自舰载机出现以来,着舰控制始终是最重要的研究内容。由于着舰的环境非常复杂,会使舰载机系统具有非线性耦合、多干扰、不确定等特点。在有限的时间和空间的着舰过程中调整舰载机性能,来保证其降落在极小的安全区域内,对舰载机的控制系统提出了很高的要求。舰载机常规无故障状况下,现行的自动着舰系统可以保证舰载机着舰安全,但在发动机故障、水平尾翼故障等情况下,舰载机控制性能会受到不可预料的影响,甚至酿成严重事故。因此,研究故障状态下舰载机着舰问题,提高控制系统的可靠性具有长远意义。本文围绕该课题,展开全面研究,运用基于先进非线性控制理论来解决舰载机故障着舰的容错控制问题。首先,分析了舰载机飞行状态下的受力和力矩情况,建立了非线性六自由度模型,能更全面、真实地反应舰载机着舰过程中的运动本质和飞行特性,具有代表意义,同时建立了着舰环境的相关模型。依据飞行控制系统的组成,给出了可能发生的三种故障类型:执行器故障、传感器故障及结构性故障,同时给出了各种故障类型的数学模型表达式。综上,建立舰载机故障着舰模型。介绍舰载机纵向着舰系统的三个控制回路以及美国海军的安全着舰性能指标要求,为后续故障着舰提供参考和研究平台。其次,本文利用径向基神经网络(Radial Basis Function Neural Networks,简称RBFNN)具有逼近任何非线性未知函数的优势,与非线性动态逆滑模控制方法相结合,提出了一种新的容错控制方法。采用自适应算法来调节RBFNN中的网络权值,以实现RBFNN的有效学习,从而逼近不同类型的执行器故障导致的系统未知非线性故障项。该方法最大的优点就是能够有效快速地处理系统的故障,使舰载机持续保持可接受的着舰状态,确保安全着舰。此外,使用Lyapunov法既证明了滑动模态的存在性又设计RBFNN网络权值的自适应调节律,保证了系统的全局渐进稳定性和良好的鲁棒性。仿真结果显示,所提出的容错方法具有优异的控制性能和强大容错能力,为舰载机多故障自动着舰提供一种解决方案。再次,利用自适应控制能够自动适应被控对象的变化特性,有效解决系统的鲁棒性和不确定性问题的特点,解决执行器故障问题,并且通过考虑算法在工程上的可实现性,提出一种基于自适应滑模方法的容错控制策略。该控制方案不仅利用滑模控制器使得系统能够实现全局镇定和轨迹跟踪等复杂的控制问题,而且利用自适应技术对系统的故障进行在线估计,保证舰载机系统的性能不发生很大变化,然后使用Lyapunov法证明了系统具有稳定性。仿真结果表明,该方法能够实现不同类型执行器故障情况下的舰载机安全着舰,具有很强的鲁棒性和容错能力。最后,为了全方位、多角度地考察舰载机系统的可靠性,针对故障着舰过程的另一个重点研究方向,即存在纵向航迹偏差时的舰载机容错控制的问题,提出了一种基于扩张观测器(Extended State Observer,简写为ESO)滑模的容错控制策略。该方法能够处理舰载机着舰时执行器部分损伤故障,解决舰载机快速、高精度航迹跟踪控制问题。该方法首先利用基于扩张观测器的滑模控制器,抑制着舰环境的影响,对执行器故障给出特定的非线性动态补偿,其次引入抗饱和补偿方案,来确保控制输入满足约束要求,增强了系统的稳定性。仿真结果说明,该控制方案结合了滑模控制技术和扩张状态观测器技术的优点,减弱了对模型精确度的要求,满足了系统鲁棒性和快速性,减少了下滑轨迹误差,为故障着舰安全提供了一种合理有效的技术手段。