传感器作为无人机的眼睛,为无人机飞行控制系统提供全面、可靠、精确的数据信息。当传感器出现故障之后,无人机将无法保证正确的飞行轨迹和姿态,所以无人机传感器的故障诊断与容错控制技术成为了其安全飞行的重要保证。本文在利用NAGA-BP网络建立无人机姿态传感器观测器模型的基础上,对传感器的故障诊断和容错控制技术展开了研究。文章的主要工作如下:(1)介绍了小型固定翼UAV的姿态控制系统以及传感器的故障类型。通过对UAV飞行姿态控制系统的介绍,论述了陀螺仪和加速度计在姿态控制过程中的重要作用。之后分析了MEMS三轴加速度计和陀螺仪的工作原理以及常见故障类型,并对两种传感器常见的故障进行了分类,为接下来对姿态传感器的故障诊断研究打下了基础。(2)针对非线性系统故障,设计了基于NAGA-BP网络观测器的故障诊断系统。因为传统遗传算法存在训练后期效果不明显的问题,对BP神经网络优化效果不够明显,所以改进了遗传算法交叉、变异函数和选择机制,利用改进遗传算法对神经网络初始权值和阈值进行优化,避免了局部最优的问题,提高了网络的收敛速度。同时利用NAGA-BP网络建立了姿态传感器的观测器模型,用于传感器的故障诊断。通过仿真实验证明,NAGA-BP网络具有更好的收敛能力,基于NAGA-BP网络观测器的故障诊断系统能够准确的发现故障信号。(3)针对姿态传感器的各类故障,设计了基于NAGA-BP网络观测器的软闭环容错控制系统。当传感器发生故障并被检测到时,利用建立的观测器模型的估计值代替传感器的实际值参与系统控制,达到容错的目的。同时利用SPRT方法改进了故障检测模块,降低了检测时延,提高了检测精度,保障容错系统能够及时有效的参与控制。通过仿真实验研究证明了容错控制方法的有效性。