研究考虑非高斯噪声特性的航天器姿态控制系统状态与偏差估计问题。首先，建立含偏差的航天器姿控系统模型，并给出了非高斯特性噪声表达形式。然后，采用l₁范数卡尔曼滤波（l₁-KF）算法并结合数学仿真，验证了在卡尔曼滤波算法中引入l₁范数，可以避免系统受非高斯过程噪声的影响，但l₁-KF算法无法实现对状态和偏差的同时估计，且仅适用于姿态稳定控制过程中的估计。于是，在l₁-KF算法的基础上，考虑系统转动惯量时变和偏差时变的复杂情况，结合时变转动惯量实时辨识，设计l₁范数二阶外源性卡尔曼滤波（l₁-TSXKF）算法，对航天器姿态机动过程中的状态和偏差同时进行估计。数学仿真结果表明，l₁-TSXKF算法可以减少系统非高斯特性的影响，在航天器姿态机动过程中，可快速得到高精度的姿态、未知偏差估计结果，有利于航天器在轨应用。

为提高中继卫星系统应对突发状况的能力，提出了基于滚动时域策略的中继卫星动态调度方法，将复杂动态调度过程分解为数个静态调度子问题，同时根据中继卫星动态调度需求，设计了多目标优化算法对子问题进行求解。首先构建了以最大任务完成率和最小调度方案调整幅度为优化目标的中继卫星动态调度模型，然后基于动态调度特性提出了动态任务调度方法，该方法采用周期和事件驱动的混合重调度机制，将调度过程分成多个调度区间，在每个区间内利用自适应邻域搜索的多目标进化算法对窗口任务进行调度。为了验证所提出的动态调度模式及算法的有效性，开展了大量仿真实验。实验结果证明了所提方法在解决中继卫星动态调度问题方面的优越性，与前沿的多目标优化方法NSGA-Ⅱ、MDSA-NSGA-Ⅱ和MODJA相比，本文设计的算法能生成更高质量的解。

提出了一种具有固定时间收敛特性的微分几何制导律设计方法。首先，提出一种新的固定时间收敛误差动力学方法的控制参数选择机制，将控制参数从4个缩减为3个，并给出更为准确的误差收敛时间上界。其次，针对固定目标打击制导问题，基于古典微分几何曲线原理，将固定时间收敛误差动力学方法拓展至弧长域，提出固定路程收敛微分几何制导律设计方法。然后，分别针对碰撞角控制制导和飞行路程控制制导问题，设计了相应的固定路程收敛微分几何制导律。最后，通过数值仿真，对所提方法的有效性进行了验证。

针对在飞行终端区采用激光雷达进行晴空湍流识别时湍流样本不充足、识别率低的问题，提出了一种改进的深度卷积生成对抗网络（DCGAN）算法。使用中川机场雷达实验平台9个月的径向风速数据构建涡流耗散率（EDR）图像，筛选存在晴空湍流的样本构建湍流样本集；通过扩充卷积层和转置卷积层改进了DCGAN结构，实现样本的扩充，并使用对抗训练后的判别器进行识别。结果表明：用原始样本集和增广样本集训练的对抗后判别器识别准确率均优于卷积神经网络（CNN）和对抗前判别器，分别提高了6.55%、8.25%和0.31%、1.9%；最后，用实测样本进行检验，识别准确率分别提高了3.33%、6.67%，验证了所提方法的可行性。

针对异构感知条件下空地无人集群协同避障与导航问题，提出了集群队形自调节控制与动态路径规划方法。首先，建立了无人机（UAV）与地面机器人的运动、感知与通信模型，设计了空地无人集群协调运动控制架构，满足异构集群协同避障与导航的控制目标。其次，提出了机器人集群队形边界动态生成方法，分别设计了形状控制、个体避碰、编队控制与导航控制分量，实现了基于动态边界的集群队形自调节控制。结合机器人动态队形边界特性，提出了基于动态窗口优化的无人机路径规划方法，通过设计优化目标函数在集群协同运动的基础上实现了安全导航避撞。最后，设计了队形边界缩放、变形和旋转下的队形调节场景与狭窄廊道协同避障与导航任务想定，通过仿真算例验证了空地无人集群队形自调节控制与动态路径规划方法的有效性，并给出了所述方法能力边界的分析。

