近空间高超声速飞行器是目前各军事强国正大力发展的新型飞行器，具有重大的军事和民用价值。高超声速飞行器无动力再入飞行过程中，飞行器的气动特性与气热特性剧烈变化，复杂的飞行环境使其具有强非线性、快时变、强动态不确定以及强耦合等特点。因此，近空间高超声速飞行器再入飞行控制系统设计是一项极具挑战性的研究课题。围绕这一科学前沿课题，本文针对一类再入滑翔式近空间高超声速飞行器的高精度、强稳定再入姿态控制问题展开研究。主要研究内容如下:　　(1)根据国内外公开发表的研究成果，针对一类具有三角形机翼、单垂直尾翼的有翼圆锥体近空间高超声速飞行器，建立起高超声速再入飞行条件下的飞行器六自由度数学模型。考虑到在空气稀薄再入阶段特殊环境下的控制问题，设计了开关型喷流反作用控制系统，气动舵面与反作用控制系统配合实现飞行器的控制;开环分析表明该模型能够体现出近空间高超声速飞行器复杂的非线性、耦合性以及快时变性等特点;可以满足近空间高超声速飞行器再入飞行轨迹优化、姿态控制等问题的理论研究和仿真验证的需要。　　(2)针对近空间高超声速飞行器再入姿态控制问题，提出了一种基于径向基神经网络的自适应滑模反步跟踪控制方法。该方法以反步法为基础，在姿态角回路及角速度回路中分别引入径向基神经网络来估计其复合不确定性，并且在姿态角速度回路中采用了一阶自适应滑模控制策略。基于Lyapunov理论证明了跟踪误差系统的渐近稳定性。仿真结果表明了所给出的跟踪控制方法的有效性，相比于传统的反步法控制策略，所提的方法具有更好的跟踪效果。　　(3)考虑到高超声速再入飞行过程中较大外界干扰和参数不确定性的影响，提出了一种改进的基于B样条神经网络（B spline neural network，BSNN）的二阶滑模反步控制方法。以结构简单、计算方便的神经网络—BSNN作为复合干扰估计技术，结合一种超螺旋二阶滑模控制方法，给出一种基于B样条神经网络的二阶滑模反步控制方法。其中，网络逼近误差通过设计鲁棒项来抵消。利用Lyapunov方法分析了闭环系统稳定性。进而，为了避免计算一阶微分矩阵，引入中值定理来实现对非线性B样条基函数的线性近似，提出了一种改进的基于B样条神经网络的二阶滑模反步控制方法。利用Lyapunov方法分析了闭环系统稳定性。仿真结果表明了所提方法的有效性。　　(4)为了充分利用被控系统已知信息，设计了新的智能干扰观测器—B样条神经网络干扰观测器（B spline neural network disturbance observer，BSNNDO）。借鉴干扰观测器的设计方法，提出一种基于BSNNDO的自适应反步控制方法。针对近空间高超声速飞行器再入姿态控制问题，结合BSNNDO和反步设计方法，给出了相应的自适应反步控制系统。BSNNDO的参数自适应律同时考虑了观测器误差和系统跟踪误差信息，提高了系统对复合干扰的逼近性能。利用Lyapunov方法证明了观测误差系统的渐近收敛性。最后，仿真结果表明了所提出的控制方法在系统存在参数不确定以及大干扰的条件下，具有良好的控制性能。　　(5)为了避免传统反步法中虚拟控制律重复求导而引起的计算膨胀问题，本文引入二阶指令滤波器对虚拟控制律的导数进行估计，并提出了一种新的指令滤波反步法。该方法通过滤波器而非直接解析地对虚拟控制量求导，从而显著简化了反步控制器的设计过程。而且由于虚拟控制量的导数是通过积分过程而非微分得到，这样大大降低了测量噪声对控制系统的影响。同引入一阶指令滤波器的动态面方法相比，我们通过采用鲁棒项来抵消二阶滤波器所产生的估计误差，保证了整个闭环系统的渐近稳定性，而动态面控制方法仅仅保证跟踪误差收敛到一个有界闭集中。进一步地，针对再入滑翔式高超声速飞行器的姿态控制，结合上述滤波指令反步法和BSNN干扰估计技术，提出了一种基于BSNN的自适应滤波反步控制方法。其中，BSNN的参数自适应律是通过引入中值定理来实现对非线性B样条基函数线性近似后得到的，避免计算了传统的调节律中对一阶微分矩阵的计算问题。利用Lyapunov稳定性理论证明了闭环系统的渐近收敛性。最后，仿真结果表明了所提出的控制方法具有良好的姿态控制效果。