早期试图确定一个微型直升机可以在加州理工学院实验的推导姿态运动的线性模型中找到[13]。为了保持直升机的线性范围内的运动，Kyosho EP Concept 30直升机被安装在支架上，只允许角运动。他们使用刚体运动方程的参数化模型，并通过使用预测误差法(PEM)来确定这些参数。由此产生的模型已成功服务了控制设计。然而，支架上的直升机运动是不现实的，所以模型和实际飞行反应之间还会有很大差距。另一个值得注意的工作已经由Kim和Tilbury进行[14]。他们开发了一个使用第一原理方法的参数化模型，对平衡杆动力学作出解释。然而，它们的识别是基于所述单输入单输出传递函数，和传递函数的系数没有物理意义。

实际上一开始在一个小规模直升机的辨识建模没有明显进展，直到Mettler出色的完成他工作[15]。建模和识别是根据卡内基梅隆大学的Yamaha R-50直升机。首先，他建立了一个线性化参数模型，其主要是基于旋翼机身方程，并扩展到包括平衡杆动力学。用适当的简化，旋翼通过一阶尖端路径平面动力学建模，平衡杆被视为次级旋翼。所有的耦合组件被交叉耦合导数连接。最终模型产生了13阶线性MIMO状态空间模型。然后应用频域识别工具CIFER（从频率响应综合识别）来识别这些状态空间模型中的未知参数。结果表明，即使使用相对简单的模型结构，该模型有高保真。他的参数化模型足以描述其他微型旋翼工艺。后来同样的方法已经应用于麻省理工学院X-Cell 60直升机[16]。

继Mettler提出的模型结构，许多建模项目已经由研究人员进行。一些应用中使用该模型的结构，但依赖于线性时域识别工具的PEM来估计参数。尽管有在识别期间收敛到全局最小值的困难，但是基于这些模型的控制设计是成功的。更全面的研究已经由LaCivita等进行[17]。他结合非线性建模于线性系统识别以产生高保真度模型，可以覆盖较大的操作条件。最近，Grauer和Conroy在时域和频域上采用一个两步方程误差/输出错误的过程来鉴别一个微型直升机[18]。

所有以前的这些文献为我们发展一个微型直升机的模型树立了良好的开始。然而，在建模和系统识别尤其是对实际方面仍然存在问题。首先，从控制的角度来看，一架直升飞机模型很简单，但能准确预测的动态响应能力是必须的。因此，从第一原理模型构建的复杂模型被排除，并且该模型应该由真实飞行数据进行验证来保证其精确。其次，在系统识别实验中，直升机应该有足够的输入信号大小，以便直升机可以完全驱动和相应的飞行模式可以执行。因此，该模型需要考虑回旋引起的非线性特性。第三，由于该模型结构有非线性项，选中的识别算法应该能够处理非线性模型，这意味着频域方法是不合适的。

为了解决这些困难，我们推导出一个直升机模型结构，它都是非线性项，但其函数表示以一阶近似外力和力矩来简化。未知参数由在MATLAB系统辨识工具箱使用PEM从飞行数据确定。此算法支持非线性灰盒识别（未知结构和未知参数），使得其非常适合于用户的需求。此外，为了避免在参数估计期间的局部极小诱捕，整个非线性模型被分解为几个小识别过程。相应的飞行测试也被设计并开展了以服务识别。所有这些努力保证模型的保真度和识别的准确性。即使侧向和纵向渠道都是导通的，给出的非线性参数化模型显示与飞行数据始终一致。特别是平移速度的预测相比以前的工作进一步改良。

模型辨识是微型无人直升机飞行控制系统设计的基础与前提，因此，在设计开始过程中，要求深入了解模型辨识理论与方法，建立直升机的简化数学模型，在此基础上构建MATLAB仿真平台，并设计相应的飞行控制系统。