针对无人机（UAV）面向空地目标进行目标跟踪过程中，发生目标离开视野、目标被遮挡、存在相似目标干扰等问题导致追踪失败的情况，提出一种基于追踪状态检测和Kalman滤波的重定位更新机制，将其与孪生全卷积网络（siamfc）跟踪器结合。以空地目标为被跟踪对象，以无人机为跟踪空地目标的跟踪者，首先，基于双峰选择、平均峰值相关能量变化率、最高响应值变化率和峰值旁瓣比变化率的检测机制检测当前的追踪状态是否异常，判断siamfc的追踪结果是否满足作为观测值的要求。其次，Kalman滤波利用目标运动的先验信息对追踪进行预测更新，当追踪状态异常时能够及时校正调整目标跟踪结果。基于LaSOT数据集完成训练，在UAV123航空数据集和自制的以无人机为目标的数据集上进行实时目标跟踪测试和对比实验。实验结果表明：该算法在UAV123上的精确率和成功率分别为66.0%和47.4%（62 帧/s），在自制的以无人机为目标的数据集上的精确率和成功率分别为72.0%和58.6%（55 帧/s），满足目标跟踪的实时性要求，且跟踪结果优于多数跟踪器。该算法在无人机为跟踪者和被跟踪对象的情况下均能完成有效目标跟踪，应对目标离开视野、部分或全部遮挡和存在相似目标干扰等挑战性场景的能力有所增强，且算法具有良好的泛化能力。

无人机（UAV）凭借其灵活且易于部署的独特优势，已广泛应用于诸多领域。为解决异构用户之间的通信连通问题，将中继和网关思想结合并提出异构多网中继概念，部署多个无人机为异构用户提供中继服务，构建可靠的中继连通链路。在源和目的用户节点之间建立中继连通链路的过程中，将其分解为中继覆盖划分和中继选择连接2个子问题进行求解。首先，考虑无人机的最大悬停时间约束，通过寻找与无人机关联的最优单元分区，基于公平资源分配方案，提出优化划分方法（OPM）使服务用户的数据量最大化。其次，在构建无人机之间的连通链路时，以中继链路吞吐量为优化目标设计中继选择策略（RSS），在相距较远的无人机之间选择中继无人机，使无人机之间均存在可达的通信链路。最后，通过实验对比分析得出，所提方法能为异构用户提供更加公平的中继服务，并且提升中继链路的吞吐量。

飞行器编队飞行成为当前一种新兴的飞行器工作模式，编队内飞行器间准确的相对定位是编队飞行的基本保障。全球卫星导航系统（GNSS）拒止环境下，飞行器失去全局定位信息，仅依靠局部定位信息难以获得飞行器间的相对定位信息。为了解决GNSS拒止环境下编队内飞机间的相对定位问题，提出了一种数据链与惯性导航相结合的相对定位方法。首先，采用惯性导航的方法实时解算出每一架飞行器的定位信息，并通过自身搭载的数据链将定位信息发送给其他飞行器；其次，每架飞行器基于其接收的其他飞行器的信息及数据链测量信息计算编队内飞行器间的相对位置；最后，基于飞行器连续时间序列的惯导信息及数据链测量信息，建立相对位姿优化因子图实时解算飞行器间的相对位姿。以2架飞行器编队为例进行了仿真与实验验证，结果表明该方法能够实时估计编队内飞行器的相对位置，实验结果显示：该方法将数据链测量的距离误差降低了76%，能够为编队飞行提供精准可靠的相对位置信息。

针对再入过程中的禁飞区规避和拦截弹躲避问题，提出一种考虑规避与突防的高超声速飞行器智能容错制导控制一体化设计方法。首先，在纵向制导中，为了提升飞行器的制导性能，基于制导控制一体化设计思想，采用包含姿态容错控制系统的飞行器六自由度模型进行待飞航程的预测；针对随之产生的计算耗时问题，进一步采用深度网络进行预测环节的拟合，以提升算法的实时性；接着，在侧向制导中，为了解决禁飞区规避和拦截弹躲避问题，引入扰动流体动态系统（IFDS）算法进行考虑威胁因素的飞行器期望航向角计算，并结合航向角误差走廊和倾侧角翻转逻辑进行侧向制导指令的求取，使飞行器具备规避与突防能力；然后，考虑到飞行环境的复杂性、飞行器再入段机动能力的差异性和姿态容错控制系统动态特性对制导性能的影响，结合深度强化学习算法进行智能体训练，使其可根据飞行器实时状态进行扰动流体动态系统算法参数的在线决策，提升所提方法的有效性和适应能力。最后，由半物理对比仿真和蒙特卡罗仿真结果可知，所提方法具有较强的规避、突防与制导性能。

针对仅使用民用GPS引导四轴飞行器自动着陆时偏差较大的问题，基于马尔可夫决策设计了一种能够有效提升自动着陆精度的引导方法。首先，设计一种基于改进人工势场算法的对准方法，使用AprilTag3识别算法快速识别着陆标签，对标签中心划定势场，使飞行器可在力学牵引下进行偏航对准和云台俯仰对准；其次，将飞行器的着陆过程建立为马尔可夫决策模型，设置动作集、状态集与奖励集之间的状态转移关系，防止飞行器偏离预期状态；最后，结合飞行器自动着陆的问题环境，在传统马尔可夫决策模型的基础上增加信息集，利用飞行信息辅助转移关系的判定，提高状态与动作的决策准确性。通过安娜飞（ANAFI）四轴飞行器平台进行实际飞行验证，实验结果表明，基于马尔可夫决策模型的自动着陆引导方法能够有效抑制飞行器在着陆过程中的过度动作和误判断，着陆误差由米级缩小至约10 cm，满足四轴飞行器自动着陆的精度要求。

