Estabilizar los Sistemas de Aeronaves No Tripuladas (UAS) en un entorno complejo que incluye incertidumbres del sistema, ruido desconocido y/o perturbaciones es un gran desafío. Por lo tanto, este documento propone un método de control inteligente basado en redes neuronales adaptativas para superar estos desafíos. Basado en una clase de red neuronal artificial, llamada redes de Función de Base Radial (RBF), se diseña un controlador de red neuronal adaptativa. Para manejar la dinámica desconocida y las incertidumbres en el sistema, en primer lugar, desarrollamos un identificador basado en redes neuronales. Luego, se genera un controlador basado en redes neuronales basado tanto en el modelo identificado del sistema como en el controlador lineal o no lineal. Para garantizar la estabilidad del sistema durante su fase de entrenamiento en línea, se utiliza el controlador lineal o no lineal. La capacidad de aprendizaje del controlador inteligente propuesto lo convierte en un enfoque prometedor para tener en cuenta las incertidumbres del sistema, ruidos y/o perturbaciones. El rendimiento satisfactorio del controlador inteligente propuesto se valida en función de los resultados de simulación por computadora de un UAS de referencia con incertidumbres y perturbaciones del sistema, como las perturbaciones por ráfagas de viento.