刚体飞行器姿态估计和姿态跟踪控制算法是飞行器系统在航空航天、军事侦察、农业生产等许多领域应用中的重要理论基础，也是计算机科学和控制科学领域的研究热点。飞行器的种类繁多、机载传感设备和实际飞行环境复杂多样。在实际应用中，传感设备的测量精准度极易受外部环境因素影响，过大的测量误差将给飞行器系统的姿态控制带来很多困难，也给算法设计研究带来极大挑战。卡尔曼滤波算法和基于神经网络的人工智能技术为飞行器运行过程中的姿态估计和姿态跟踪控制算法研究提供了有力工具，能够有效处理因传感器精度不足或外界扰动较大造成的系统失稳和跟踪误差发散等难题，相关技术的应用研究也成为姿态控制算法设计中的研究热点。
　　本文主要研究有界扰动环境下刚体飞行器系统的姿态估计和姿态跟踪控制问题。针对飞行器姿态估计问题，采用容积卡尔曼滤波算法处理系统噪声，并对姿态信息进行有效估计。针对姿态跟踪控制问题，利用基于径向基函数神经网络的自学习能力处理系统的未建模动态，重点研究有界扰动环境下的刚体飞行器姿态跟踪控制算法设计问题。具体工作内容介绍如下：
　　1)在飞行器的姿态估计阶段，设计容积卡尔曼滤波算法，在系统模型不确定情况下研究非线性刚体飞行器系统的姿态估计问题。容积卡尔曼滤波算法的关键是利用三阶容积积分律计算多维高斯积分。另外，由于四元数描述方法较其他姿态描述方法所需计算量较小且能有效避免奇异，本文使用单位四元数描述刚体飞行器姿态，并在此基础上设计基于四元数的容积卡尔曼滤波算法。从理论上证明该方法的可行性，并用均方根误差法验证该方法能获得较高姿态精度。最后，通过仿真实验验证该算法的可行性。
　　2)在刚体飞行器的姿态跟踪控制阶段，研究转动惯量不确定和未知外界扰动存在时的刚体飞行器姿态跟踪控制算法设计问题。本文主要利用基于径向基神经网络的人工智能技术来解决未知外界扰动和未建模动态带来的设计难题，提出基于径向基神经网络技术的滑模控制算法，该算法能够保证飞行器系统的姿态跟踪误差在有限时间内收敛。最后，利用仿真实验对所提算法的可行性进行验证。