本文针对具有系统不确定性、外界未知扰动和控制输入饱和等非线性特性的四旋翼飞行器姿态系统,采用Backstepping控制技术,结合模糊系统、神经网络和自适应控制方法,提出了几种新的姿态跟踪控制方法。本文主要研究内容包括:考虑具有控制输入饱和、未知外界扰动和模型不确定性的四旋翼飞行器姿态系统,提出了一种基于单隐层神经网络补偿和逼近误差反馈的四旋翼飞行器姿态跟踪控制策略,实现了上述未知非线性动态和外界干扰的动态在线估计,从而使得所设计的控制策略具有更好的控制性能和更强的鲁棒性。采用李雅普诺夫稳定性理论,证明了闭环系统的稳定性和跟踪误差的一致最终有界性。仿真研究验证了上述控制方法的有效性和优越性。针对具有外界时变扰动和模型不确定性的四旋翼飞行器姿态系统,提出了一种基于变论域模糊系统的自适应姿态跟踪控制策略。通过伸缩因子的动态调整,实现了模糊系统输入论域的自适应划分,从而在不增加模糊规则数量的前提下提高了模糊系统的逼近精度,增强了系统鲁棒性和抵抗外部干扰的能力。结合李雅普诺夫稳定性理论,证明了闭环系统的稳定性和系统信号的一致有界性。仿真研究验证了上述控制方法有效性和优越性。针对传统模糊系统中模糊规则数量难以确定的问题,提出了一种具有在线自组织功能的模糊神经鲁棒自适应四旋翼飞行器姿态跟踪控制策略,实现了模糊规则的动态自适应调节。进而,鲁棒控制补偿项消除了模糊逼近误差和外界扰动对闭环控制系统稳定性的影响。利用李雅普诺夫稳定性理论,证明了闭环系统的稳定性和系统信号的全局一致最终有界性。仿真研究验证了上述控制方法在姿态跟踪和非线性辨识方面具有较好的控制性能和较强的鲁棒性。