为了克服未知的执行器故障对四旋翼无人机编队飞行的影响, 提出了一种基于动态规划的最优协同容错控制律。首先, 建立了四旋翼无人机模型, 然后, 基于动态规划设计了最优协同控制律, 利用RBF神经网络逼近最优性能指标函数, 设计了自适应律来估计未知的执行器故障, 最终得到的最优协同容错控制律可实现对无人机编队飞行的高精度控制。通过对比仿真验证了设计的控制律具有更优的编队控制效果, 编队飞行的最大轨迹跟踪误差仅为0.04 m, 控制精度较高, 设计的自适应律具有更优的故障估计效果, 最大估计误差仅为0.05 N·m, 实现了对四旋翼无人机编队的安全稳定控制。

四旋翼无人机空气动力学特性复杂, 易受干扰, 从而影响对无人机的稳定控制。为提高无人机姿态控制系统的抗干扰性, 设计了一个基于改进自抗扰控制的四旋翼姿态控制系统。将全局快速终端滑模控制技术与传统自抗扰控制技术结合, 利用全局快速终端滑模控制技术优化自抗扰控制系统中非线性误差反馈控制律的功能, 对自抗扰控制系统进行重新设计, 并使用Lyapunov理论证明该控制系统的稳定性。仿真实验结果表明改进的自抗扰控制系统在姿态控制中有着更快的响应速度、更强的抗干扰能力。

为实现线性变参数系统的快速稳定控制, 提出一种最大控制律的多面体不变集鲁棒模型预测控制算法。离线时, 通过设定一组渐近趋向于稳定点的给定值, 按照状态变量到稳定点距离大致相同的原则, 构建一系列状态变量值集合, 通过优化得到每个集合中较大的控制律, 然后采用反推的方式优化得到一系列最大的控制律, 并结合系统的输入输出约束得到离线多面体不变集。在线时, 根据每个采样周期状态变量在多面体不变集中的位置, 通过线性插值优化得到系统的实际控制律。给出离线在线算法的详细步骤和系统的闭环稳定性证明。通过仿真比较验证所提算法的有效性, 表明所提算法使系统响应更为快速和稳定。

针对CAV再入标准轨迹制导问题, 提出了一种新的基于模糊滑模的纵向轨迹制导方案, 根据CAV状态模型的特点和模糊系统设计要求, 对其纵向运动学方程进行了简化处理, 设计了模糊逼近+切换控制律补偿的控制器, 利用模糊系统的万能逼近特性来对倾侧角增量进行逼近, 用切换控制率来补偿逼近误差。仿真验证了该方案能够实现对纵向轨迹的精确跟踪, 且具有较好的鲁棒性和实时性。

为解决折叠机翼无人机在发射控制段受助推火箭阶跃力矩和展翼火箭旋转力矩双重干扰导致的控制效果不佳的难题, 采用基于最优二次型的状态最优控制算法来计算控制律接入飞控系统参与控制的时间范围, 并结合仿真试验, 最终确定控制律接入飞控系统实施舵面控制的精确时间。在此优化控制方案下, 飞控系统能够在最短的时间内结束振荡, 恢复稳定状态。经过仿真试验验证, 该优化算法将系统受到的双重力矩干扰共同作用的影响降低到较小, 顺利解决了折叠机翼无人机发射段的控制难题, 保证了无人机发射控制和飞行控制的品质。

针对飞机在进近过程中遭遇低空风切变后的轨迹控制问题, 通过建立较真实的风切变工程化模型和飞机非线性数学模型, 应用奇异摄动理论对飞机状态变量进行时标划分, 采用非线性动态逆方法设计了快、慢状态子系统的控制律以及外回路制导系统的控制律; 并引入PID控制, 补偿由风切变和其他外界因素引起的飞机气动参数摄动带来的系统逆误差, 从而消除系统稳态误差, 实现对飞机进近轨迹的有效保持; 最后进行了数值仿真验证, 结果表明, 采用动态逆与PID相结合的控制方法, 能使系统具有较好的动态特性和鲁棒性, 能有效抵抗一定强度的风切变干扰。

针对无人机的自主高精度定点着陆, 应用自适应内模控制(AIMC)原理设计了自主着陆纵向飞行控制律。以轮式无人机为平台, 将纵向非线性模型解耦并线性化。然后, 以地速和下沉率为控制目标, 应用AIMC理论设计了纵向飞行控制律。通过对AIMC滤波参数进行自调整改善了系统的动态特性, 基于对模型的辨识增强了系统的鲁棒性。在顺逆风6 m/s的条件下对AIMC系统进行了数字仿真, 结果显示其落点精度达到前后向30 m范围内。与传统内模控制(IMC)系统相比, 提出的自适应内模控制(AIMC)系统在动态性能和落点精度等方面均有明显提高。最后, 搭建了半物理测试平台, 通过半物理仿真测试复现了系统数字仿真结果, 验证了系统功能的完整性和协调性。

提出了基于自动驾驶仪的无人机跟踪地面目标的制导、控制架构, 将“无人机+自动驾驶仪”的组合看作是以滚转角、飞行高度和速度为控制输入的动态系统。在横侧向, 相比下一时刻, 根据无人机的航迹方位角误差以及无人机与目标点在水平面内相对距离与期望盘旋半径的误差, 给出滚转角指令的制导规律, 并对制导指令的生成周期进行了研究; 对于纵向, 为降低目标状态估计对于姿态误差的敏感度, 结合传感器分辨率的要求, 给出了解算飞行高度指令的方法。无人机六自由度模型的仿真对比表明, 所提跟踪制导律相比李亚普诺夫向量场法(LVFG)和切向量场法(TVFG)具有更优的稳定性和准确性。

针对掠海恒高拖靶的飞行性能需求, 设计了基于ARM7TDMI-S处理器的拖靶嵌入式高度控制系统。首先分析了拖靶在拖带飞行过程中的受力情况, 指出对拖靶的控制只需要建立一个高度回路；在此基础上设计了硬件系统, 合理分配了系统硬件资源；采用了无线电高度表和加速度计；分别测量拖靶的实时高度和升降速率；利用专用集成芯片驱动舵机工作, 达到恒高飞行的目的。为了提高拖靶的高度控制精度和响应速度, 设计了基于比例-微分控制的高度控制律, 推导出了计算机迭代算法, 给出了实时操作系统下嵌入式应用软件的主要任务流程框图。设计了半实物仿真试验, 给出了仿真结果, 验证了系统设计的正确性和工作的可靠性, 满足实际使用要求。

在进行飞行控制律设计时，为了获得好的控制品质，有必要对各输出量进行解耦，并且使控制器能根据被控对象动力学特性的改变而自适应调整。为此，介绍了两种PID神经网络解耦控制结构和一种神经网络辨识器，并分别给出了PID神经网络解耦控制器和辨识器的前向算法及反向传播算法；最后分别应用两种解耦方法针对飞机横侧向线性模型进行计算仿真，得到了两种解耦结果;证明了PID神经网络解耦控制的有效性，并比较了两种结构的优缺点。