临近空间飞行器的控制问题是航空航天领域的热点问题，由于其具有强耦合、大扰动、非线性和快时变等特点使得其控制器设计也是一个难点。本文针对临近空间飞行器的姿态控制，在考虑系统不确定性和约束等问题的情况下，结合神经网络设计了不同的控制器。
　　首先建立飞行器的数学模型。结合飞行器所处的飞行环境，从运动学和动力学两个方面建立了临近空间飞行器的基础数学模型。紧接着分析了模型不确定性并建立了含有不确定性的飞行器数学模型。在考虑系统的不确定性的情况下，设计了基于神经网络的动态面控制器。对于系统的不确定性做了简化，假定控制矩阵的不确定性和外部扰动都能被神经网络补偿。通过稳定性分析证明了其稳定性，并通过仿真验证了其控制效果。
　　然后，本文对飞行器姿态控制问题中的实际工程需求进行深入研究，认为系统的部分状态和控制输入存在非线性约束，同时还考虑系统的不确定性不能完全被神经网络补偿，并设计了自适应律来应对神经网络不可补偿的部分。在考虑非线性约束的情况下，神经网络会对不希望其学习的由于非线性约束带来的误差信息进行学习。利用辅助系统来调节每一步的动态误差，消除非线性约束对神经网络的影响。最后通过稳定性分析和仿真证明了系统的所有信号都是半全局一致最终有界的。
　　最后利用串级自抗扰控制与神经网络结合来解决飞行器的姿态控制问题。通过神经网络来替换扩张状态观测器中的扩张状态，实现了利用网状拓扑结构而非单一的数值来识别系统的扰动，这保证了识别的结果更为平滑。在保证系统性能的前提下，提高了控制指令的平滑性。结合神经网络，可以直接进行三通道的耦合设计，克服了传统自抗扰控制只能单变量设计的缺点。最后利用Lyapunov稳定性理论分析了观测器的稳定性并通过数值仿真验证了闭环系统的稳定性。