四旋翼无人机（简称四旋翼）因其结构设计灵活、可操纵性高、任务适应性强等优势,在军民领域应用广泛。鉴于四旋翼飞行动力学的欠驱动、非线性、强耦合等特点以及高机动时难以避免的复杂外界扰动（如环境突风、紊流）与严格输入限制（如电机拉力、力矩）,其飞行控制系统设计仍面临诸多挑战。本文以小型四旋翼为对象,深度融合非线性动态逆、滑模变结构、神经网络等现代控制技术,针对其在扰动环境和输入受限情形下的姿态高性能控制问题开展创新研究,具体如下。第一,采用动态逆控制框架,摒弃传统解耦手段所依赖的小姿态角假设。为应对高机动四旋翼的大姿态角跟踪控制问题,本研究取消传统姿态解耦方案对俯仰角和滚转角的小幅值假设,并根据实际情形合理考虑四旋翼的非零惯性积,设计非线性动态逆算法对欧拉角表示的四旋翼姿态动力学进行解耦,从而将姿态环转化为三个相互独立的二阶线性系统,为后续研究奠定基础。第二,基于终端滑模技术,提出四旋翼姿态快速跟踪控制算法,并具备良好的自抗扰能力。针对动态逆解耦的三个姿态通道,合理设计滑模面与终端滑模控制算法,构造有限时间扰动观测器以精确估计解耦动态中的匹配与非匹配扰动的必要信息,并将其引入控制算法,从而实现四旋翼在强扰动作用下大姿态的快速跟踪,并在理论上消除传统滑模控制中符号函数项所诱发的抖振现象。第三,针对实际四旋翼输入受限问题,创新提出面向终端滑模控制的抗饱和机制。引入有限时间稳定的抗饱和因子,对前面所设计的滑模面和终端滑模控制算法进行修正,在保证姿态精确跟踪和自抗扰的前提下,实现对输入饱和现象的主动抑制,以提升四旋翼控制系统的可靠性。第四,为进一步降低控制算法的复杂度,设计并训练神经网络以替代繁琐的动态逆解耦算法。所提出的动态逆解耦虽具有诸多优点,但由于涉及输出量二阶导数的解析表达,其算法十分复杂,不利于工程实现。针对此,通过合理设计并充分训练一个前馈神经网络,用以拟合并替代复杂的动态逆解耦算法,在保持快速跟踪、自抗扰、抗饱和等优良特性的同时,极大降低控制算法的复杂度,以提升四旋翼控制系统的适用性。本文对于上述研究均进行了严格的理论推导与稳定性证明,并开展了充分的仿真分析与实物验证,仿真与实验结果表明所提出的基于神经网络动态逆的四旋翼姿态快速跟踪控制策略的有效性与可行性,为后续开展四旋翼全自由度快飞控制以及快速编队相关研究奠定良好的理论基础。