随着现代航空工业的飞速发展，无论是在民用还是军用领域，飞行器的速度、机动性、升限等都得到了极大的提升，在不断追求更高、更快和更好的机动性能的同时，正在向着空天飞行器的方向发展。而作为飞行器的驾驶员——人类已经不能够胜任如此之高的强度。因此，无人机应运而生，并呈现出强劲的发展势头。无人机就其本质上来说是一种飞行机器人。它与传统的“有人机”相比，其特点和优势主要表现在：无人机具有零人员伤亡、运营成本低、机动性和适应性强等特点。然而对无人机的研究，也存在着开发周期长、资金投入高、耗费人力物力巨大等问题。因此，对于无人机进行仿真研究也同样具有极其重要的意义，它不仅可以大大缩短开发周期，节省成本，而且可以用于验证无人机自动驾驶、决策、任务规划、任务协同、战略战术等的可行性与正确性。对无人机系统进行飞行仿真主要包括空气动力学数学模型仿真、飞行视景仿真、自主控制和任务规划等方面。本文主要对其中前两个方面的内容进行了相关研究：一是对无人机的空气动力学特性利用RBF神经网络进行数学建模；二是利用OSG图形渲染引擎对无人机进行可视化的仿真。鉴于现代无人机飞机的气动布局和动力学特性越来越为复杂，传统的理论建模方法很难达到逼真的效果。因此，本文提出了一种对飞行数据采用RBF神经网络进行拟合和逼近的气动模型建模方法。该方法可以充分利用无人机在飞行过程中记录的飞行数据，对其气动特性进行建模，不仅可以真实反映具有复杂气动布局的现代飞行器的气动特性，而且对单架个体具有很强的针对性，能够做到有的放矢。在视景仿真方面，本文采用OSG渲染引擎作为开发工具，OSG是一套开源的、成熟的、应用广泛的图形库，使用OSG能够高效、灵活和方便的进行飞行仿真视景系统的开发。本文主要研究了利用VPB构建大规模飞行地形和场景，视景系统与Matlab闭环通信和基于DirectInput的杆、舵等硬件设备参数采集等问题。最后，通过将气动模型和视景系统进行联合调试表明：采用本文论述的方法建立的无人机飞行仿真系统，在气动模型、视景系统等方面均达到了飞行仿真的要求。所建立的飞行仿真系统具有高逼真度和较强针对性等特点，能够将该系统运用于无人机相关研究和人员训练等领域。