针对制导炸弹这一被控对象，工程上一般常忽略耦合影响，在小扰动的前提下，将扰动运动分解为相互独立的纵向运动和侧向运动，推导出弹体的线性扰动运动方程组，对控制系统纵向、侧向和滚转三个通道分别采用系数冻结法，选择弹道上某些特征点来推导弹体的动力系数、传递函数，利用根轨迹、频域法和标准系数法来设计系统的控制规律。除了常用的整定方法外，各种先进寻优算法或者NCD软件的使用也可获得需要的PID参数。利用满意控制的思想来设计PID参数也是一种很好的思路，其方法是根据期望的多个性能指标来寻求满意的控制器参数解集。这些方法简单方便，易于工程实现，但常规PID难于适应整个飞行过程中参数的大范围变化、非线性及耦合的情形。
 (2).模糊PID控制
上述PID方法是将复杂的被控对象作为线性对象来设计控制律，但忽略了制导炸弹在不同高度的变速飞行过程中，其动力系数随着飞行条件的变化会发生较大变化，呈现出严重的非线性，且其回路可能出现非最小相位情况。文献[1-2]提出的建立在模糊控制基础上的PID将在一定程度上克服上述不足。其思路是利用经典模糊控制器具有非线性PD控制器的思想，采用带有修正因子的模糊数模型，与PI控制器结合，不仅保留了模糊控制在动态上的优越性，而且克服了仅有模糊会引起的稳态谐振的影响，本质上是一种非线性的PID控制器。这种控制方法的缺点在于模糊数模型的建立和模糊规则的确定常依赖于经验。
(3).基于自适应神经模糊推理系统的智能控制
以上控制方法都是基于一定的数学模型，以固定的方式修正弹道误差，因为存在各种不可预知的误差因素，但控制方式却难以调整，使得控制效果不理想。随着智能控制的发展，文献[3]对近些年的自适应飞行控制进行了总结，并强调了智能飞行控制（IFC）的前景。故此文献[4-5]提出了基于进化自适应神经模糊推理系统的制导炸弹智能控制方法。此方法利用了遗传算法、模糊推理、神经网络多种智能算法实现智能控制，其特点为不基于数学模型，通过模糊推理，从规则库中获取经验知识进行控制，因而能根据实际情况，灵活地改变控制方式。同时它也借鉴了增益调度中进行分层处理的方法，对每层进行BP神经网络学习并进行模糊推理，利用两者的优势使控制系统具有精度高、泛化能力强且调节灵活等优点。这也是当今控制任务的复杂繁重化高要求，唯有将各种不同方法结合起来取长避短才能发挥最大优势。
(4).微分几何与分层控制
由于制导炸弹本身是非线性模型，故可将制导炸弹的飞行控制问题作为非线性控制问题看待。而反馈线性化方法是非线性控制理论中发展比较成熟的一种控制设计方法。通过利用非线性状态反馈和非线性坐标变换，将一个非线性系统变换成线性系统，再利用我们熟知的线性系统设计方法对变化后的系统进行设计，使系统满足设计指标要求。反馈线性化分为两大类：微分几何方法和动态逆方法。其中微分几何方法在飞行控制方面也得到了许多应用。如采用状态反馈线性化用于CTOL飞机及PVTOL飞机的控制系统设计。
文献[8]采用微分几何理论和分层控制思想，对制导炸弹的复杂的空间运动进行了合理的简化，将其转化为特殊的三角形系统，利用炸弹运动的特性分层分别进行控制，最终实现对质心位置的控制。但分层的合理性及传递函数的选取问题都未考虑，同时其思想本质还是将非线性问题转换为线性问题来解决。
(5).动态逆与神经网络控制
动态逆方法作为反馈线性化的一种，主要对运动方程求逆来实现非线性系统的线性化和对多变量系统的解耦。文献[9-10]先后分别从理论和工程应用的角度对动态逆在飞控系统中的应用进行了分析，得到了非线性控制律。动态逆在飞行控制系统中是研究最广泛的反馈线性化方法，在美国控制会议的讨论已经很多。原因在于：采用动态逆的系统无需复杂的变增益调度，动态特性与增益之间是线性、解耦、时不变的低阶系统，对于对象参数的变化及不同对象参数的差异，只需改变相应的对消的函数关系就可，无需改变系统结构。但动态逆最大的缺点在于动态逆的求取要求高度精确地建立被控对象的非线性模型，这在实际中不可能，而且对于时变对象的实时求逆很难进行，计算量较大；同时不能用于非最小相位系统[11-12]。 航空时敏制导炸弹滚转通道控制器设计(3):http://www.youerw.com/zidonghua/lunwen_11336.html