自然界的鸟类能够从平飞状态迅速减速,最终栖落在树枝或其它目标位置。如果固定翼无人机能模仿鸟类这种降落方式,即在平飞时将迎角拉大达到过失速状态、实现快速减速、最终精确降落在指定位置,则能实现无跑道降落,从而扩展固定翼无人机的应用场景。固定翼无人机的这种降落方式称为栖落机动(Perching Maneuver)。本文主要基于模型预测控制理论研究固定翼栖落机动的飞行控制问题。首先,建立了固定翼无人机栖落机动的分段线性模型。设计了无人机栖落机动优化参考轨迹,将飞行器栖落机动控制问题转化为优化轨迹的跟踪控制问题。基于轨迹线性化将无人机纵向非线性动力学模型转化为线性变参数模型,并建立了分段线性模型。然后,针对栖落机动的标称分段线性模型,研究了基于终端约束集的预测控制方法。利用切换系统等效无人机栖落机动的分段线性模型,对无人机栖落机动切换系统设计基于终端等式约束的预测控制器。针对该控制器在实际应用中保守性太强的缺点进行了改进,放宽末端约束条件,设计了基于终端约束集的模型预测控制器,并分析了整个切换系统的稳定性。其次,针对存在外部风扰动的情况,研究了栖落机动的鲁棒预测控制。引入非线性系统张量积建模法,将无人机栖落机动线性变参数模型转化为多胞形式。采用了能够保证鲁棒稳定性的无穷时域min-max MPC算法,将鲁棒预测控制器设计转化为无穷时域min-max优化问题求解。通过求解无穷时域min-max优化问题得到了状态反馈控制律,实现了无人机栖落机动系统的鲁棒预测控制。最后,针对存在外部风扰动和较大初始误差的情况,研究了栖落机动的鲁棒预测控制的改进算法。总结了鲁棒预测控制器的局限性,并分别设计了多步控制集的鲁棒预测控制器和减小计算量的鲁棒预测控制器,改善了鲁棒预测控制器保守性较强、可行域较小和计算量较大的问题。