针对相互速度障碍法(RVO)避障速度理论上可选而实际应用中不可达的问题, 综合考虑相互速度障碍法和动态窗口法(DWA)的优缺点, 将两种算法进行融合, 对可选避障速度进行运动学约束。进一步, 针对复杂环境下多移动机器人相遇过程中膨胀半径可能导致移动机器人避障失败的问题, 又提出了膨胀半径可变的自适应相互速度障碍法(ARVO)。该方法可以通过判断周边环境的复杂度对膨胀半径进行调整, 既保障了移动机器人与周边障碍物的安全距离, 又适当扩大了可选速度范围。最后, 通过机器人操作系统(ROS)中的Gazebo仿真平台验证了算法的良好性能。

Qball2四旋翼飞行器偏航角的转动由反扭力提供，相较由升力提供动力的俯仰角和滚转角来说更容易出现转速饱和的情况，并且模型具有参数不确定、强耦合、易受外部干扰等特点。针对上述问题采用一种基于误差补偿的线性自抗扰控制(LADRC)算法对偏航姿态进行控制，LADRC算法具有不基于模型、抗扰能力强、参数整定简单等优点。基于误差补偿的抗饱和方案结构简单、灵活度高、抗饱和性能好。仿真和Qball2平台实验结果表明:所设计的控制器能较好地解决偏航角转速饱和的问题，提高了系统的动态性能和稳态性能。

针对四旋翼飞行器模型不确定、易受外界干扰影响等特点, 采用一种降阶自抗扰控制(RADRC)方法对其位置和姿态进行控制, 并对控制系统稳定性进行了分析。在该方法中, 将降阶线性自抗扰控制(RLADRC)与非线性跟踪微分器结合, 以适应四旋翼飞行器各通道对控制性能的不同需求。其中, 设计的降阶线性扩张状态观测器(RLESO)仅观测系统输出微分信号及扰动, 避免了对已知信息的重复观测, 使系统带宽在保证RLESO估计精度的同时, 减小系统的噪声敏感度。通过仿真和Qball2平台实验对RADRC与传统线性自抗扰方法的轨迹跟踪能力和抗扰性能进行了比较, 验证了RADRC方法的有效性和优越性。

针对Qball2四旋翼无人飞行器欠驱动、参数不确定、强耦合等特性, 采用一种跟踪微分器(TD)与线性自抗扰算法(LADRC)结合的控制方法, LADRC包括线性组合环节(PD)和线性扩张状态观测器(LESO)两个部分。LESO对系统内扰和外扰进行实时观测和动态补偿, 从而将复杂的Qball2系统简化为串联积分形式。LADRC参数整定简单, 而TD的引入使系统具有良好的快速性和鲁棒性。仿真和Qball2平台实验结果表明,所设计的控制器能满足系统的动态性能和稳态性能要求。