近年来,无人机因具有体积小,灵活性强,且能够适应复杂环境等优势而在军事和民用中获得了广泛的应用。然而,随着飞行任务日趋复杂,单无人机已经难以满足诸多实际任务中的需求。与单无人机相比,多无人机具有更广阔的视野以及更高的容错率,因而,多无人机编队飞行技术受到了众多国内外研究人员的重点关注。目前,虽然关于多无人机的编队控制已经进行了较多的研究,但是将实际飞行环境中的不确定性考虑在内仍然是编队控制中一大难点。基于此,本文以固定翼无人机为实验对象,研究其在干扰环境下的编队轨迹跟踪以及避障问题,具体的工作主要为以下三部分:（1）针对在干扰环境下的领航无人机轨迹跟踪问题。通过将具有干扰项的固定翼无人机三自由度模型转化为仿射非线性系统的形式,并使用主导控制的思想对该系统进行解耦,从而为固定翼无人机在三个方向上的轨迹跟踪提出了一种基于神经网络（Neural Network,NN）的自适应控制方法,其中,神经网络用于在线估计控制输入表达式中的不确定项,而自适应机制的作用则是调节神经网络中的权值。此外,与常规的自适应控制器相比,本文所使用的自适应控制器更加简单,能够有效地降低自适应算法的计算量。（2）对于跟随无人机在干扰环境下的三维编队轨迹跟踪问题。采用了轨迹线性化的方法将领航无人与跟随无人机之间的相对运动方程转化为线性时变的形式,从而为该模型提出了一种基于干扰观测器（Disturbance Observer,DO）的模型预测控制方法（Model Predictive Control,MPC）,其中,干扰观测器用于在线估计模型中包含了外界干扰和高阶项的不确定表达式。另外,干扰估计值并不是用于补偿控制输入,而是替代模型中的不确定项以进行优化。（3）针对在障碍物环境下的多无人机编队控制问题。通过将无人机的连续二阶积分模型离散化,从而为此离散模型提出了一种基于分布式模型预测控制（Distributed Model Predictive Control,DMPC）的避障方法,在控制器的设计过程中重点处理了因使用假定控制输入和假定状态所带来的兼容性约束、碰撞约束以及为保证整个算法的迭代可行性和闭环稳定性所需要的终端不变集等问题。