调度控制系统的稳定性和鲁棒性问题，特征参数选取和控制器结构确定等问题，并取得了一定成效，为该方法在工程中更好地应用打下了基础[18,19,26]。 航空时敏制导炸弹滚转通道控制器设计(4):http://www.youerw.com/zidonghua/lunwen_11336.html