针对高速变构飞行器构型切换导致模型参数的大范围变化的问题，提出一种基于时间延迟嵌入动态模式分解（DMD）的变构飞行器姿态控制方法。该方法首先通过时间延迟嵌入构造包含构型状态的升维状态，使用数据驱动建模的方法实现对多种构型的姿态动力学进行统一表征，得到面向姿态控制方法设计的DMD模型；然后，采用反步控制法设计角度控制回路，使得控制器仅需控制角速度跟踪至虚拟标称角速度；最后，设计具有串级控制结构的DMD-MPC控制器，针对DMD模型有限时域预测精度较高而无限时域预测发散的特点使用MPC进行控制，并证明了该控制器的稳定性。仿真结果表明，所建DMD模型在典型的变构控制中具备较高的预测精度；DMD-MPC控制器能在构型切换下实现良好的控制效果。
针对无人飞行器航迹规划中对初始条件依赖强、全局与局部搜索能力难以兼顾以及在复杂约束环境下易出现早熟收敛等问题，提出一种基于改进分层麻雀优化的航迹规划算法。在种群初始化阶段引入融合Logistic映射与Tent映射的改进混沌机制，以增强初始解的多样性并降低模型对初始设定的敏感性；在搜索过程中构建基于渐变控制参数的改进Lévy飞行策略，实现步长的动态自适应调节，从而在不同搜索阶段有效平衡全局探索与局部开发。本文构建了由上层全局搜索与下层局部精细化组成的双层协同优化框架，上层利用改进麻雀算法完成全局区域搜索，下层在候选解附近执行高精度局部优化，以提升收敛质量和航迹平滑性。该双层结构通过自适应信息交互显著增强了算法在多约束环境下的鲁棒性与寻优能力。最后通过仿真实验验证了所提方法的有效性与优越性。
针对典型复杂约束下的异构飞行器集群任务分配问题，提出了一种基于Fisher市场清算机制（Fisher market clearing， FMC）的任务分配方法。首先，考虑时间和任务关系等约束条件，构建了包含时序窗口约束与任务执行关系的异构飞行器集群任务分配的数学模型；然后，基于Fisher市场清算机制，将任务分配问题映射为Fisher市场清算机制中寻找市场均衡价格的过程，采用比例响应算法求解任务分配矩阵；最后，结合离散化策略，生成异构飞行器集群任务分配方案。不同场景下的仿真结果表明，相比于经典遗传算法和粒子群算法，本文所提出的基于Fisher市场清算机制的任务分配方法在计算效率和任务分配方案质量方面的综合性能更优，验证了所提方法实现异构资源任务分配的有效性。
针对传统群智能优化算法在复杂约束下无人机三维航迹规划的不足，提出一种可突破局部最优、提升收敛性能的新型群智能优化算法。首先，综合航迹长度、碰撞情况、风险区域、飞行高度与轨迹平滑度等多个约束条件，将无人机三维航迹规划建模为多目标优化问题，并设计三域动态进化算法（TDDEA）。TDDEA将寻优种群划分为全局导航域、近域搜索域和漫游探索域3类，通过个体分裂与动态迁移机制实现域间优势的互补与有限信息的充分利用，增强算法跳出局部最优的能力，提升规划精度与鲁棒性。在两种不同复杂程度的三维山地约束环境下进行仿真实验，将TDDEA与遗传算法（GA）和整体集群优化算法（HSO）进行对比，结果表明，所提算法在生成航迹质量与稳定性上均优于GA与HSO，能够满足复杂环境下无人机安全、高效且连续的航迹规划需求，具有较强的工程应用价值。
针对卫星在机动过程中定轨精度下降的难题，提出了一种自适应过程噪声无迹粒子滤波算法。该算法基于新息，能够在非机动阶段与机动阶段自适应地调整过程噪声，解决了因噪声参数固定而导致的估计精度下降问题，使滤波器能够更准确地表征系统的动态状态。在高斯噪声下，与传统无迹粒子滤波相比，算法机动期间展现了更优的定轨精度，即使状态突变，仍能保持高精度轨道确定。经大量蒙特卡洛仿真验证，机动期间该算法的均方根误差仅为1.35 m。此外，为满足实际工程需求，本文在非高斯噪声条件下，全面验证了该算法用于卫星机动定轨的鲁棒性与可靠性。仿真验证，该算法在此场景下机动期间的均方根误差为1.42 m，其性能显著优于扩展卡尔曼滤波。
针对大规模、高动态异构无人集群协同打击多目标需求，考虑通信量和任务分配均衡性，提出了一种面向负载不均的异构无人集群任务分配方法。首先，针对多目标并发、多集群协同打击需求，考虑资源约束、任务需求约束与时敏目标打击时间窗约束，构建了一种以总任务分配成本最小为目标的多对多的双向中标决策任务分配模型；其次，针对传统合同网通信开销大及任务分配不均的问题，引入了概率预扣机制和负载均衡策略，改进了招投标阶段的决策逻辑，提出了一种改进合同网算法，以降低通信量与均衡负载；最后，仿真结果表明，所提算法可以高效处理无人集群打击目标任务分配问题，并在通信量和负载均衡方面均得到优化。
