随着机器人技术的发展,空中机器人的运用越来越广泛,旋翼无人机作为一种高灵活性的空中机器人平台而越发受到关注,因而对旋翼飞行器的飞行性能要求越来越高。衡量旋翼无人机的飞行性能的最关键的指标有:一是飞行控制器的精度与稳定度,二是无人机的飞行可靠性和抗干扰能力。对于复杂环境下的旋翼飞行器而言,其飞行可靠性主要体现在无人机适应环境的能力。当无人机处于机动时,且存在不确定性风的干扰,若控制器的快速响应能力较差,势必造成控制器的发散。因此本文主要针对无人机机动时,如何增强其可靠性进行研究,重点研究提高控制器快速响应性能的方法。本文的主要工作如下:1)无人机导航传感器的性能分析。本文对不同导航传感器的特性进行分析,比较了其优缺点,进而针对传感器的噪声特性以及适用的条件,对融合滤波器算法进行了建模。2)无人机飞控系统快速响应方法研究。首先针对六自由度运动估计存在低成本传感器融合时间及方向不对齐问题,分析了各个传感器时间异步误差对融合算法的影响,提出了基于EKF的时间对齐闭环滤波融合算法。该算法通过引入时间对齐闭环反馈,能同时估计六自由度运动状态和GPS与AHRS之间时间同步误差,提高了滤波估计精度和响应速度。此外,为了提高该算法的收敛性,本文讨论了一种粗对准的校准方法。该融合算法可以在嵌入式微处理器上实现,并不需要高性能的计算单元。3)基于神经网络的控制器参数优化设计。首先针对控制器可靠性提高方面,设计了无人机解耦控制器,将多个SISO控制器构成一个串并联的复合结构,且采用基于神经网络的黑箱系统辨识方法得到控制器参数到性能特性的映射,将机器学习的思路引入到控制器自动调参中,选择恰当的回归模型来反映控制参数与控制性能之间的关系,在构造优化代价函数的时候充分利用了各个性能指标函数的物理意义,实现了自动调参,提高了控制器的可靠性和稳定性。4)旋翼无人机飞行实验验证。研制了无人机控制系统,针无人机大机动条件下的导航和控制算法,进行了大量仿真实验和野外真实飞行测试,由测试结果看出性能得到较大提升,满足工程中大机动应用要求。