运载火箭应用广泛,是载人航天、商业发射等航天活动中不可或缺的运载工具。而运载火箭广阔的飞行范围,变化剧烈的气动环境,细长结构导致的弹性振动影响,使得运载火箭控制系统的设计变得更为复杂。同时运载火箭推力下降故障也可能使得控制系统的跟踪性能降低。本文以提升运载火箭姿控系统的跟踪性能为目标,对运载火箭推力下降故障下的容错控制进行了研究。研究内容如下:首先推导了推力下降故障下运载火箭的六自由度非线性数学模型,并在一定假设下分析了推力下降故障对姿态控制带来的影响。其次,在运载火箭发生推力下降故障后,会产生较大的干扰。若不对干扰进行抑制,将造成较大的姿态跟踪误差。为提升推力下降故障后的姿态跟踪性能,本文设计了滑模干扰观测器对干扰进行观测,并将观测干扰反馈至控制器。在推力下降故障发生后,故障发动机提供的控制力将减小,也就使得施加于运载火箭的总控制力减少。为使故障前后施加于运载火箭的总控制力不变,本文使用了级联伪逆控制分配。级联伪逆控制分配通过改变正常发动机的控制量以补偿故障发动机减小的控制量。最后通过仿真验证了该容错控制方法的有效性。运载火箭通常都具有细长的结构,也就使得运载火箭在飞行过程中受到的弹性振动影响较大。为抑制弹性振动,常规方法是使用PD控制器加陷波器,但该方法使姿控系统的姿态跟踪精度不高。为提升姿控系统的跟踪精度,并实现容错控制,本文使用了基于广义比例积分观测器的滑模容错控制。观测器的参数通过天牛须算法寻优得到,控制器的参数则通过稳定性分析确定。最后通过仿真验证了该容错方法能有效保证运载火箭姿控系统的稳定性与跟踪性。由于执行器安装偏差,外界干扰等原因,控制分配效率矩阵中往往存在不确定性。可使用凸优化控制分配来减小该不确定性造成的影响。但从实时控制的需求考虑,凸优化控制分配的计算耗时较长。为提升控制分配的实时性和鲁棒性,本文提出了基于凸优化的神经网络控制分配。首先仿真得到不同故障情形下凸优化控制分配的输入输出数据,然后将该输入输出数据作为训练样本训练神经网络,形成基于凸优化的神经网络控制分配。仿真结果表明,在控制分配效率矩阵存在不确定的情况下,基于凸优化的神经网络控制分配方法能实时完成控制分配任务。