近空间飞行器(Near Space Vehicle, NSV)由于其潜在的价值已成为世界各国优先发展、重点研制的飞行器，并已广泛地应用于军事和民用领域。为了使得NSV在高速飞行状态下具有最优的气动性能，其机翼布局结构常采用小展弦比、大后掠角的形式。然而，此种布局会造成NSV在亚声速和跨声速情况下的气动性能无法达到最佳状态。为此，斜置机翼得到了广泛关注和研究。同时，舵面饱和对于飞行器来说是一种普遍而又不可随意忽略的问题，否则可能导致飞行控制系统性能下降，甚至引发灾难性事故。因此，具有输入饱和的斜翼近空间飞行器(Near Space Vehicle with Oblique Wing, NSVOW)的鲁棒受限飞行控制系统设计是一项创新而又富有挑战的课题。本文围绕这一问题，给出了NSVOW的数学模型，并研究了NSVOW在具有参数不确定、外部干扰和输入饱和综合影响下的鲁棒姿态控制方法。论文主要工作内容如下：首先，研究了NSVOW六自由度十二状态飞行运动数学模型，并通过仿真分析了NSVOW的开环稳定性和耦合性。为了后续研究方便，根据奇异摄动理论和时标分离原则给出了具有仿射非线性方程形式的NSVOW姿态运动系统模型方程。然后，基于滑模控制方法对具有参数不确定、外部干扰和输入饱和的NSVOW姿态运动进行了鲁棒控制器设计。通过非线性干扰观测器对系统中的复合干扰进行逼近，利用径向基神经网络(Radial Basis Function Neural Networks, RBFNNs)构造一种饱和补偿器来解决舵面饱和受限问题，并基于Lyapunov理论严格地证明了所设计的控制器可以使得闭环系统稳定。仿真验证了所提控制方案的有效性。其次，研究了一类具有输入饱和的不确定多输入多输出(Multi-input and Multi-output,MIMO)非线性系统控制器设计方法。考虑到回馈递推控制方法中存在的“计算膨胀”问题，引入了动态面方法，即在每个子系统设计过程中利用一阶低通滤波器来避免对虚拟控制律的求导。同时，通过所设计的非线性干扰观测器来逼近系统中的复合干扰。此外，构建一种辅助系统来处理执行器的饱和非线性问题，并通过Lyapunov理论分析了闭环系统的稳定性。仿真结果表明，所研究的控制方法对具有输入饱和及复合干扰的NSVOW姿态运动系统控制效果良好。接着，针对输入饱和问题利用双曲正切函数对原MIMO非线性系统进行等效变换，在此基础上提出了一种新的鲁棒控制方法。通过在传统回馈递推方法的最后一步额外增加一个子系统，引入Nussbaum函数对输入饱和进行处理。同时，基于递归小波神经网络(RecurrentWavelet Neural Network，RWNN)提出了一种新型智能干扰观测器，利用回馈递推和动态面方法完成系统控制器的设计，并通过Lyapunov理论严格地证明了闭环系统的稳定性。将所设计的控制方案应用于NSVOW姿态跟踪控制中，取得了较好的控制效果。最后，结合滑模控制和非线性干扰观测器对一类具有执行机构故障和输入饱和受限的不确定MIMO非线性系统进行容错控制器设计。利用神经网络来解决执行机构故障问题，并在控制律中通过增加补偿项来消除输入饱和给系统带来的影响，基于Lyapunov理论分析了闭环系统的稳定性。通过对NSVOW姿态的容错跟踪控制仿真验证了所提控制方案的有效性。