多旋翼无人机在搜索、救援、监视和3D建模制图等方面有着广泛的应用。其中跟踪控制为无人机在各个领域应用的基础,为了达到良好的跟踪性能,本文研究使用神经动力学方法设计无人机控制器,分别从抗扰性能,灵活性能和精确控制三个角度提升了基于神经动力学的无人机控制器的性能。具体来说,本文首先介绍了神经动力学方法,为了研究该方法的收敛性和鲁棒性,对一种指数型变增益神经动力学网络进行了鲁棒性分析。其次,由于神经动力学的无人机控制器设计基于的被控对象模型,该模型又不可避免受到环境中扰动的影响而导致无人机控制器性能下降。为了克服扰动产生的影响,本文将神经网络自适应算法与神经动力学方法结合,从而精确估计未知干扰,使得无人机能在干扰下仍然高精度地跟踪时变任务。然后,为了解决传统无人机控制器框架中仅使用俯仰角和横滚角来实现无人机水平运动而导致的无人机灵活性不足的问题,本文提出了一种基于二次规划的神经动力学控制器设计方法。该方法利用二次规划使得三个姿态角（即俯仰角,横滚角和偏航角）合作实现无人机的水平运动,使得无人机能够达到额外的性能标准或执行子任务。最后,与传统的基于神经动力学方法的无人机控制器使用力和扭矩作为控制变量不同,本文使用无人机电机的输入作为控制变量,将神经动力学方法依次应用于无人机的位置层,速度层,力矩层和电机层,得到了更加实用的多层神经动力学无人机控制器。理论分析和数值仿真结果均验证了所提出神经动力学无人机控制器在跟踪时变轨迹方面有效性,收敛性,稳定性和准确性。