四旋翼无人机由四个螺旋桨旋转提供升力,机动灵活、可控性强,目前在军用和民用领域都得到了广泛的应用。同时,四旋翼无人机也是一个欠驱动、多变量、强耦合的复杂非线性系统,对其建模和控制的研究具有重要的应用价值。本文对四旋翼无人机的起源、发展现状及研究热点进行了细致、广泛的调研,并以本实验室的四旋翼无人机Qball-X4为研究对象,进行了建模和控制方法的研究,主要有以下几个方面的内容:第一,由于四旋翼无人机欠驱动、多变量、强耦合的特性,其数学模型的获取具有一定难度。本文首先研究了四旋翼无人机的五种基本飞行方式:悬停,升降运动,俯仰运动、翻滚运动以及偏航运动,并通过建立地面坐标系和机体坐标系来分析无人机的受力和力矩情况。然后,将机体视作刚体,从动力学和运动学两方面分别对无人机运动进行研究,得到其非线性数学模型。第二,针对单个惯性传感器难以准确获取四旋翼无人机的姿态信息的问题,本文对基于多传感器的无人机姿态融合算法进行了研究。首先,研究了各惯性传感器的特性、噪声模型以及姿态解算原理;然后,设计了经典卡尔曼滤波器对多传感器数据进行融合,由于其依赖于噪声模型,不准确的噪声参数可能会导致滤波发散,本文在此基础上设计了单新息自适应卡尔曼滤波器,在线估计噪声参数,避免噪声模型失配。最后,通过仿真对改进前后的姿态融合效果进行了比较。第三,采用线性二次调节器(LQR)作为四旋翼无人机的控制器。由于四旋翼无人机在飞行过程中存在运动耦合及不确定扰动,传统LQR控制可能会丢失其非线性特性,降低控制鲁棒性。针对这一问题,引入了状态扩张观测器(ESO),设计了基于状态扩张观测器的LQR控制器(ESO-LQR)。通过仿真比较了传统LQR控制器和ESO-LQR控制器的控制效果。第四,针对常规无人机控制器不能有效处理执行器约束及输出约束的问题,采用预测控制算法(MPC)实现无人机的控制。为减小常规MPC控制器的静态误差,本文将角度积分作为状态变量引入MPC控制,设计了积分扩展MPC控制器。通过仿真对控制器的控制性能进行了比较。第五,在实验平台上进行了飞行测试,验证了文章所提控制算法的有效性。