هدف از انجام این پروژه ارایه یک مدل دینامیکی با قابلیت تطابق بالا در شرایط پروازی مختلف برای یک بالگرد بدون سرنشین با کمک شبکه های عصبی مصنوعی است که در آن تا حد امکان از فرضیات ساده کننده روابط تحلیلی و عدم قطعیت ها پرهیز شده و از این مدل دقیق بتوان جهت طراحی خلبان خودکار استفاده نمود. در حالت کلی جهت مدلسازی سیستمهای پیچیده با کمک شبکه های عصبی نیاز چندانی به دانش قبلی راجع به سیستم نیست و با داشتن مجموعه ای از ورودی – خروجیهای آن سیستم و انتخاب معماری مناسب شبکه عصبی و چیدمان موثر متغیرهای ورودی و خروجی شبکه، می توان ارتباط بین ورودی و خروجیهای سیستم را شناسایی نمود. مدل ارایه شده در این پروژه، از شیوه دینامیک خارجی (external dynamic) برای ارایه خواص دینامیکی بالگرد به شبکه عصبی استفاده کرده است و شبکه عصبی بکار رفته برای مدلسازی با پس انتشار خطا در طول زمان و روش سری- موازی آموزش دیده است. بالگرد بدون سرنشین xcell-60 در این پروژه مورد بررسی و مدلسازی قرار گرفته است و از داده های ورودی و خروجی شبیه سازی تحلیلی این بالگرد برای آموزش شبکه استفاده شده است. در این پروژه، روش کاملی برای مدلسازی و شبیه سازی یک بالگرد بدون سرنشین با کمک شبکه های عصبی چند لایه پرسپترون ارایه شده است. مدل ارایه شده قابلیت تعمیم دهی خوبی دارد و این در حالی است که برای آموزش آن از داده های ثبت شده از یک پرواز عمومی نیز می توان استفاده نمود. واژه های کلیدی: بالگرد کنترل از دور (بالگرد بدون سرنشین)، شناسایی سیستم، مدلسازی دینامیکی، شبکه های عصبی چند لایه جلوسو، مدل سری – موازی