1.基于自适应分配技术的飞行控制系统的容错控制方法，其特征在于，包含以下步骤：步骤一、通过选择无人机飞行过程中的各动作指标分别作为状态变量和控制输入量，建立有执行器故障无人驾驶飞行器的线性时不变模型；

步骤二、将跟踪误差的积分引入到系统状态之中，得到增广系统；

步骤三、控制重分配的设计；

步骤四、分别在无故障情况和故障情况下，进行自适应容错控制方案的设计。

2.根据权利要求1所述的基于自适应分配技术的飞行控制系统的容错控制方法，其特征在于，所述步骤1中，通过选择无人机飞行过程中的滚转角速率、偏航角速率和侧滑角为状态变量，选择方向舵偏角、左右尾翼偏角和左右副翼偏角为控制输入量，选择三个状态变量作为输出量，建立有执行器故障无人驾驶飞行器的线性时不变模型：其中，x(t)∈R3表示状态向量，公式中的x(t)上有“.”的是x(t)的导数；u(t)∈R5表示控3

制输入；y(t)∈R表示测量输出；A，B，C分别为状态矩阵，控制输入矩阵和测量输出矩阵；Δ是一个不确定常值的效率损失因子，它可以表示为Δ＝diag(ρ1,ρ2,……,ρ5)，其中ρi表示第i个执行器的效率损失；当i＝1时，第i个执行器正常工作；当i＝0时，第i个执行器完全失效；当0＜i＜1时，第i个执行器遭受部分效率损失故障。

3.根据权利要求1所述的基于自适应分配技术的飞行控制系统的容错控制方法，其特征在于，所述步骤2中，得到的增广系统如下：其中r(t)是一致有界向量并满足||r(t)||≤rM，ε(t)＝r(t)-Syy(t)；矩阵Sy用于确定跟踪参考信号的具体输出；令然后，等式(1)可以简化为：

定义饱和误差为：uo(t)＝u(t)-uc(t)，Ba＝Bf；等式(2)可以转化为：其中，uc是控制输入，满足umin≤uc(t)≤umax，umin＝{umin1,umin2,...,umin5}T,umax＝{umax1,umax2,...,umax5}T分别是力矩和上界和下界。

4.根据权利要求1所述的基于自适应分配技术的飞行控制系统的容错控制方法，其特征在于，所述步骤3中，控制重分配的设计具体如下：在上式(3)中，可以分成由列满秩矩阵Bv，和行满秩矩阵B，这表明有如下关系：Bfuc(t)＝BvBuc(t)＝Bvν(t)；其中，定义虚拟输入为：ν(t)＝Buc(t)；值得注意的是矩阵B中包含了故障信息；因此，控制重分配问题可以描述为以下最优化问题：它的解为：uc(t)＝WBT(BWBT)-1ν(t)。

5.根据权利要求1所述的基于自适应分配技术的飞行控制系统的容错控制方法，其特征在于，所述步骤4中，无故障情况下，效率矩阵Δ＝I，假设 满足系统性能的理想矩阵，则令ν＝νc+νs，设计νc为：νc＝Kxa，其中K是被设计的控制参数，所以我们可以得到：引入以下匹配条件： 再引入龙贝格增益-L，则设计下面的表达式：其中e＝xa-xm；因此，通过设计νs＝-Buo，可以消除系统饱和所造成的影响；

所以，系统的误差动力学可以被推导为： 其中AH＝Am+L，由于AH是赫尔维兹的，所以执行器故障情况下，效率矩阵Δ，控制分配矩阵B和Bv均是未知的；令 νc＝Kxa；则系统状态方程可以写为：

类似于无故障情况下，设计：νc＝Kxa， 这样就有：接下来定义：φ＝Kxa，然后定义滤波变量为： 其中k>0是一个滤波参数，并且本式将用于定义一个滤波回归矩阵M

其中kFF＞0是一个遗忘因子，对上式两边积分可以得到M的解为：定义向量Θ为：Θ＝MBv，根据此式可以推导出以下等式：值得注意的是M,Θ,φf都是有界的，因此xa也是有界的；

故在执行器遭受未知故障的情况下，未知矩阵Bv估计的自适应律被设计为：其中Γ＝diag(η1,η2,...,η5)＞0是一个与自适应速率相关的参数；矩阵Ω1＝diag(δ1,1,δ1,2,...,δ1,5)＞0,Ω2＝diag(δ2,1,δ2,2,...,δ2,5)＞0；λ是一个为了提高 自适应速率的滑模项；

基于Bv的估计律，设计容错控制器为：