1.一种高动态强对抗环境下的无人机高机动控制方法，其特征在于，所述方法包括：根据历史数据和四元数姿态描述方式，构建无人机数据驱动增量模型，所述无人机数据驱动增量模型包括平移动力学增量模型与旋转动力学增量模型；基于所述平移动力学增量模型，采用非线性增量动态逆控制设计增量推力控制策略；通过所述增量推力控制策略构建高机动位置控制器；基于所述旋转动力学增量模型，采用非线性增量动态逆控制设计增量力矩控制策略；通过所述增量力矩控制策略构建高机动姿态控制器；通过所述高机动位置控制器得到期望作用在无人机上的推力；通过所述高机动姿态控制器得到期望作用在无人机上的力矩；所述平移动力学增量模型表达式为： ；式中， 表示东北天惯性坐标系下无人机位置； 表示东北天惯性坐标系下无人机速度； 表示常数对角增益矩阵； 表示增量推力； 表示平移动力学增量模型估计误差； 表示相应无人机状态变量的一阶时间导数； 表示相应无人机状态变量的历史数据；其中， 表示可替换状态变量；所述增量推力控制策略表达式为： ；式中， 表示位置追踪误差； 表示速度追踪误差； 表示对常数对角增益矩阵求逆； 表示无人机期望轨迹； 表示预先选定的位置常数增益矩阵； 表示预先选定的速度常数增益矩阵； 表示相应无人机状态变量的二阶时间导数。
2.根据权利要求1所述的高动态强对抗环境下的无人机高机动控制方法，其特征在于，所述旋转动力学增量模型表达式为： ；式中， 表示无人机姿态四元数； 表示东北天机体坐标系下的角速度； 表示预先选定的常数增益矩阵； 表示增量力矩； 表示旋转动力学增量模型估计误差； 表示相应无人机状态变量的一阶时间导数； 表示相应无人机状态变量的历史数据；其中， 表示可替换状态变量； 表示四元数间的乘法。
3.根据权利要求1所述的高动态强对抗环境下的无人机高机动控制方法，其特征在于，通过所述高机动位置控制器得到期望作用在无人机上的推力，表达式为： ;式中， 表示期望作用在无人机上的推力。
4.根据权利要求2所述的高动态强对抗环境下的无人机高机动控制方法，其特征在于，所述增量力矩控制策略表达式为： ；式中， 表示对预先选定的常数增益矩阵求逆； 表示期望角速率； 表示姿态误差； 表示姿态角速率误差； 表示预先选定的姿态常数增益矩阵； 表示预先选定的角速率常数增益矩阵。
5.根据权利要求4所述的高动态强对抗环境下的无人机高机动控制方法，其特征在于，通过所述高机动姿态控制器得到期望作用在无人机上的力矩，表达式为： ;式中， 表示期望作用在无人机上的力矩。
6.一种高动态强对抗环境下的无人机高机动控制系统，其特征在于，采用权利要求1至5任一项所述的高动态强对抗环境下的无人机高机动控制方法，所述系统包括：增量模型构建模块，用于根据历史数据和四元数姿态描述方式，构建无人机数据驱动增量模型，所述无人机数据驱动增量模型包括平移动力学增量模型与旋转动力学增量模型；高机动位置控制器设计模块，用于基于所述平移动力学增量模型，采用非线性增量动态逆控制设计增量推力控制策略；通过所述增量推力控制策略构建高机动位置控制器；高机动姿态控制器设计模块，用于基于所述旋转动力学增量模型，采用非线性增量动态逆控制设计增量力矩控制策略；通过所述增量力矩控制策略构建高机动姿态控制器；位姿控制模块，用于通过所述高机动位置控制器得到期望作用在无人机上的推力；通过所述高机动姿态控制器得到期望作用在无人机上的力矩。
