中文摘要：

自主起飞和降落控制是小型无人定翼飞行器自主性的重要标志与技术瓶颈，随着小型无人定翼飞行器需求的增加，对该问题的研究也日益迫切。针对小型无人定翼飞行器自主起降阶段存在的干扰类型多、控制精度差、可靠性弱的问题，拟采用基于复合分层干扰观测器的控制方法估计、抑制小型无人定翼飞行器自主起降过程中的常数干扰、谐波干扰、含时变参数的干扰、变化率有界干扰，采用基于矢量域的智能滑模控制方法抑制不确定结构特性的随机干扰和动态切变风场干扰，探索多源扰动环境下的强鲁棒控制问题；并通过基于最小扩展结构的自适应神经元网络和动态智能优化学习算法，对起降阶段繁杂多源的飞控手操控数据进行学习，构建飞控手行为模型模拟熟练飞控手起降控制行为，探讨小型无人定翼飞行器自主起降的可靠控制问题。该研究预期解决复杂多源干扰环境下，小型无人定翼飞行器的自主起降控制问题，为其自主起降系统的构建奠定基础。

结论摘要：

自主起飞和降落控制是小型无人定翼飞行器(SUAV)自主性的重要标志与技术瓶颈，随着SUAV需求的增加，对该问题的研究也日益迫切。针对SUAV自主起降阶段存在的干扰类型多、控制精度差、可靠性弱的问题，申请人先通过自适应辨识方法，基于实际飞行数据构建了高精度动力学模型；然后对SUAV自主起降阶段的扰动特性进行分析，采用基于复合分层干扰观测器的控制方法估计、抑制自主起降过程中的常数干扰、谐波干扰、含时变参数的干扰、变化率有界干扰；并针对SUAV降落过程中存在的不确定结构特性的随机干扰和动态切变风场干扰，采用基于矢量域的智能滑模控制方法对干扰进行抑制，提高SUAV的航迹跟踪精度；并通过学习熟练操控手的控制行为，基于自适应神经网络，对起降阶段繁杂多源的飞控手操控数据进行学习，构建飞控手行为模型模拟熟练飞控手起降控制行为，提高SUAV系统在自主起降阶段的可靠性。同时，针对SUAV系统控制方法验证过程中可能存在的危险性，构建了一种基于X-Plane的高逼真度仿真环境，对控制方法性能进行有效验证。最后，大量的飞行实验表明，申请人提出的“基于复合分层干扰器的小型无人定翼飞行器自主起降控制方法”可以有效地解决复杂多源干扰环境下SUAV的自主起降控制问题，为其自主起降系统的构建奠定基础。在研究过程中，发表论文16篇(SCI 7篇，EI 9篇)，，受理/授权发明专利4项(受理3项，授权1项)，授权实用新型专利1项，授权软件著作权6项。