针对模型未知的直升机机动飞行过程中存在的输入时滞及饱和问题, 提出了一种无模型增量自适应最优控制方案。首先, 利用增量非线性技术得到了系统的近似时变模型, 并通过递推最小二乘估计(RLS)对相关矩阵参数进行辨识; 其次, 采用泛函性能指标处理输入时滞及饱和问题, 利用增量自适应动态规划(IADP)设计近似最优跟踪控制律; 最后, 通过神经网络近似基于实时状态和延时输入的时间差分误差(TDE)函数, 并运用其瞬时积分得到评价网络权值更新率。通过Lyapunov函数分析证明了闭环系统的稳定性。直升机机动飞行速度跟踪控制仿真验证了该方法的有效性。

针对具有输入饱和及输出约束的非线性纯反馈系统, 提出了有限时间自适应神经跟踪控制方法。利用有限时间控制理论、Barrier Lyapunov 函数以及径向基函数(RBF)神经网络设计出新颖的虚拟和实际输入信号, 解决了具有输入饱和及输出约束的非线性纯反馈系统的有限时间控制问题, 同时, 确保系统在满足输入饱和及输出约束的条件下, 系统的输出在有限时间内跟踪上参考信号, 并且系统的跟踪误差在有限时间内被限制在原点的小邻域内。最后, 仿真实验阐明了所设计控制器的有效性。

为了解决光电伺服平台中的输入饱和问题，采用了基于过渡过程的滑模控制算法。过渡过程算法是基于时间最优理论设计的，将跳变的输入信号变为一个缓慢上升的信号，使系统的初始跟踪误差减小，从而避免了输入饱和现象，提高了系统的稳定性。结果表明，该方法可以有效消除输入饱和现象，适用于光电伺服平台的目标跟踪，具有重要研究与应用价值。

以六旋翼无人机为控制对象，针对经典控制分配方法在控制输入值过大时易出现电机转速指令值饱和的缺点，提出一种根据权重进行分配的改进方案。根据控制输入值的变化来实时更新权重系数以避免电机转速饱和。仿真结果表明所提分配方法能提高分配的合理性，抑制各通道的耦合现象,能有效提高六旋翼无人机的抗饱和性，有助于改善无人机的飞行性能。

针对大口径光电望远镜惯量大、存在摩擦非线性的特点，设计了自抗扰控制器以改善伺服系统的速度响应特性。介绍了自抗扰控制器的工作原理和基本结构，给出了控制器参数的选择依据，并仿真分析了各个参数的作用效果。最后，在实际望远镜转台上和常规PID控制器进行了对比实验。结果表明，采用自抗扰控制器，既可以实现大速度阶跃响应快速无超调，又可以缩短低速阶跃响应时间、改善低速平稳性。在以0.005 (°)/s速度运行时，系统稳定时间为1 s，速度波动标准差为0.000 082 (°)/s，最大值为0.000 42 (°)/s，性能明显优于传统的PID控制系统。实验结果证明自抗扰控制器对摩擦、饱和等非线性因素具有抑制能力，可以提高望远镜伺服系统的调速性能。