针对无人机一般难以单独打击空防严密的高价值目标问题, 采用低成本无人机集群饱和攻击技术, 提出协同控制下的三阶段一致性饱和攻击策略, 根据不同阶段的任务特点, 设计对应的改进一致性算法, 并在满足饱和攻击任务多条件协同的基础上, 加入Dubins曲线增加飞行轨迹约束, 平滑无人机飞行航迹, 缩短航程。此外, 在高精度队形保持的任务环境下, 设计改进的二阶一致性控制器, 确保飞行精度, 加快收敛速度。最后, 将各阶段改进算法的实际效果与传统算法进行对比, 在验证改进算法有效性的同时, 检验算法延展性。仿真结果表明, 该算法可应用于大规模无人机集群并具有良好的效果, 为饱和攻击战略决策部署与战术实现提供了依据和参考。

针对倾转旋翼机过渡过程中操纵面冗余、通道耦合严重的问题, 对飞行器在过渡模式下的舵面分配策略以及控制通道切换策略进行了研究, 并开展基于自抗扰控制的姿态控制器设计。根据飞行控制的特点, 将自抗扰控制器的结构进行优化, 减少了扩张状态观测器的阶数, 采用跟踪微分器的微分输出作为姿态角速率指令, 简化了姿态控制器的结构。通过对无人倾转旋翼机全包线的飞行控制仿真, 验证了控制系统的有效性、舵面分配策略和通道切换策略的合理性。

为解决四旋翼无人机在飞行时实时姿态测量的问题, 提高姿态估计精度, 设计了一种基于STM32的梯度下降姿态估计系统。该系统以STM32F427微处理器为主控制器, MPU6000和LSM303D作为姿态传感器, 实现了对姿态传感器数据采集以及姿态解算。系统对加速度计、磁罗盘进行预处理, 利用梯度下降滤波的方法估计误差四元数, 从而修正陀螺仪积分误差, 实现了姿态角的精确估计。最后, 通过搭建的飞行实验平台, 与Pixhawk飞控进行姿态角比较分析, 实验结果表明：采用梯度下降法的姿态估计系统能够稳定有效地估计无人机的姿态, 满足四旋翼无人机的飞行要求。

针对传统四旋翼PID控制器参数整定困难和控制效果较难达到最优的问题, 综合了传统PID控制器工程意义明确、参数整定简单以及神经网络的非线性映射和自学习的优点, 构造了四旋翼飞行器神经网络PID(PIDNN)控制器。利用神经网络的非线性映射特点和自学习能力优化了传统PID控制器的控制效果, 借助PID控制器的结构, 解决了神经网络层数、节点数和连接权重初值选取困难的问题。同时利用自适应调整比例神经元加权系数, 增加了系统的响应速度。最后, 通过非线性全数值仿真验证了算法的合理性和有效性。