诱导式欺骗干扰会使机载接收机偏离真实位置且不易被检测到，对民航飞行安全造成威胁。传统的新息序列检测算法存在欺骗检测延迟、无法及时检测欺骗结束时间的问题。针对这一问题，提出了基于指数加权移动平均（EWMA）控制图抗差估计的欺骗干扰检测算法。该算法将紧组合导航系统输出的新息序列作为EWMA控制图的检测样本，利用历史时刻的统计量和当前时刻的新息加权构造服从高斯分布的检验统计量来检测欺骗干扰，并识别受欺骗卫星。同时，利用抗差估计动态调整卡尔曼滤波的增益矩阵，以减小欺骗干扰对新息序列的影响，并通过改变等价权函数的参数加快算法欺骗检测的速度。仿真结果表明：与传统新息序列检测算法相比，所提算法明显缩短了对微小突变式欺骗干扰和缓变式欺骗干扰的检测时间，且能及时检测到欺骗结束时间。

先进天基太阳天文台卫星（ASO-S）主要任务是对日观测。为实现高精度高稳定度需求，卫星采用星敏感器（STR）和光纤陀螺的扩展卡尔曼滤波算法进行姿态确定。在轨因受到地气光影响，卫星装配的3台STR交替有效。为了减弱装配测量偏差引起定姿使用星敏切换时的姿态指向控制误差，需统一3台STR的测量基准。同时，修正STR相对载荷测量基准的偏差，提高卫星对日指向控制精度。ASO-S载荷之一的白光太阳望远镜（WST）入轨后即可开机测量太阳全日面图像，经图像处理后得到太阳中心二维指向偏差角。同时，另一载荷太阳导行镜（SGT）可直接测量太阳中心二维指向偏差角。结合载荷对日观测数据和卫星对日指向控制导引律，提出一种星载STR安装矩阵在轨修正算法。通过仿真验证了STR安装矩阵修正算法的正确性，与仿真中星敏模型的安装矩阵相比，使用10幅WST全日面图像计算STR安装矩阵的精度优于3″；利用300 s SGT数据计算STR安装矩阵的精度优于0.2″。以ASO-S在轨遥测数据进行算法验证，卫星对日指向控制偏差与SGT测量太阳中心偏差角间的偏差值优于15″，将STR相对SGT的装配测量精度提高了1.5倍。

针对全球定位系统（GPS）拒止环境下多架无人机（UAV）对未知目标的协同环绕导航控制问题，提出了一种仅使用距离量测的分布式控制器。与现有的多数算法不同，该控制器不需要无人机及目标的位置信息。首先假设实际距离和距离变化率可用的情况下，设计了一种制导控制器驱动单架无人机环绕目标运动。其次利用二阶滑模观测器在有限时间内完成距离变化率的估计来代替实际距离变化率。观测器的设计使用实际距离量测信息，使得无人机仅利用距离量测即可完成环绕任务。然后在距离环绕控制器的基础上，利用有限时间观测器和距离量测信息完成相对位置估计，进而设计速度协调算法来实现多架无人机对目标的均匀环绕。最后，通过数字仿真和半实物（HIL）仿真验证了方法的有效性。

在航空交直流共地混合供电系统中，对飞机交流发电机产生的三相交流电进行整流可得到高压直流电。针对目前航空领域中常用的多脉冲变压整流器（TRU）和高频隔离整流器存在功率密度较低和可靠性较差等问题，提出了一种非隔离型整流器方案，该方案由非隔离的自耦多脉冲整流器和非隔离型双极-单极直流变换器构成。分析了新型整流方案的结构特点，提出了一种非隔离型双极-单极转换软开关直流变换器拓扑及协同控制策略。通过仿真和实验验证了该变换器可实现高功率因数整流，且具有良好的输出特性。相比于现有的航空大功率整流器，该变换器具有更高的工作可靠性和功率密度。

传统消振电力作动器采用交叉耦合控制策略实现输出力伺服控制，但该控制策略存在耦合控制项，影响输出力响应的快速性、准确性，降低了作动器的减振效率；同时在直流（DC）母线侧产生不满足国军标要求的冲击电压，直接威胁了直升机的飞行安全。基于此，提出了并行独立控制策略下的消振电力作动器伺服控制系统，首先对系统的给定输出力进行解耦设计，以实现系统多电机并行独立运行。其次，利用主导极点法和最大灵敏度法分别从时域和频域角度设计系统的动稳态特性及鲁棒性。最后，搭建实验平台进行控制策略对比，标幺化实验数据表明，系统在变方向时响应精度提升3.6%，响应时间减少40%；在变相位时响应精度提升1.5%，响应时间减少31%；直流母线侧的电压冲击值减少了8 V，进而验证了并行独立控制策略的有效性及其优势。

