1.一种基于模型修正的固定翼无人机姿态自适应控制方法，其特征在于：包括以下步骤：步骤1：同时考虑模型不确定性与未知外部干扰，构建固定翼无人机姿态非线性模型，利用参考模型与无人机姿态非线性模型的输出信息，设计一个修正项，对参考模型进行修正；

步骤2：将无人机期望姿态角信息、参考模型与无人机姿态非线性模型的输出信息，作为径向基函数神经网络输入，得到模型不确定性逼近值；

步骤3：基于步骤2得到的模型不确定性逼近值，利用无人机姿态非线性模型的输出信息与控制输入信息，设计扩张状态观测器，并得到干扰估计值；

步骤4：基于步骤2与步骤3得到的模型不确定性逼近值和干扰估计值，设计无人机姿态控制器和神经网络自适应律；

在步骤1中，考虑模型不确定性和未知外部干扰，固定翼无人机姿态非线性模型如公式(1)所示：T

式中，X＝[γθψ]为姿态角向量，其中γ、θ、ψ分别为无人机的滚转角、俯仰角和偏航角，fX为模型中已知部分，ΔfX为模型不确定性，u为控制输入，d为未知外部干扰，gX为控制输入增益矩阵，其表达式为：式中，Q为自由流的动压，S为无人机机翼面积，L为机翼翼展，bA为机翼平均气动弦长，Ix、Iy、Iz为转动惯量，Ixy为惯性积， 为副翼舵面效率， 为方向舵舵面效率， 为升降舵舵面效率；

考虑式(1)中无人机姿态非线性模型，定义跟踪误差：式中， 为姿态角向量与参考模型输出向量之间的误差， 为期望姿态角向量与参考模型输出向量之间的误差；Xd为期望姿态角向量，X为姿态角向量，Xr为参考模型的输出向量；

设计如下参考模型：

式中，λ＞0，λ为设计参数；

由式(3)和式(4)中的跟踪误差及其导数，得到误差函数：式中， 分别为跟踪误差 的导数；ξ、ξrd分别为跟踪误差 的误差函数；据误差函数ξ设计一个修正项aξ，对式(5)所示的参考模型进行修正，修正后的参考模型为：式中，a＞0，a为设计参数；当控制输入饱和发生时，无法满足实际的控制输入需求，导致跟踪误差 变大，此时，修正项aξ也随之增大，对参考模型进行调节，使参考模型输出Xr发生变化，减小与姿态角向量X之间的误差，所需控制输入也随之减小，能满足实际控制输入需求，使无人机退出饱和区；从式(8)中可看出，当跟踪误差 消失时，则误差函数ξ也随之消失，修正的参考模型(8)将变为最初形式(5)，因此，无人机不仅渐进跟踪修改后的参考模型，而且渐进跟踪原参考模型；

在步骤2中，针对无人机姿态非线性模型中的不确定性ΔfX，设计使用RBF神经网络进行逼近，RBF神经网络算法为：*T

ΔfX＝W h(Γ)+ε    (10)；

th

式中，hj为隐含层j 个神经元的输出，exp表示以e为底数括号内为指数的对数，Γ＝T th[Γ1,…,Γn] 为网络的输入向量，cj＝[cj1,…,cjn]为网络j 个神经元高斯基函数的中心th *矢量，bj为j 个神经元高斯基函数的宽度；W为神经网络理想权值，h＝[h1(Γ),…,hm(Γ)T]为神经网络隐含层输出，ε为逼近误差；

选取输入为 神经网络输出为：

式中， 为神经网络估计权值； 即为不确定性ΔfX的逼近值；

在步骤3中，基于步骤2得到不确定性ΔfX的逼近值，则无人机模型式(1)写为：式中， 包含神经网络逼近误差与未知外部干扰；由扩张状态观测器估计神经网络逼近误差ε，同时未知外部干扰d也由扩张状态观测器一并估计；基于式(1)与神经网络输出式(11)，设计扩张状态观测器为：式中，z1、z2、z3为扩张状态观测器输出量，分别为X、 的估计值；β1、β2、β3为扩张状态观测器增益。

2.根据权利要求1所述的基于模型修正的固定翼无人机姿态自适应控制方法，其特征在于：在步骤4中，基于步骤2与步骤3得到的模型不确定性逼近值 和干扰估计值z3，设计无人机姿态控制器和神经网络自适应律，控制器表达式为：式中，KX＞0，KX为控制器增益矩阵；

RBF神经网络自适应律为：

T

式中，G＝G＞0，σX＞0为设计参数。