本发明涉及一种基于复合学习的非最小相位飞行器神经网络控制方法，首先将飞行器纵向通道模型分解为速度子系统和高度子系统，针对速度子系统采用PID控制，针对高度子系统采用反步法控制。

对高度子系统，基于输出重定义使不稳定的内动态变为渐进稳定的内动态，对输出重定义后的系统内动态进行坐标转换，推导出用于控制器设计的俯仰角指令；针对系统存在的未知非线性动力学采用神经网络进行估计，设计建模误差信号并结合跟踪误差给出复合学习算法，提高神经网络对非线性动力学的逼近性能。

本发明利用输出重定义实现内动态稳定，基于复合学习神经网络估计飞行器不确定动力学，可为非最小相位飞行器控制提供新的思路。