无人直升机在军事和民用领域中都拥有着十分广泛的应用前景,辨识出高精度的机理模型以及研究其自主飞行控制是无人直升机的核心技术。本文以一架常规布局的单旋翼带尾桨的微小型无人直升机为研究对象,首先由牛顿第二定律和动量矩定理建立出无人直升机的全量运动学方程；其次深入研究了非线性系统的辨识方法,采用基于遗传算法优化的BP神经网络方法辨识无人直升机的姿态模型；然后设计基于神经网络的非线性模型预测控制算法对其进行姿态控制；最后进行了飞行实验,验证本文提出的自主飞行控制方法的有效性。论文首先建立无人直升机机理模型,介绍了机体坐标系和地面坐标系等相关知识,对无人直升机的主旋翼、尾桨等部件进行了空气动力学分析,建立无人直升机全量运动方程。针对无人直升机复杂的强耦合、非线性、时变等特点,深入研究了非线性模型辨识的方法；采用BP神经网络辨识出无人直升机悬停状态下的模型,检验BP神经网络辨识方法的精度。针对BP神经网络容易陷入局部最优解且收敛速度较慢的问题,采用遗传算法训练BP神经网络,验证基于遗传算法的BP神经网络辨识效果优于传统BP神经网络。无人直升机的自主飞行控制系统采用多回路串级控制的方式实现。内环姿态控制是无人直升机自主飞行控制的核心,决定速度控制和位置控制的优劣。在悬停模态下设计基于神经网络的模型预测控制器,实现无人直升机的姿态控制。采集无人直升机的实际飞行数据并对其进行插值、滤波等预处理,预处理后的数据作为训练集和验证集进行BP神经网络辨识；用BP神经网络辨识出来的姿态模型作为预测控制理论中的预测模型,设计模型预测控制器；通过悬停模态的转向飞行实验检验本文自主飞行控制方法的可行性。