针对高超声速飞行器输入环节中大时滞和输入受限的控制难题,本文从算法的设计和改进方面做了探索性研究工作。大时滞和输入受限会使控制品质大为下降,导致系统出现调节时间过长、超调过大,甚至使得系统失稳的现象,不仅无法满足高超声速飞行器的控制需求,甚至在复杂环境下极易导致飞行器失控,造成严重的事故。在高超声速飞行器控制方法的研究中,对输入大时滞以及受限作用进行研究意义重大。本文首先对飞行器做出了简单的受力分析,在纵向通道内建立了高超声速飞行器动力学方程,该模型非线性强、耦合程度高、模型参数与状态量具有复杂的关系,且在实际应用中很难得到精确的数学模型,无法通过精确的数学模型对算法进行分析与研究,这给控制算法研究提出了新的挑战。基于上述所建立的飞行器模型,本文首先选取了传统PID控制算法对该马赫数跟踪控制过程进行研究。仿真表明,在常规PID控制方法作用下,最终马赫数产生震荡,控制系统无法达到稳定状态。同时,在输入受限的作用下,控制系统本身是一个慢系统,该系统在传统位置式PID控制方法作用下,调节时间过长,超调量过大,无法满足高超声速飞行器实际的控制需求。在大量实验数据的基础上,通过分析与理论论证,将输入受限考虑到控制算法的设计中,提出了一种基于输入受限的新型增量式PID控制方法。仿真表明所提出的新型增量式PID控制方法能够较好地解决原控制系统中出现的大超调和调整时间过长的控制问题。为了解决大时滞带来的不稳定影响,本文利用BP神经网络能够表示一切非线性关系的能力,在线对常规PID参数进行整定,来达到K_P、K_I、K_D按照一定的非线性关系进行组合的目的。仿真表明,基于BP神经网络的PID控制方法可以有效避免等幅震荡的发生,但是该控制方法却无法满足稳态精度的要求。对此,本文在原BP神经网络控制方法的基础上,对神经网络外部算法进行了修正。仿真表明,该算法可有效消除系统的静差,但从仿真结果中可以看到控制系统的收敛速度很慢,不能达到快速响应的需求。为满足系统快速响应的需求,本文将恒定学习率改进为自适应学习率。仿真证明,修改后的控制方法可以有效提高飞行器的响应速度。文章最后给出了当攻角、跟踪指令变化的控制效果,进一步证明了该控制方法能够有效解决实际问题。