四旋翼飞行器是当今研究的一个热门方向。作为一个多输入多输出的非线性带耦合对象,对其的分析和研究是极具意义的。以往对于四旋翼传统的研究方法是基于物理模型的,通过机理分析来得到微分方程,进而建立数学模型。这样的方法有着不可避免的弊端,物理参数难以精确测量,在建模过程中也存在着一些简化与线性化处理。这些也直接影响了模型的精确性。为了克服传统的机理模型的缺点,辨识模型方法在四旋翼上得到了运用。ARX模型是一个常见的线性模型,在局部线性区间内的近似效果是十分出众的。为了描述四旋翼这样的典型的非线性对象,采用多个ARX模型组合的方法。将四旋翼的工作区间进行划分,在每个单独的子区间内采用一个ARX模型来表征其特性,最后,通过合理的切换机制来实现全局的逼近目的。RBF—ARX模型是一种具有ARX模型结构的非线性时变模型。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。与ARX模型一样,RBF—ARX模型在局部的线性区间内有着优越的近似效果,另外它的参数能自己更新自调整,因此,它还有全局适应的特性。LQR是最优控制中比较典型的一种控制方法,依赖于状态空间方程,通过最优状态反馈控制来达到预期的控制效果。基于上述的三种模型,本文分别对其进行了LQR控制器设计,并进行了仿真与实时控制。实验结果表明,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模型具有快速响应,精准和稳定的控制效果。