近年来,旋翼无人机在农业、巡检以及航拍等诸多领域的应用日益广泛,然而在复杂的外部环境下,实现无人机精准控制是比较困难的,所以提高无人机的控制鲁棒性是十分必要的。高鲁棒性的控制方法依赖于较高辨识精度,本文通过研究并改进深度回声状态网络,设计无人机风速辨识方法,利用辨识的风速信息,提高无人机控制的鲁棒性。主要研究内容如下:（1）针对深度回声状态网络输出预测劣化的原因进行了研究,在生物学领域中关于网络的权值与一致性方法思想的基础上,提出了一种权重递增的输入矩阵选择的方法,避免了各层级内部神经元状态的饱和,使得网络得以发挥其深度优势,提高网络的输出预测能力,并验证了网络的泛化能力。（2）在研究无人机控制模型的基础上,提出了一种基于改进的深度回声状态网络风速辨识方法,针对输入数据进行预处理,并对深度回声状态网络的层数神经元数等参数进行优化调整,实现对风速的预测。（3）在风速辨识的前提下,对PID、反步控制以及滑模控制的无人机位置控制器进行了设计与改进,并进行了控制效果的对比分析,验证风速辨识方法的可行性以及有效性。最后,由仿真验证可知,改进后的深度回声状态网络的预测能力明显优于原始的深度回声状态网络。在有风情况下,相较与于原始控制器,考虑风速的三类控制器的轨迹追踪误差均降低20%以上,提高了无人机的抗风能力,证明了本文设计的风速辨识方法的可行性。