软翼无人机是一种新型无人装备,其特殊结构和飞行特点,使其拥有传统固定翼类和旋翼类无人机难以具备的优势,在运输物资上有着极其重要的作用。实现精确的降落对该系统有着至关重要的意义。而目前关于精确降落,存在着两点问题。第一个问题,大多数归航航迹规划算法都是一次性规划,对环境改变的适应能力差,导致归航航迹规划算法无法引导无动力软翼无人机精确着陆。第二个问题是,目前的大多数航迹跟踪算法,抗风扰能力不强,飞行中与期望路径偏差大。针对于以上两个问题,本文提出了一套归航航迹规划算法和航迹跟踪算法,并实现了算法的有效性评估。第二章主要介绍了平台的搭建和实验。基于搭建完成的实验平台,进行了实际遥控的飞行试验,在无动力平稳降落的状态下采集横侧向的单侧下拉输入激励及输出响应数据。基于输入输出数据进行横侧向模型的辨识,并通过模型交叉验证法对辨识模型进行了验证,为后面章节的基于无动力软翼无人机的航迹规划和航迹跟踪的仿真奠定基础。第三章主要介绍了归航航迹规划,采用了分段归航策略,分段归航就是将整个归航路径段分为三段,分别为径向归航段、盘旋削高段以及末端着陆段,通过遗传算法寻优,找到合适的盘旋削高的盘旋半径,使得最终降落误差降低。考虑到飞行过程中受到的各种干扰,一次性规划不能满足需求。因此将末端着陆段的直线替换为贝塞尔曲线,可以实现路径段的实时规划、障碍物躲避、路径重规划,减小最终规划路径的着陆点误差。第四章介绍了一种非线性的航迹跟踪策略——L1轨迹跟踪算法,该算法被首次应用于无动力软翼无人机系统,然后基于第三章已经生成的期望航迹段,本文分别提出了三种针对于不同航迹段的假目标点产生以及跟踪策略,并且对比仿真了 PID轨迹跟踪算法和L1轨迹跟踪算法在无风和有风情况下针对于这三种轨迹的跟踪效果,并得到了在有风情况下,L1轨迹跟踪算法性能要优于PID轨迹跟踪算法的结论。第五章结合了前面提到的路径规划与跟踪,实现了末端航迹的重规划,减小由于风扰以及系统跟踪误差引起的着陆点误差。对存在障碍物的情况下所规划的期望路径进行了跟踪仿真。最后使用了蒙特卡洛模拟的方法,对随机的初始状况进行了精确着陆控制,并得到圆概率误差,作为衡量本文提出的精确着陆算法性能的指标,最终验证本文提出的针对于无动力软翼无人机系统的精确着陆算法性能优良,可以适用于该系统。