随着现代化战争需求的不断提升,军用大中型无人机技术在全球范围内得到迅猛发展。短距降落作为大中型无人机特定环境下安全回收的重要技术,一直受到国内外相关科研学者的强烈关注。机电系统控制作为大中型无人机成功降落的核心环节,常受传感器故障、执行机构故障及控制输入饱和等的影响,而此类影响对无人机在岛礁或舰船的安全着陆会产生巨大的威胁,因此,机电系统的容错控制技术是无人机系统中极其重要的一项研究课题。本文以某大型无人机国家课题为背景,对机电综合管理系统中的短距降落自主容错控制方法进行了详细研究,主要研究内容及贡献如下:1.针对着陆滑行阶段无人机滑移率受限状态下的稳定跟踪问题,提出了一种基于障碍Lyapunov函数的最小参数学习动态面控制方法。首先,该方法引入非对称障碍Lyapunov函数,用于解决系统中状态参数输出受限问题。然后,采用最小参数学习的神经网络对系统中的非线性项进行估计,结合动态面技术设计跟踪控制器。此控制器能够使无人机在着陆滑行时,受到外部干扰、系统输出状态受限作用下,同时实现主控参数滑移率的高精度跟踪控制。最后,与传统自适应控制方法相比,仿真验证了该设计方法能够获得较低计算量,间接的缩短了制动滑行距离。2.综合考虑机轮速度传感器常见的四种不同类型故障情况,提出了一种基于观测器技术的有限时间容错控制方法。首先,为解决故障下的传感器状态测量不准确问题,设计一种非线性滑模观测器以实现对故障进行诊断与重构。其次,利用估计信息设计非奇异终端滑模容错控制器,以确保多类型跑道下,有限时间内对最优滑移率跟踪控制性能,缩短了传感器故障下无人机着陆滑行制动距离。最后,仿真表明该容错控制算法响应时间快、容错控制效果较好。3.考虑无人机执行机构发生故障情况,提出了一种基于非线性观测器的着陆容错控制方法。首先,设计一种非奇异终端滑模观测器用来估计执行机构故障和外部干扰总合。接着,根据观测器的估计值来重构补偿控制器。然后,设计一种基于分数阶滑模的综合容错控制器以提高系统的鲁棒性。最后,在执行机构发生故障情况下,仿真本章节算法与整数阶控制方法比较,本方法可以实现具有快速响应的滑移率跟踪操作。4.针对短距跑道无人机着陆滑行时,制动输出受限、控制输入饱和、执行机构故障、系统不确定性及外界干扰等多重约束,提出了一种基于鲁棒切换项的神经网络容错控制策略。首先,应用自适应神经网络估计制动系统中的非线性及不确定项。随后,引入鲁棒控制项,来补偿神经网络超出逼近设定值对系统稳定性的冲击影响,提升了系统快速容错的暂态性能。然后,基于Lyapunov方法分析了容错控制系统的稳定性。最后,通过仿真验证了所提出的多约束条件下容错控制方法的有效性。5.针对无人机滑行高精准航向控制要求,提出了一种基于障碍Lyapunov的自适应神经网络容错纠偏控制方法。首先,通过设计障碍Lyapunov函数和控制辅助系统,用于解决系统输入、输出受限问题,在反演框架下提出一种复合的自适应神经网络容错控制方法。接着,为避免控制器设计中的“计算量爆炸”问题,采用滑模微分器来计算虚拟控制信号的导数。然后,引入低通滤波器有效的解决系统运算过程中产生运算代数环问题。最后,数字仿真结果表明,该方法能够在多执行机构故障情况下,仍然可使得输出跟踪误差不会违反约束区间,无人机仍然能够获得较好的纠偏特性。