传统的四旋翼无人机控制模型基于四旋翼无人机空气动力学模型,四旋翼无人机动力学模型具有耦合度高、非线性关系的特性,精确得到无人机动力学模型系数十分困难。因四旋翼无人机稳定性高、机动性强广泛应用于民用各领域,无人机个体与集群需要完成的任务日益复杂,需要准确控制无人机飞行以完成任务,传统空气动力学模型难以满足需求。研究精度较高的控制模型对于四旋翼无人机飞行控制具有重大价值。针对无人机动力学模型无法满足准确控制无人机飞行的问题,本文提出基于机器学习的无人机机动能力模型,通过数据采集与自动控制平台的搭建,建立了无人机机动能力数据集。使用XGBoost与RNN-LSTM回归模型基于机动能力数据集训练得到机动能力模型,通过自动控制技术进行实际飞行试验,验证了机动能力模型可用于控制无人机准确飞行。具体完成内容如下:1)优化了传统四旋翼无人机数据采集平台,添加了无人机一键起飞降落功能,平台兼备无人机自动飞行控制与数据采集功能。该平台分为数据显示界面、数据通信模块、飞行策略实现模块三个部分。使用该平台建立无人机机动能力数据集。2)提出了基于XGBoost回归模型建立无人机机动能力模型,该模型相较于其他机器学习回归模型善于处理多输入多输出非线性回归问题,预测准确率高。基于机动能力数据集分别训练XGBoost与RNN-LSTM回归模型,使用相同的测试集验证XGBoost预测准确率更高。3)开展了无人机机动能力模型的实际飞行试验,通过分析实际飞行误差证明XGBoost回归模型作为机动能力模型可适用于无人机精度较高的飞行控制。