滑翔导弹末段飞行时空复杂度高、不确定性强、约束多, 给弹道规划与制导算法带来了较大的建模和求解难度。针对这一问题, 同时增大末段机动范围并提高弹道规划效率, 本文提出一种利用连续型深度置信神经网络(Convolutional Deep Brief Networks, CDBN)预测机动能力、设计经由点状态实现末段多约束智能弹道规划的方法。过程中采用CDBN对机动能力进行在线预测, 快速判定经由点状态的可行性, 并且通过经由点状态智能设计, 实现前后段能量的优化分配, 扩大弹道机动包络; 通过设计三角函数型弹目视线角实现末段弹道摆动机动, 推导机动弹道最优末制导律对视线角进行跟踪, 并调节机动频率以满足速度约束。仿真结果表明, CDBN相对BP网络具有更高的机动能力预测精度; 本文所提智能弹道规划方法在满足末端速度约束的前提下, 可以实现弹道摆动机动并大幅增加飞行包络。弹道规划能够在0.5 s内完成, 满足工程应用的快速性要求。

针对强非线性、大俯仰角运动的水下运载器纵向运动轨迹跟踪问题提出了一类非线性自适应控制方案。首先, 直接采用非线性运动模型, 在控制器设计过程中引入饱和函数, 通过麦克劳林展开公式避免了俯仰角为小角度的假设限制; 其次, 考虑到运载器非线性运动模型很难给出精确的数学描述并且实际运载器系统存在模型误差, 采用在线自适应方法近似逼近其非线性模型; 最后, 利用Backstepping方法设计了非线性自适应控制器, 并利用Lyapunov理论证明了控制系统的稳定性。半实物仿真结果表明：在考虑测量噪声和参数不确定性的情况下, 该算法对给出的3种轨迹的跟踪误差均小于0.5 m, 俯仰舵偏均小于15°, 俯仰力矩均在105 N·m量级。结果验证了本文提出的控制系统鲁棒性强, 满足跟踪性能要求。

针对可重复使用助推飞行器在大攻角飞行过程中的耦合及干扰问题，提出了基于协调增益调度策略的姿态控制器设计方法。首先，忽略大攻角飞行时俯仰、偏航、滚转通道间潜在的耦合，建立了有别于小扰动线性化的各通道线性化模型，独立设计了各通道的增益调度控制器。然后，在单通道控制的基础上，说明了协调增益调度控制策略的思想。最后，设计了协调调度控制器用于消除通道间的交叉耦合。非线性实时仿真表明，该策略使攻角最大误差降低了1~2°，侧滑角跟踪精度提高了将近0.4°，满足可重复使用助推飞行器大攻角飞行时对系统性能指标的要求，同时控制策略的设计方法物理概念清晰，易于工程实现。

针对运载火箭上面级惯性导航随时间累积而误差增大以至不能满足长时间工作要求的问题，对采用星敏感器和地球敏感器修正惯性导航误差的方案进行了研究。首先，导出了上面级常用坐标系定义和姿态转换矩阵。然后，根据惯性导航的误差传播特性、星敏感器测量方程和地球敏感器的模拟测量方程，给出了组合导航的状态方程和观测方程。最后，设计了基于Matlab/dSpace仿真平台的星敏感器在导航回路中的半物理仿真实验。实验结果表明，组合导航使惯性导航位置误差矢量和从1.171 9×104 m减小到1.036 7×103 m，速度误差矢量和从11.282 7 m/s减小到3.662 6 m/s，姿态误差从0.1°减小到5′，说明了该组合导航方案能够有效修正惯性导航时间累积误差，半实物仿真实验验证了惯性/天文组合导航方案的可行性与正确性。