随着固定翼无人机的广泛应用,自主飞行任务越来越复杂和多样化,现存的导航控制算法多适应于二维平面的导航控制,较难满足复杂飞行任务,为使固定翼无人机具有精确的三维空间曲线导航控制性能,并具备自适应控制能力,本文提出并实现了一种基于强化学习的固定翼无人机三维空间曲线路径跟踪导航控制方法,主要研究工作如下:（1）根据直角坐标系中的三维空间（本文以锥形螺旋线为例）曲线数学表达式,推导出Frenet-Serret框架定义的锥形螺旋线表达式,在球体空间中定义锥形螺旋线的螺旋半径、飞行高度、旋转矩阵、仰角、方位角、极角等参数。在无人机力方程组、力矩方程组和运动方程组的基础上,设计L1飞行导航控制器。（2）在L1飞行导航控制基础上,以锥形螺旋线为例提出了三维空间曲线路径跟踪导航控制算法（3D Space Curve based on L1-Navigation算法,3DSCL1算法）:从空间曲线横向平面投影推导横向速度、曲率、横向平面轨迹误差等参数,提出并推导锥形螺旋线加速度导航控制公式,依据该公式计算无人机横向加速度,将该加速度值作为3DSCL1导航控制器的输入,从而实现航向与滚转的控制;再以无人机离曲线最近点的位置向量在纵向平面的投影,计算无人机飞行目标高度,将该高度值作为高度控制器的输入,根据无人机飞行的目标高度、高度测量值和爬升率计算俯仰角和油门控制指令,从而输出升降舵控制值,实现无人机的高度控制。最后,在Ardupilot无人机开源平台上进行软件在环飞行测试,验证提出算法的有效性。（3）针对微小型固定翼无人机模型参数精度不足的问题,提出了基于Q学习算法的三维空间曲线路径跟踪导航控制（Q-3DSCL1）方法,首先,根据无人机飞行日志数据进行线下训练,并生成带有飞行决策信息的Q表;其次,根据线下训练的Q表、无人机实时飞行的位置信息,输出加速度增益最优控制值,实现无人机导航控制的自适应性。为了验证本文方法的有效性,再设计了基于BP神经网络、模糊控制的三维空间曲线导航控制算法进行对比,对比实验表明了本文提出的基于Q学习的三维空间曲线导航控制有较好的控制精度,且具有较强的自适应性。