Add to ORKG由于具有垂直起降、定点悬停、超低空飞行等特点，多旋翼无人机在测绘侦察、灾难救援、农林植保、智慧物流等领域扮演着重要角色。然而，由于多旋翼无人机体积小、重量轻，气流扰动会对其运动产生较为明显的影响。此外，任务载荷的变化也会导致无人机质量和转动惯量发生较大程度的改变。多旋翼无人机本身是一个非线性、强耦合的欠驱动系统，加上这些参数扰动和气流扰动的不确定性，无疑给控制系统的设计带来了极大挑战。论文围绕这两大类扰动展开研究，旨在提高多旋翼无人机的抗扰动性能。论文的主要内容如下： 论文的第1章，对多旋翼无人机的研究背景及现状进行了论述，阐明了现有研究存在的不足，从而引出本论文的研究意义和研究内容。 论文的第2章，对多旋翼无人机的非线性模型进行了介绍，包括模型的性质和常用的简化，为后续估计和控制方法的验证提供仿真对象。 论文的第3章，在不考虑噪声的情况下，首先对多旋翼无人机非线性模型的参数辨识进行研究，提出了一种基于模型参考自适应的参数辨识方法，能够解决以非线性形式存在的参数的辨识问题，且对参数的变化能够快速跟踪。然而，由于所提方法中参数的更新率可能导致估计值发散，且方法并未对控制器设计进行讨论，接下来又提出了一种基于线性滤波降阶的自适应控制算法，通过仿真验证了该方法对姿态和高度的跟踪性能，以及持续激励条件下的参数辨识效果。 论文的第4章，首先比较了UKF方法与自适应方法在噪声存在情况下的辨识效果。为解决UKF方法需要噪声先验知识、数值稳定性较差的问题，论文提出了一种基于UD分解的自适应UKF方法，其思想在于实现理论协方差矩阵与实际协方差矩阵的匹配，再通过对原UKF算法中的协方差矩阵进行UD分解，能够提高滤波算法的估计性能和数值稳定性。同时，该方法为后续抗扰动控制中加速度信息的估计提供算法...