针对四旋翼无人机系统因参数不确定性、外部扰动引发的非线性与强耦合性等问题，提出一种融合深度强化学习与反步滑模自抗扰技术的复合控制方法。设计反步滑模自抗扰控制器，提升系统对参数摄动与外部扰动的鲁棒性；同时，构建有限时间降阶状态观测器，加快系统在有限时间内的抗干扰响应速度，并通过理论推导证明了观测器的有限时间收敛性。在此基础上，引入深度确定性策略梯度智能体，实现对控制器参数的自主学习与动态在线优化。设计过程中合理定义状态空间与动作空间，实现对系统控制性能的全局优化。仿真实验结果表明，与传统的固定参数自抗扰控制方案相比，所提控制策略有效提升了系统的轨迹跟踪精度与抗干扰性能，展现出更优的综合控制效果。
针对多无人机协同吊运系统在复杂环境下构型保持难及易受外界风场干扰的问题，提出了一种集成干扰观测与边一致性的分布式协同控制方案。首先，在负载控制方面，通过构建多无人机—绳索—负载的多体耦合动力学模型，设计了相应的解耦控制律，实现了对负载中心位置及运输轨迹的精确跟踪；针对实际作业中不可预知的风力载荷，利用干扰观测机制对外部环境扰动进行实时估计与主动补偿，增强了系统在复杂气象条件下的抗风扰能力与路径跟踪的鲁棒性；在编队协同层面，结合边一致理论将编队目标由传统的节点状态空间映射至边状态空间，设计了基于边状态的一致性分布式控制器，使系统在仅依靠邻居节点相对观测信息的条件下即可维持预设编队构型，提高了系统在有向通信拓扑和局部信息交互条件下的分布式协同能力。仿真验证结果表明，所提出的协同吊运方法在未知干扰下，能够确保协同吊运系统的高精度轨迹跟踪与编队构型稳定性。
针对四旋翼无人机飞行过程中存在的未知外界扰动和模型不确定性影响其飞行稳定性的问题，提出了一种基于单神经元分数阶扩张状态观测器（SNFOESO），并将其应用于四旋翼姿态控制系统中。该方法利用分数阶导数的记忆与非局部特性，在状态与扰动估计中融合历史信息，有效克服了传统扩张状态观测器（ESO）对时变扰动与模型失配的估计局限，提升了观测精度与鲁棒性。此外，引入单神经元模型实现分数阶阶次与观测器增益的自适应调节，既避免了人工调参的主观性与局限性，又使观测器能实时适应扰动和工况的动态变化。仿真结果表明，所提方法显著提升了扰动抑制能力与鲁棒性，验证了算法的有效性与工程可行性，为四旋翼无人机复杂环境下的高精度姿态控制提供了新方案。
针对高超声速变体飞行器反步滑模控制设计中，关键参数选取所面临的动态跟踪性能与控制输入抖振抑制难以协调的问题，提出一种基于智能优化的参数整定策略。首先，在引入线性扩张状态观测器和指令滤波器的基础上，设计了针对变体飞行器的反步滑模姿态控制器；进而，提出了一种基于信息素机制的改进灰狼优化算法，增强了狼群在解空间的全局搜索能力，有效避免算法陷入局部最优；同时，设计了包含系统状态跟踪误差与舵偏量的复合适应度函数，将参数整定转化为多目标约束寻优问题。仿真结果表明，该策略能够自动寻找到控制器的最优参数组合，在保证飞行器高精度姿态跟踪的同时，显著减小了舵面抖振，具有良好的鲁棒性与工程应用价值。
针对过驱动航天器的控制分配问题，提出一种融合演化博弈与Stackelberg博弈的嵌套博弈框架。该框架可同时实现控制分配的多目标优化与最优运动控制。首先，控制分配中通过演化稳定策略求解多个目标的最优权重；随后，作为Stackelberg博弈中跟随者的控制分配模块，将其分配策略传递给作为领导者的运动控制模块；在此基础上，领导者采用Stackelberg策略设计运动控制律。数值仿真与半物理实验验证了所提方法的可行性。
针对现有制导律在短时拦截场景下难以兼顾快速响应与末端精度的问题，提出一种结合有限时间控制理论与最大熵深度强化学习的智能调参方法。该方法以含一阶自动驾驶仪延迟的非线性拦截模型为对象，利用柔性演员-评论家算法的随机策略探索优势，设计增益自适应调节器，实时感知弹目状态并动态调整制导参数。仿真结果表明，在初始航向误差15°、最大过载25及时间常数0.12 s的工况下，新算法能促使视线角速率在3 s内快速收敛至0，实现脱靶量为0.026 m的精准拦截。该方法有效克服了现有制导律在短时制导场景及大时滞大误差条件下鲁棒性差的缺陷，显著提升了系统的自适应能力与制导精度。
