四旋翼飞行器是一个多输入多输出的非线性带耦合对象,本文针对此系统,进行了数学建模和预测控制算法的研究与实验,对现代飞行器的分析和研究有一定的意义。首先介绍了四旋翼飞行器的建模。以往采用的物理方法建模是通过机理分析来得到微分方程,进而建立数学模型。弊端在于物理参数难以精确测量,而且在建模过程中存在着一些简化与线性化处理。ARX模型和RBF-ARX模型建模都属于系统辨识方法建模。其中,ARX模型是一种线性的局部模型,描述四旋翼这类非线性对象时,必须将其工作空间划分成局部子空间才可以表征其特征。而RBF-ARX模型是通过RBF网络对ARX模型中的函数系数进行逼近而得到的一种全局模型,它的自变量是一组表征系统非线性状态的信号量,采用RBF神经网络结构对模型参数进行实时在线调整。因此,RBF-ARX模型不仅在局部的线性区间内有着优越的近似效果,还可以根据自己的参数能进行自我更新调整,具有全局性。其次设计了四旋翼飞行器的预测控制器,预测控制分为模型建立、滚动优化和反馈矫正这三个步骤,本文采用的是基于状态空间模型的预测控制,用二次规划方法来优化性能指标函数,从而计算出系统的最佳控制输入序列。最后进行了Simulink仿真和实时控制实验,结果表明,基于RBF-ARX模型的预测控制系统有较强的稳定性和鲁棒性,在各模型下,系统均能较快地跟随给定变化而变化。通过对比分析,RBF-ARX模型预测控制具有快速响应,精准和稳定的控制效果。