旋翼飞行机械臂将多旋翼无人机和机械臂进行有效结合构成一种新型的空中作业机器人,兼具无人机强大的机动能力和机械臂自动化精准作业的能力。然而,机械臂的加入会使整个系统变得更加复杂,导致系统难以精确建模和精准控制。针对以上问题,本文采用独立建模、联合仿真的方式分别建立各个子系统的数学模型,设计自适应神经网络滑模姿态控制策略,突破复合扰动下的智能飞行控制技术,结合基于BFS-JSPCNN模型的多点任务路径规划方法,为旋翼飞行机械臂实现自主作业提供有价值的参考和依据。主要研究内容如下:1.针对机械臂的加入使整个系统维数增加导致旋翼飞行机械臂难以精确建模的问题,采用独立建模方式建立各个子系统数学模型。基于建立的坐标系将多旋翼无人机和机械臂视为独立的两个系统,利用牛顿-欧拉方程建立多旋翼无人机的动力学模型、拉格朗日方程建立机械臂的动力学模型,以及外界模拟风扰模型为后续设计控制器及系统的稳定控制提供理论依据。2.针对实际无人机控制系统中存在模型参数测量误差、未知外部扰动、机械臂反作用力矩及传统滑模控制效果差的问题,提出了一种自适应神经网络滑模控制方案。首先利用RBF神经网络对模型参数测量误差和外部扰动进行实时估计并补偿到控制器中,然后再次利用RBF神经网络对滑模控制中重要参数进行在线调整,从而减少滑模控制的抖振问题。最后在Simulink中搭建仿真模型对算法的可靠性、有效性进行验证,并通过Lyapunov方法证明了系统的稳定性。3.针对旋翼飞行机械臂执行多点任务时最优飞行路径规划中传统启发式搜索算法时间长、准确率低且易陷入局部最优的问题,提出了基于（BFS-JSPCNN）模型的路径规划方法。在传统脉冲耦合神经网络（PCNN）模型的基础上,结合广度优先搜索（BFS）思想和跳点搜索策略（JS）构造了新型PCNN神经网络（BFSJSPCNN）模型。采用BFS思想对搜索进程中神经元的激活状态进行约束,跳点搜索策略选择最优子路径。仿真结果表明,该模型不仅提高了路径搜索的准确率,而且时间上远远小于传统启发式搜索算法。