为更好地发挥ADS-B数据应用价值，针对ADS-B数据质量评估过程中传统方法无法客观准确得到质量等级的问题，在分析行业应用、发射设备性能、数据安全等方面对ADS-B数据质量需求的基础上，构建了ADS-B数据质量评估指标体系，提出了基于集成学习自适应提升算法（AdaBoost）的新型数据质量评估方法。该方法通过K-means聚类确定最佳质量等级类别，结合熵权法和双基点法（TOPSIS）打分确定数据标签，并采用AdaBoost算法对评估模型进行了训练和优化。以天津机场数据为例，实验得出ADS-B数据质量的最佳等级划分为5级，得到的数据质量评估模型准确率高达98.5%，验证了该方法可以有效避免主观因素对评估结果的影响，并得到最优的质量等级划分，能够提高评估结果的稳定性和精确度。

在低信噪比环境中及极远测距范围内获得高精度距离测量量是深空测距面临的挑战。再生测距系统通过在航天器中将测距码再生，可将下行链路信噪比提升约30 dB，从而解决低信噪比问题，但是已知测距码的无模糊测距距离难以满足未来深空测距需要。通过对复合函数与测距误差的关系进行系统分析，提出通过改变复合函数降低测距误差的方法，并用m序列及新复合函数设计新测距码。共设计8个新测距码，测距误差方差比已知测距码降低0.28~3.78 dB，无模糊测距距离从7.5×10⁴ km提升至117×10⁴~17 884×10⁴ km，扩展了15~2 384倍。其中包含一种直流分量为0的完全均衡的测距码。仿真结果表明：新测距码能为未来深空通信及深空探测提供更远距离内更高精度的距离测量支撑。

随着人工智能与无人机（UAV）技术的发展，近距空战智能决策得到了世界各国的广泛关注。针对传统强化学习在解决近距空战智能决策问题时存在过拟合与策略循环等问题，提出了一种基于种群博弈的空战智能决策模型训练范式。通过构建由多个无人机智能体组成的种群，并为每个智能体赋予不同奖励权重系数，实现了无人机智能体多样化的风险偏好。种群中不同风险偏好的智能体模型相互进行对抗训练，能够有效避免过拟合和策略循环问题。在训练过程中，每个无人机智能体根据与不同对手策略的对抗结果自适应地优化奖励权重系数。在数值仿真实验中，种群博弈训练中的智能体5与智能体3分别以88%和85%的胜率击败了专家系统对抗训练和自博弈训练得到的智能决策模型，算法性能得到有效验证。此外，通过进一步实验表明了种群博弈训练范式中权重系数动态调整的必要性，并在异构机型上验证了所提训练范式的通用性。

针对领导跟随结构的无人机（UAN）蜂群，提出了一种基于欺骗信号的定向驱离攻击方法。首先，构建了虚假偏差信号和给定状态信号这2种欺骗信号模型；其次，给出了2种欺骗信号攻击下实现无人机蜂群定向驱离的充分条件；最后，确定了无人机蜂群定向驱离后运动轨迹中心函数的显式表达式，分析了2种欺骗信号对定向驱离后无人机蜂群运动轨迹的影响，其中，虚假偏差信号攻击后无人机蜂群的运动轨迹受到所有虚假偏差信号平均值的影响，给定状态信号攻击后无人机蜂群的运动轨迹由攻击者预设的参考轨迹决定。仿真实验验证了所提出的理论成果的正确性。

激光惯组（LIMU）是复杂装备系统的重要导航单机，其良好的健康状态对于确保系统安全稳定工作具有重要意义。针对激光惯组健康评估中面临的评估指标体系不健全、评估框架不一致、评估指标不独立和评估模型参数不确定问题，在激光惯组工作机理分析的基础上，构建健康评估指标体系，提出基于相关证据推理规则（ERR-DE）的激光惯组健康评估方法。首先，提出转换矩阵的概念，实现了不同评估框架的统一转换。其次，采用变异系数法确定证据权重，采用基于距离的方法确定证据可靠度。然后，基于证据可靠度提出证据融合顺序确定机制，提出基于相对总体相关系数（RTDC）的证据相关性分析方法，并在证据推理规则（ERR）的基础上提出了相关证据推理规则。再者，构建参数优化模型以确定最优评估参数，提高评估精度，进一步对评估算法进行了总结。最后，通过某型激光惯组健康评估案例和对比研究，验证了所提方法的有效性。