随着带臂无人机(Unmanned Aerial Vehicle,UAV)的飞速发展,如今已广泛应用于工业商用、家庭民用、党政机关以及国防军事等各个领域。针对带臂无人机飞行控制过程存在诸如多输入多输出、非线性及强耦合等特性,如何实现带臂无人机飞行控制过程中各项性能指标的综合最优,本文提出了一种基于多机协同竞争与机械臂双二次泛函的带臂无人机最优控制研究策略。主要从多机协同竞争最优控制策略及多关节机械臂二次泛函最优控制两个方面展开研究,从而实现带臂无人机的综合最优控制。(1)多无人机目标跟踪与协调竞争的最优控制策略研究针对多无人机目标跟踪与协调竞争的最优控制策略研究,本文提出了一种多机协同竞争的赢者通吃(Winner-Take-All,WTA)最优控制策略,从多无人机协同竞争飞行过程中寻找出最小控制能量的无人机,从而实现多机协同最优控制策略。首先,构建飞行路径规划算法,针对传统人工势场算法存在的局部极小值等特点,本文结合无人机实际的飞行控制情况,改良人工势场函数并对其引入模糊控制决策力,从而达到无人机飞行过程中实现避免局部极小值的飞行控制目的,最终实现多无人机协同飞行过程中动态轨迹跟踪控制。其次,本文设计了一种有限时间收敛高阶微分器的双闭环速度跟踪控制器,实现对目标跟踪轨迹的速度控制和跟踪。最后,在协同竞争方面,本文设计了一种基于WTA模型的多无人机协同竞争策略方案,意在从多无人机中寻找最小控制能量,最终实现无人机飞行最优控制策略。理论分析和Simulink数值仿真结果表明,本文所提模型收敛速度快,跟踪效率好、控制精度高,稳定性强,鲁棒性好及达到避免抖振等优点。(2)机械臂的自适应径向基函数神经网络逼近双二次泛函最优控制研究针对非线性机械臂系统中存在难以权衡控制能量与控制误差比重的最优控制问题,本文提出一种基于自适应径向基函数(Radial Basis Function,RBF)神经网络二阶段叠加优化的双二次泛函最优求解模型,从而实现在非线性机械臂控制系统中用不大的控制能量来保持较小的控制误差的综合最优控制。在本文所提模型中,首先,设计一种线性误差函数,作用于非线性机械臂控制方程,并采用自适应RBF网络逼近非线性控制方程中存在的不确定项,构成闭环反馈系统,实现对非线性系统的最优控制。其次,将待求参数复合成双二次泛函的解域,并设计一种新型的类递归神经网络求解该带约束条件的双二次型模型,实现模型求解的快速收敛并得其解。通过理论分析及Simulink数值仿真实例验证了所提模型能有效提高非线性系统的控制精度、稳定性、鲁棒性及自适应性,从而实现非线性机械臂系统的综合最优控制。综上,为实现带臂无人机飞行控制过程中各项性能指标综合最优,本文从两方面展开研究,共同实现非线性带臂无人机控制过程的综合最优控制。