无人机在军事和民用领域应用潜力巨大,而安全控制是保障其稳定飞行的关键技术之一。随着无人机的发展,被控对象、作业环境、飞行工况日益复杂化,对其任务执行品质和作业安全性能的要求也越来越高。然而,无人机的安全可靠飞行受限于多种因素,包括复杂环境中的静/动态障碍物、系统部件故障、多源异质干扰、以及系统自身能力限制。首先,随着作业环境变化和空间拓展,无人机在执行作业任务时可能遭遇静/动态障碍物,因气动约束、航迹规划收敛速度、以及障碍物不确定动态引发碰撞事故;其次,执行任务时容易因外部攻击和高负荷工作出现翼面损伤、执行机构退化失效,在降低其控制输入效率的同时还会影响其气动特性;最后,除了部件安装偏差、气动参数耦合等建模误差,飞行过程中的负载振动、燃料消耗会进一步改变无人机模型参数,影响其跟踪控制精度。因此,如何在复杂作业环境中进一步提升碰撞规避可靠性、增强容错与抗干扰能力成为提升无人机安全性能的关键。本文针对上述问题,开展了无人机高安全控制方法探讨与研究,主要创新性工作包括以下几个方面:1、针对无人机在复杂任务环境下面对静/动态障碍物产生的碰撞规避问题,同时考虑其自身的运动学约束、障碍物运动不确定性、在线策略收敛速度等多类限制条件,提出了基于变栅格策略的快速收敛路径规划方法。具体地,建立了带有障碍速度不确定性的碰撞预测模型,并分析了无人机的运动学约束,将其纳入到强化学习框架。将无人机的运动学约束集成到基本避障动作,提出了变栅格策略以提升避障机动灵活性。进一步地,针对现有栅格法用于大规模空间时存在的收敛速度较慢问题,提出了基于前向策略搜索的路径规划方法。相比于传统方法,所提出的路径规划方法在满足无人机运动学约束的同时,显著提升了算法的计算收敛速度和避障成功率。2、针对无人机在执行器故障条件下任务品质下降和能力降级问题,为了实现系统可控性和故障可调节性的量化分析,不同于第一点基于健康状态规划路径,提出了一种基于轨迹重规划的容错控制方法。具体地,基于系统动力学模型,反推轨迹跟踪过程以评估任务目标可达性,给出系统安全能力量化分析方法。在此基础上依据故障信息以及系统能力的量化评估指标,重新规划性能降级的飞行航迹。然后,基于故障、位置环、以及姿态环模型,将三者整合设计控制导向模型,并提出了基于动态面控制的容错控制方法。与PID控制和反步控制方法相比,所提出的控制方法不仅实现了对系统故障可调节和任务可完成度的量化评估,而且显著提升了轨迹跟踪精度。3、针对复杂环境、外界风干扰、执行机构故障影响无人机飞行安全的问题,相比于第二点仅考虑执行器故障,将微分平坦技术和干扰观测器相结合,提出了一种基于轨迹动态调节的抗干扰容错控制方法。首先,利用微分平坦技术将轨迹对应的速度和加速度用平滑变量加以表征,通过权衡轨迹参数和控制输入的关系,结合环境中障碍物信息,提出了具备威胁规避且兼具动态调整能力的在线轨迹规划方法。其次,当发生执行机构故障和风干扰时,利用观测器实时诊断干扰故障信息并补偿。同时基于系统能力量化分析,动态调节轨迹甚至选择紧急降落,避免因超出系统能力引发飞行失控。所提出的方法充分利用了干扰故障的实时估计信息,显著提升了障碍、干扰、故障并存条件下无人机的安全控制性能和任务完成能力。4、针对无人机执行任务时受到模型不确定、复合故障、负载振动干扰交联耦合影响的问题,为了降低第三点工作中将干扰故障当作“集总干扰”产生的控制保守性,将有限时间观测器和干扰观测器相结合,提出了基于干扰故障分离的复合分层控制方法。具体地,从执行机构故障和内外部干扰的物理机理出发,研究了干扰故障的传递机制、作用通道、时变特性,提出了多源干扰和复合故障的可分离条件。而后,充分利用振动干扰的频率信息,设计干扰模型和干扰观测器实现周期性干扰的精细估计补偿,同时利用有限时间观测器对慢时变导数有界的干扰故障进行实时补偿。相比于第三点,所提出方法将复合故障和多源干扰进行分离和补偿,显著增强了无人机轨迹跟踪过程的控制精度和抗干扰容错能力。最后,基于数值仿真和实验验证提出的安全控制算法,以证明其有效性。