1.四旋翼飞行器是一种欠驱动、强耦合及高度非线性系统的多轴飞行器,通过四个旋翼转动,保持姿态平稳和飞行器的移动。四旋翼飞行器因结构简单、维护成本低,越来越受到市场欢迎,但如何解决其欠驱动、强耦合的非线性特性,一直都是姿态控制研究的重点与难点,如今对飞行器姿态控制算法的研究重点主要有神经网络,反步法,模糊控制等,这些研究都取得很大的进展,但是这些算法对飞行器的模型有很大依赖,在实际工程中面临的情况会更加复杂,因为飞行器在飞行时会受到外界的刮风、空气动力、陀螺效应、气流干扰等外界干扰造成机身的震动,而这些干扰很难通过常规的方法进行建模,另一方面,飞行器自身的参数也存在很多不确定性,比如飞行时载重后质量发生变化,另外飞行器的转动惯量的求取很困难甚至求出的参数与实际模型也存在很大差距,因此建立精确的数学模型非常困难,这也是很多研究中存在的问题,尽管仿真实验结果很优秀,但如果应用到实际系统中会发现算法彻底失效,根本原因就在于仿真模型和实际模型相差太大。本文借鉴了所学的现代控制理论、智能控制等课程,以带有不确定性的四旋翼飞行器为研究对象,主要从如下方面进行了飞行器姿态控制的研究:2.对飞行器进行建模,先分析飞行器在地面与机体坐标系的转化关系,然后由牛顿第二定律和动量矩定理,从平动和转动两方面对飞行器进行受力分析,分别求解出平动和转动的动力学方程,从而从平动和转动两方面得到飞行器的模型。3.对飞行器分别进行了PID控制、RBF神经网络和PID相结合的RBF神经网络自适应PID控制,滑模控制、RBF网络和自适应算法结合的RBF网络自适应滑模控制算法的设计。PID控制无需知道模型信息,只需调节PID参数就可完成控制任务,但是稳定性较差;RBF神经网络自适应PID控制将神经网络辨识到的被控对象Jacobian算法值应用到PID参数的调节下实现了智能化地调整PID参数的大小;而RBF神经网络自适应滑模控制通过在线逼近系统模型的未知函数,采用Lyapunov方法设计自适应律在线估计神经网络权值和模型未知参数,实现了对带有不确定性飞行器的智能控制,并验证了系统的稳定性。最后通过MATLAB/SIMULINK对这几种算法进行仿真,结果表明,RBF神经网络自适应滑模控制比RBF神经网络的自适应PID控制及PID控制能更好地实现轨迹跟踪,同时调节时间更短、超调量更小及抗干扰能力更强,同时在飞行器质量发生变化的情况下,该控制器的鲁棒性能更强。4.分别从硬件和软件两方面出发,完成四旋翼飞行器样机的整体设计,并进行室外飞行测试,检验飞行器的姿态稳定性。最终设计的飞行器顺利地完成了起飞、降落、悬停及返航任务,Pixhawk中保存的姿态信息说明飞行器能够跟踪期望的姿态角。