飞翼无人机采用翼身融合布局,取消了尾翼并将机身设计为一个升力部件,可以降低燃油消耗、提高续航能力、改善气动和隐身性能,是飞行器发展的重要方向之一。然而,飞翼布局的多操纵面构型使得无人机的飞行控制系统变为过驱动系统,从而带来了控制冗余的难题。一种有效的飞行控制系统设计方法是采用“飞行控制律+控制分配律”的级联架构,通过控制分配方法解决操纵面冗余难题。在控制分配律的设计过程中充分考虑分配精度、控制能耗等因素,可以实现高效能的分配结果。本文以多操纵面飞翼布局无人机为对象,研究了高分配精度、低控制能耗且面向多任务阶段的高效能控制分配方法。重点分析了飞翼无人机操纵面的非线性气动特性、多轴控制耦合和交叉耦合特性,研究了 Kriging和Co-Kriging气动代理模型设计中的关键问题。将控制能耗作为重点考虑因素,提出了基于所构建的气动代理模型的非线性控制分配方法、多目标控制分配方法和重构控制分配方法,并将所提出的控制分配方法应用于柔性操纵面飞翼无人机中。论文的主要研究工作如下:（1）针对飞翼无人机的低能耗、高精度的非线性控制分配问题,首先分析了升降副翼和开裂式阻力方向舵的非线性气动操纵特性、多轴控制耦合特性和交叉耦合效应。考虑到上述特性,综合分析比较了多种典型代理模型的非线性近似精度,选用高精度的Kriging模型建立飞翼无人机操纵面的气动代理模型。基于所构建的气动代理模型,将飞翼无人机的非线性控制分配问题转化为一个以分配精度和控制能耗为目标的约束优化问题,提出了基于Kriging气动代理模型的高效能非线性控制分配方法。分析了遗传算法和梯度加速粒子群算法的分配性能,并基于这两种算法提出了一种混合优化算法来求解该控制分配问题。（2）在降低控制能耗的基础上,考虑到飞翼无人机执行任务过程中要经历多种飞行阶段,研究了基于多置信度气动代理模型的高效能多目标控制分配问题。为了提高气动建模精度并降低计算代价,使用Co-Kriging多置信度代理模型对飞翼无人机的操纵面进行建模。设计了一种区间非均匀划分的最优拉丁超立方抽样方法来获得高置信度代理模型的建模初始样本点。提出了基于均方根误差和预测梯度的并行加点策略和面向全局建模精度的多重终止准则。分析了飞翼无人机在不同飞行阶段对分配精度、控制能耗、升力系数和阻力系数的要求,构建了多目标控制分配的数学模型,并提出了综合函数法和分层优化多目标粒子群法来解决该多目标控制分配问题。（3）考虑到复杂的多操纵面配置会增加操纵系统发生故障的概率,基于Krig-ing 控制分配架构对飞翼无人机在典型操纵面故障下的重构控制系统进行设计。分析了操纵系统中操纵面、执行机构和传感器的失效形式,重点对操纵面的损伤、卡阻、松浮和中位偏置等四种典型故障形式进行研究。通过分析操纵面故障对操纵性能的影响,建立了对应故障状态下的失效数学模型。针对不同的操纵面故障形式,对原有的Kriging气动代理模型进行对应故障状态下的修正,并基于修正后的Kriging气动代理模型对飞翼无人机的重构控制系统进行了设计。（4）将柔性操纵面技术应用于飞翼无人机可以进一步提升操纵面的气动性能、降低控制能耗。分析了将变形后缘作为柔性操纵面的可行性,并基于柔性蒙皮技术设计了一种机翼后缘展向变形结构。对比分析了平直机翼柔性操纵面和常规操纵面的转矩可达集,验证了柔性操纵面对气动操纵性能的提升效果。然后将柔性操纵面应用于飞翼无人机中,采用3D面元法对气动特性进行分析,建立了柔性操纵面的Kriging气动代理模型,并基于前述的分配架构初步设计了柔性操纵面飞翼无人机的控制分配算法。通过开环分配性能测试验证了所提出的控制分配方法的有效性。综上所述,本文以分配精度和控制能耗为基本目标,提出了基于气动代理模型的控制分配方法,设计了面向全局近似精度的Kriging和Co-Kriging气动代理模型,对飞翼无人机的非线性控制分配问题、多目标控制分配问题、重构控制和柔性操纵面的控制分配问题展开研究。本文的研究工作能够为飞翼无人机的飞行控制系统设计提供指导,并为其他过驱动系统的控制问题提供解决思路。