四旋翼无人机动力学特性较为复杂,同时受各类扰动影响,因此很难确定其精确数学模型,导致基于模型的控制器参数整定困难,很大程度上限制了基于模型控制算法的应用。不依赖模型的控制器,需要设计模型和扰动观测器。然而,现有扰动观测器由于本身结构等问题,对高度非线性未知模型函数和扰动估计时会存在较大误差。因此,设计高精度模型函数观测器提高估计精度,设计调参容易的不依赖或部分依赖模型的控制方法,对四旋翼姿态系统控制性能提高和控制方法的发展具有重要的意义。本文提出了一种新的非线性补偿函数观测器,提高了未知模型和扰动的估计精度。基于该观测器设计了一种新的不依赖或部分依赖模型的控制方法,并应用于四旋翼的姿态控制系统。通过软件在环、硬件在环以及实际飞行实验验证了所提出的观测器和控制器的性能,研究内容主要包括:在未知模型偏差和扰动估计方面,本文深入分析了补偿函数观测器（CFO）和扩张状态观测器（ESO）的结构特性,指出了CFO在精度和收敛性方面优越于ESO原因。为了解决CFO中线性补偿问题,采用径向基（RBF）神经网络替代线性滤波补偿,以提高非线性未知函数估计精度问题,提出了带有RBF的补偿函数观测器（R-CFO）。应用Lyapunov函数证明了R-CFO观测器具有估计收敛性。通过仿真实验分析表明,带有R-CFO较CFO在估计精度高,较扩张状态观测器估计精度具有大幅度提升。通过将带有R-CFO的估计值反馈于模型补偿控制器中,提出了不依赖模型的模型补偿控制（MCC）,该控制器能实现主动补偿模型偏差和扰动,并能确保闭环系统的达到期望极点,解决复杂调参问题。理论证明了闭环稳定性。通过仿真和实验,分别将基于R-CFO的模型补偿控制、自抗扰控制和PID三种控制方法应用于四旋翼的姿态系统控制中,进行了对比分析,验证了模型补偿控制策略的有越性。分析了带有四旋翼自驾仪系统模型的多旋翼控制实验开发平台的工作原理,为实现飞行控制系统的高效实际应用奠定了基础。基于带有自驾仪的四旋翼飞行器,设计了姿态环串级模型补偿控制器,通过软件在环、硬件在环以及实验实现对四旋翼对参考角度的跟踪。验证了模型补偿控制策略在实际工程系统中的控制性能。