近年来,四旋翼无人机由于具有结构简单、垂直起飞、灵活机动以及平稳悬停等诸多优点,因而在国防军事、工业生产以及生活娱乐等领域中都具备广阔的前景。然而,四旋翼无人机是一种典型的高非线性、强耦合、多变量的欠驱动系统,并且极易受到各种不确定因素的影响,如时变风扰、模型不确定性、执行器故障、输入饱和、状态检测精度低、输入时延等,这些不确定因素极大地增加了模型建立和控制器设计的难度。四旋翼无人机系统可分为姿态子系统和位置子系统,其中前者保证高性能的姿态镇定,而后者实现高精度的轨迹跟踪但依赖于前者的控制性能,因此两者的控制效果都影响着四旋翼无人机的飞行性能。需要指出的是,现有的研究成果仍然存在一些不足之处,如收敛速度慢、抖振现象、奇异问题、鲁棒性差、约束条件强以及考虑的不确定因素少等。基于此,本文旨在针对四旋翼无人机存在各种不确定性因素的控制问题,设计高性能智能控制策略以克服现有工作中所存在的不足。主要内容如下:1.首先,详细地描述了四旋翼无人机的基本特性。随后,建立了四旋翼无人机的地球坐标系和机体坐标系以及两个坐标系间的转换公式。基于牛顿-欧拉拉格朗日方程构建了考虑外部扰动和系统非线性的四旋翼无人机动力学模型,为后续的控制算法研究奠定坚实的基础。2.针对存在自然风扰和输入饱和的四旋翼无人机姿态控制问题,首先设计了有限时间拓展状态观测器,实现了对自然风扰影响的补偿和姿态角速度信息的估计。基于此,利用非奇异终端滑模面和所构造的辅助动力系统,提出了抗饱和有限时间姿态控制器,实现了系统的快速收敛、奇异避免和抖振抑制,同时证明了跟踪误差能够在有限时间内收敛至任意小的有界区域。3.基于神经网络强大的非线性逼近能力,发展了自适应有限时间神经网络观测器,实现了姿态角速度信息的有效估计。随后,根据三角形隶属函数和重心去模糊化的方法,提出了自适应模糊滑模姿态控制器使得集总扰动能够被有效地解决。特别是本章提出的模糊控制器能够解决传统模糊控制方法中模糊逻辑规则数量多的问题。此外,姿态控制器包含了非奇异辅助动力系统并且不含有不连续的切换项,有利于抑制输入饱和及系统抖振的影响。4.设计了一种具有强鲁棒性和对高频噪声不敏感的鲁棒精确微分器,实现了速度信号的精确估计。然后,针对具有强耦合性的四旋翼无人机位姿控制问题,提出了一种低计算量的自适应神经网络控制器,实现了执行器容错、饱和抑制和抗干扰的目的,并且能够保证闭环系统的跟踪误差在有限时间内收敛至原点附近。更有意义的是,所设计的控制方法能够有效地减少神经网络中自适应参数的数量,有利于缓解控制系统的计算负担。5.为了解决四旋翼无人机位姿控制中的输入延时问题,首先运用Pade逼近技术对输入延时进行数学变换。然后,通过设计固定时间扰动观测器使得多种不确定因素能够在同一控制框架下被解决。特别是所设计的观测器不仅不要求扰动及其导数有界,而且能够保证观测误差在固定时间内收敛至零。基于此,提出了基于非奇异固定滑模的抗饱和控制器并且证明了闭环系统的全局固定时间稳定,其中收敛时间不仅有界而且与初始状态无关。本文通过开展大量的对比仿真和数值性能分析,验证了上述控制方法的有效性和优越性。