针对多无人机受模型偏差和外部扰动导致的编队构型不稳定问题, 提出一种模型补偿控制的思想, 在此基础上设计基于补偿函数观测器(CFO)的模型补偿反步控制器并应用于编队协同控制, 把编队协同控制问题转化为传统控制问题, 实现多无人机在复杂外部扰动下的编队集合、飞行和队形切换。所提出的控制器不仅保留了基于Lyapunov准则的全局指数渐近稳定性, 还采用CFO来准确估计模型偏差和干扰并补偿到控制器中, 有效增强了编队系统整体的抗扰能力。最后通过仿真和实验验证了算法的有效性。

针对带有扰动及不确定性的四旋翼无人机的稳定性问题, 提出了一种基于滑模控制方法的拓展状态观测器。首先,根据机体坐标系和地面坐标系的转化, 利用反步控制方法构造无人机的动力学模型;然后, 设计拓展状态观测器, 用来恢复系统的状态以及对系统所有扰动及不确定性进行估计; 可以实现误差快速收敛以及足够高的估计精度; 同时, 设计了滑模控制器, 结合李雅普诺夫稳定性理论和线性矩阵不等式方法, 提出了观测器的稳定性条件; 最后, 通过数值仿真对其有效性进行了验证。

研究了固定时间控制在非线性纯反馈系统中的应用。为了解决传统反步法无法处理纯反馈系统的问题, 引入了一种非传统的坐标变换。根据Lyapunov稳定性定理证明了所提出的控制算法可以确保系统在固定时间内跟踪到给定信号, 且收敛时间与系统的初始状态无关。最后, 通过两个仿真示例验证了所提算法的有效性。

针对传统Backstepping动态面控制中滤波器跟踪误差及控制误差在靠近原点阶段收敛较慢、收敛时间无限大、控制器增益存在脆弱性等问题, 设计了适用于具有不确定和外干扰的高阶多输入多输出非线性系统的固定时间收敛动态面Backstepping控制。首先提出并证明一种新的固定时间收敛的李雅普诺夫定理;基于此结论, 将每一层子系统的虚拟控制器和滤波器均设计为固定时间收敛的新型结构。相对现有方案, 新方案的优点是:1) 加快了跟踪误差轨迹在远离和靠近平衡点两个阶段的收敛速度, 即全论域的快速化;2) 避免了参数脆弱性的问题;3) 跟踪误差和控制误差都是固定时间收敛的, 即不论初始误差多大, 收敛时间不仅有限而且存在与初始误差无关的固定上界;4) 虚拟控制器和控制器均为非奇异的。

针对高超声速飞行器存在参数不确定性的问题，设计了双幂次滑模反演控制器。首先，将高超声速飞行器动力学模型表示为严反馈形式，在反演设计的过程中采用动态面控制的方法避免微分膨胀问题;其次，在反演控制的基础上结合了滑模控制方法，并在滑模控制中采用双幂次趋近律以消除抖振的影响。基于Lyapunov稳定性原理证明了方法的稳定性。仿真结果表明，在考虑较大参数不确定性的情况下，基于反演控制的双幂次滑模控制器实现了高度和速度的稳定跟踪。

针对可重复使用运载器(RLVs)再入过程中的不确定、舵面失效及饱和的容错控制问题, 提出了一种基于固定时间干扰观测器(FTDO)结合辅助抗饱和系统的反步控制策略。首先, 设计一种基于超螺旋理论的固定时间干扰观测器, 除保证对系统中干扰、不确定和舵面失效作用的准确估计外, 还能有效提高对变频干扰的估计精度。其次, 针对RLV再入时舵面易发生饱和故障的问题, 设计辅助补偿系统以使舵面尽快退出饱和状态。仿真结果表明, 该容错控制方法有效解决了舵面的部分失效及饱和问题, 对干扰和不确定有较强的抑制作用, 能够提高RLV再入段姿态控制系统的控制精度和鲁棒性能。

针对高超声速飞行器参数不确定运动学模型, 考虑弹性状态影响, 提出了一种自适应反演控制器设计方法。分别采用动态逆和反演方法设计速度子系统和高度子系统控制律, 利用一阶低通滤波器来获取高度子系统中虚拟控制量的导数, 避免了传统反演设计中的“微分项膨胀”问题; 引入投影算子对飞行器模型不确定参数进行自适应调整, 同时避免了可能出现的参数漂移问题。仿真结果表明, 该控制器对模型不确定参数和气动弹性影响具有鲁棒性, 且实现了对速度指令和高度指令良好的跟踪效果。

针对四旋翼无人机的姿态控制问题, 设计了一种基于块控反步法的姿态控制器。建立了四旋翼无人机完整的姿态运动模型, 包括姿态动力学模型和空气动力学模型, 并将其转化为多输入多输出非线性系统的状态空间方程。在介绍块控反步控制器的基础上, 给出了积分反步姿态控制器的设计过程。将滤波器引入控制器设计中, 解决了对虚拟控制律求导所产生的“计算膨胀”问题。对控制系统的Lyapunov稳定性分析表明, 所设计的控制系统是稳定且指数收敛的。仿真结果表明所设计的控制器具有良好的跟踪能力和较强的鲁棒性。

针对一类具有模型不确定性和未知外界干扰的严反馈非线性MIMO系统，提出一种基于RBF神经网络和反推控制的鲁棒控制律设计方法。应用RBF神经网络在线逼近模型的不确定性，引入低通滤波器消除反推设计方法中由于对虚拟控制反复求导而导致的复杂性问题。同时，在控制律设计中引入一个自适应鲁棒控制项来补偿神经网络逼近误差和未知外界干扰的影响，提高系统的鲁棒性，使整个系统获得更好的跟踪控制性能。基于Lyapunov稳定性定理证明了闭环系统的所有信号半全局一致终结有界；通过适当选择设计参数及初始化误差变量，跟踪误差可收敛到原点的一个任意小邻域内，且跟踪误差的L∞跟踪性能被保证。数值仿真验证了方法的有效性。

基于一类由状态空间描述的非线性系统固有的结构级联特性,在飞行器发生卡死故障的情况下,设计了基本控制律加补偿控制律的控制器结构形式,补偿故障对系统性能造成的影响。提出了确保对参考模型精确跟踪的控制器结构和条件。控制器的基本控制律部分是利用系统的结构特性设计反步(backstepping)控制律,系统发生未知卡死故障时,利用实际对象和参考模型之间的误差,更新控制器的故障补偿部分。控制器同时保证了闭环系统的稳定性和参考模型状态跟踪误差渐近性。仿真结果表明了该控制律对给定参考模型跟踪的有效性。