1.一种基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，包括以下步骤：S10：建立四旋翼无人机的动力学模型

根据四旋翼飞行器的飞行姿态，通过牛顿-欧拉方程和坐标转换矩阵建立飞行器的动力学的数学模型，其中动力学方程如式(1)：式中，m为四旋翼飞行器的质量，g为重力加速度，μx、μy、μz为X轴、Y轴、Z轴三个方向的空气阻力系数，Jx、Jz、Jz为四旋翼飞行器绕X轴、Y轴、Z轴的转动惯量，Ir为四旋翼飞行器的旋翼相对于旋转轴的转动惯量，l为旋翼中心点到坐四旋翼飞行器质量中心的距离w1、w2、w3为飞行器的角速度，x、y、z为飞行器的位置，Ωi为各个旋翼的转速，其中i＝1,2,3,4，θ、φ、ψ分别为飞行器的俯仰姿态角、滚转姿态角、偏航姿态角，由式(1)的四旋翼飞行器的动力学方程转换成四个独立的控制通道Ui，其中i＝1,2,3,

4，通过控制这四个独立的控制通道，这四个通道分别由高度重复控制补偿神经模糊PID，翻滚重复控制补偿神经模糊PID，俯仰重复控制补偿神经模糊PID，偏航重复控制补偿神经模糊PID组成；

S20：基于重复补偿神经模糊PID控制

S21:设计由神经网络生成模糊推理规则并能够自调整PID参数的网络结构

设计一个双输入、单输出的神经网络模糊系统，并设定其使用单向传播的多层前向神经网络，它的输入数据从输入层，先后依次经过各隐含层节点，最后从输出层的输出节点得到输出数据，其中各层之间限定如下：第一层为神经元节点，表示模糊控制器的输入信号，完成对误差e以及误差变化率ec的接受；

第二层表示输入信号语言变量的语言值，是对输入数据的模糊化，即将输入数据转换成模糊量，表达为一个隶属函数；

第三层和第四层完成模糊系统的模糊推理的过程，这两层表示模糊控制规则，其中，第三层完成模糊规则的模糊前件，第四层完成模糊规则的后件，进行模糊推理并输出模糊量；

第五层完成去模糊化，将模糊量清晰化，并输出控制量；

神经模糊自调整PID根据输入信号偏差e和ec的大小、方向以及变化趋势特征，通过神经模糊推理做出相应决策，在线调整PID参数kp,ki,kd以满足不同时刻对参数的不同要求，其中PID控制器为参数增量式控制器，在初始化PID控制器参数的基础上加上神经模糊控制器对PID参数在线调整，由以上算法确定PID控制所需要的最佳的kp,ki,kd参数，从而实现了参数自整定；

S22：重复补偿控制

将基于内模原理的重复控制嵌入到基于神经网络生成模糊推理自调整PID闭环控制中，形成基于重复补偿神经模糊PID控制。

2.根据权利要求1所述的基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，其特征在于，所述基于内模原理的重复控制中，除了加到被控对象上的当前时刻的误差信号外还叠加了上一时刻的误差信号，形成具有时滞环节的正反馈，在时滞环节串联一低通滤波器，同时以期减小重复控制作用在高频段的增益。

3.根据权利要求2所述的基于重复控制补偿神经模糊PID四旋翼飞行器的控制方法，其特征在于，所述重复控制得到的控制信号需经过延迟时间t后才输出，设置重复补偿控制器在所述延迟时间t内对低通滤波器的输出经过重复PID后再输出，且在再输出前进行补偿。