1.一种无人机-无人车联合编队协同控制方法，其特征在于，包括如下步骤，步骤1，建立无人机-无人车联合编队中无人器的非线性动力学模型，所述的无人器包括无人机和无人车；

步骤2，通过等价变换对无人机和无人车的非线性动力学模型进行处理，将加速度作为共同控制目标量，得到联合编队中以加速度为控制输入的统一的控制模型；

步骤3，建立依据虚拟领航者的地空联合编队结构，得到无人机-无人车联合编队稳定的控制信号，且控制信号为步骤2中得到的作为共同控制目标量的加速度；同时得到联合编队的误差模型；所述的虚拟领航者为具有位置、速度和加速度信息的虚拟无人器质点；

步骤4，根据控制模型和误差模型以及同时作为控制信号和控制目标量的加速度，采用RBF网络算法设计无人机-无人车联合编队控制器；所述的无人机-无人车联合编队控制器中通过sigmoid函数和tanh函数在线调整网络权值，对不确定因素进行自适应补偿，在线调整权值大小，加快收敛速度，编队的跟踪误差快速趋近于零，能够使无人机-无人车联合编队快速实现队形保持。

2.根据权利要求1所述的一种无人机-无人车联合编队协同控制方法，其特征在于，所述无人机采用四旋翼飞行器，四个旋翼对称分布在机体周围的四个方向，分为前后和左右两组，两组旋翼的旋转方向相反；得到对应的无人机非线性动力学模型如下：其中，pax(t),pay(t),paz(t)为无人机在t时刻的位置坐标， 为无人机在t时刻的加速度坐标，Ix,Iy,Iz为无人机关于x,y,z轴的转动惯量，Ma为质量，Ja表示螺旋桨转动轴的极惯性矩，la表示旋翼到无人机中心的长度，φa(t),θa(t),ψa(t)分别为无人机的滚转角、俯仰角、偏航角， 分别为无人机的滚转角速度、俯仰角速度、偏航角速度， 分别为无人机的滚转角加速度、俯仰角加速度、偏航角加速度，g是重力加速度；

无人机控制输入为(F1,F2,F3,F4)，分别为无人机合力与三个控制扭矩；合力与控制扭矩关系可以表示为：其中，Ω1,Ω2,Ω3,Ω4表示四个旋翼转速；b、d分别表示推力系数和阻力系数。

3.根据权利要求2所述的一种无人机-无人车联合编队协同控制方法，其特征在于，所述无人车采用轮式机器人，其包括两个驱动车轮、车体和随动车轮；在运动过程中随动车轮仅在失衡时候起到支撑作用，得到对应的无人车非线性动力学模型如下：其中，pgx(t),pgy(t)为无人车的位置坐标， 表示水平方向和垂直方向速度，V(t)和ω(t)分别为无人车的线速度和角速度，ψg(t)为无人车的偏航角， 为无人车的偏航角速度，Mg和Jg为无人车的质量和转动惯量，τ(t)为输入扭矩，Fg(t)为无人车的合力。

4.根据权利要求3所述的一种无人机-无人车联合编队协同控制方法，其特征在于，步骤2的具体步骤如下：

2.1根据无人机结构特性将无人机非线性动力学模型转化为内环系统和外环系统，内环系统和外环系统为两个内部交互耦合的级联子系统；其中，动态响应快的内环系统用以姿态控制，并产生所需的扭矩；动态响应慢的外环系统用于提供拉力和参考角度；从而得到转换后的无人机的非线性动力学模型如下，其中，带下标d的值为无人机状态量的期望值，ψad为无人机的偏航角的期望值；

2.2对无人车的非线性动力学模型做等价变换，使其与无人机的控制目标量一致；

首先，采用无人车车头的中心点作为编队中的无人车坐标，并根据轮式机器人的非完整约束系统特性，得到如下约束方程：其次，利用等价变换与约束方程对无人车非线性动力学模型进行处理，得到转换后的无人车非线性动力学模型如下，其中， 表示无人车前方中心点坐标， 表示无人车的加速度，lg

表示无人的长度；

2.3根据转换后的无人机和无人车非线性动力学模型，得到联合编队以加速度为控制输入的统一的控制模型，

5.根据权利要求4所述的一种无人机-无人车联合编队协同控制方法，其特征在于，步骤3中，所述的联合编队的误差模型包括无人器的位置误差与速度误差，表示如下，其中，ep,eν为位置误差与速度误差，pi(t),vi(t)为无人器的实际位置与速度，为期望位置与速度。

6.根据权利要求5所述的一种无人机-无人车联合编队协同控制方法，其特征在于，步骤3中，得到的出无人机-无人车联合编队稳定的控制信号ui(t)如下，其中，k是正数，ui(t)亦为无人器的控制目标量——加速度；pv(t),vv(t)为虚拟领航者的位置与速度， 为无人器相对于虚拟领航者的期望位置与速度，pj(t),vj(t)为第j个无人器的位置与速度， 为相邻无人器之间的期望位置与速度，bi、aij为权重。

7.根据权利要求6所述的一种无人机-无人车联合编队协同控制方法，其特征在于，步骤4中，得到的无人机-无人车联合编队控制器根据虚拟领航者发送的期望位置与速度信息，以及无人器发送实际位置与速度信息，得到无人器位置与速度误差的变化方向控制加速度，实时调整无人器的位置、速度与姿态，使无人器快速实现队形保持；无人机-无人车联合编队控制器中控制加速度时采用的目标函数误差变化率如下：其中，e(k)为第k次学习的相对误差，L(k)为第k次学习所需的参数，η(k)为第k次学习的学习速率，α(k)为第k次学习的动量因子，E为神经网络逼近的误差指标，ω(k)为第k次学习的神经网络权值，m1＞1，和δ为常数，0＜m2＜1。