自然界中,鸟类在栖落过程中,会拉大迎角,利用大迎角姿态产生的空气阻力快速降低平飞速度,最终轻巧而准确地栖落在地面或树枝上。研究者从鸟类的飞行过程中得到灵感,提出了栖落机动的概念。若固定翼无人机能模仿鸟类的这种降落方式,实现无跑道降落,将大大拓宽其应用场合。本文针对固定翼无人机的纵向运动,考虑外部风扰动,研究基于优化理论的栖落机动跟踪控制问题。首先,针对存在外部风扰动的情况,建立栖落机动过程的张量积模型。将栖落机动的动力学模型沿参考轨迹线性化,转化为线性变参模型,并建立分段线性模型;最终通过张量积转换将线性变参模型转变为具有多胞形式的张量积模型。然后,针对包含风扰的栖落机动张量积模型,研究了具有在线滚动优化特性的鲁棒预测控制方法。采用了能保证系统稳定性的无穷时域min-max算法,针对多胞模型的多个顶点设定统一的李雅普诺夫函数,设计了鲁棒预测控制器。进一步设计了与多个顶点设计对应的参数依赖李雅普诺夫函数,提高控制器设计的自由度,以改善控制性能。通过仿真验证了所设计的鲁棒预测控制器,与线性二次型最优控制律相比具有更好的控制性能。其次,针对鲁棒预测控制方法在线计算量大的问题,研究了栖落机动的离线鲁棒预测控制器算法。离线优化设计了一系列嵌套的椭圆不变集与对应的鲁棒控制律;在线控制时计算系统当前状态所处的椭圆不变集,选取对应的控制律实现对轨迹的次优跟踪控制。仿真结果验证了所设计控制器的有效性,并大幅度减小了在线计算量。最后,针对固定翼无人机具有较大初始偏差的情况,研究了栖落机动的鲁棒预测控制的综合优化策略。设计了将多步控制集和参数依赖李雅普诺夫函数相结合的鲁棒预测控制器,并进一步研究了减小在线计算量的鲁棒预测控制设计方法,实现了控制性能、初始可行域、在线计算量三个方面的综合优化。对初始偏差较大的无人机栖落机动轨迹跟踪进行了仿真,仿真结果验证了所设计控制器的有效性。