民用无人机经过二十年的蓬勃发展,应用领域遍及摄影、农业、测绘等行业。然而,无人机鲁棒性难以提升成了其应用瓶颈,满足不了人们对安全性与日俱增的需求。鲁棒性高的控制和导航方法受制于系统辨识的精度,民用无人机的低成本性限制了其辨识精度的提升。本课题研究四旋翼无人机系统辨识方法,并利用系统辨识结果提升无人机鲁棒性。通过使用AutoCAD建模,精确计算出无人机的惯性参数,为系统辨识提供必要的准备。综合近年来其他学者研究成果,自主搭建了无人机仿真平台,为深入开展研究工作奠定了基础。本文主要研究工作如下:首先,设计了扭矩系数和升力系数的辨识方法,并计算出气动主动力和力矩。在此基础上,提出了三层前向网络气动扰动力估计器,使用LMBP算法训练网络。重点研究了神经网络产生过拟合现象的原因,提出了两种解决过拟合问题的方法。其次,气动扰动力辨识完成后,逐级使用李雅普诺夫函数设计了考虑扰动力补偿的全状态反步控制器。相对于广义PID控制器,考虑扰动力补偿的全状态反步控制器具有更好的抗风效果。再次,对回波状态网络的回波状态条件进行了理论分析,并使用回波状态网络分别设计了速度和角速度预测器。通过速度和角速度预测,可以提升导航的鲁棒性。根据四旋翼无人机的物理特性和仿真分析结果,优化了回波状态网络内部状态数目和待调参数。仿真和实验结果表明,速度预测器在不同轨迹下都能准确预测速度,角速度预测器在追踪螺线时能有效预测角速度。综上所述,控制器抗风能力的提升以及速度、角速度预测器的准确性提高了无人机鲁棒性,证明了本课题所设计的系统辨识方案是有效的。