无人机模型辨识是无人机技术研究领域的重要环节之一。尾座式垂直起降无人机是一种在结构、飞行方式等方面都较为特殊的机型,因此对其模型辨识研究提出了很高的要求与挑战。本文针对尾座式垂直起降无人机进行了基于机器学习的模型辨识研究,研究内容包含以下四个方面:充分调研了无人机模型辨识领域已有的传统解决方案,分析并总结了传统方案中存在的不足,针对尾座式垂直起降无人机的特性,明确了基于机器学习的尾座式垂直起降无人机模型辨识研究的重要性及可行性。深入分析了尾座式垂直起降无人机的动力学特性,通过实验数据确定了尾座式无人机飞行过程中的攻角与侧滑角范围,指出如何处理大攻角、大侧滑角所导致的非线性气动特性,是尾座式无人机模型辨识的关键。建立了尾座式垂直起降无人机的动力学方程,通过对循环神经网络的深入研究,结合尾座式垂直起降无人机的动力学特性,提出了基于循环神经网络的机器学习辨识方法,并利用该框架对尾座式垂直起降无人机进行了模型辨识,与最小二乘法相比,能够更好的表达尾座式无人机的非线性气动特性,具有更好的效果。在对尾座式无人机动力学特性进一步分析的基础上,区分模型已知部分和未知部分,对上述机器学习辨识方法进行改进,提出了一种基于灰盒模型的改进型机器学习辨识方法。使用改进的机器学习辨识框架,对尾座式无人机进行了仿真分析与实验研究,结果表明改进能够进一步提高辨识精度。