无人机的飞（fēi）行控制是无人（rén）机研究领域主要问题之一。在飞行过（guò）程中会受到各种干扰（rǎo），如传（chuán）感器的噪（zào）音与漂移、强风与乱气流、载重（chóng）量变化及（jí）倾角（jiǎo）过大引起的模型变动等等。这些都会严重影响飞行器（qì）的飞行品质，因此无人机的控制技术便显得尤（yóu）为重要。传统的控制方法（fǎ）主要集中于姿态和高度的控制，除此之外还有（yǒu）一些用（yòng）来（lái）控制速度（dù）、位置、航（háng）向、3D轨迹跟踪（zōng）控制。多旋翼无（wú）人机的控制（zhì）方法可以总结（jié）为以下三个主（zhǔ）要的（de）方（fāng）面。
一、 线性飞行控制方（fāng）法
常规（guī）的飞行器控制方法以及（jí）早期的（de）对飞行器控制的（de）尝试都是建立在线性（xìng）飞行控制理论上（shàng）的，这其中（zhōng）就又有诸如PID、H∞、LQR以及（jí）增益调（diào）度（dù）法。
1.PID PID控制属（shǔ）于（yú）传（chuán）统（tǒng）控制（zhì）方法，是目前最成功、用的最广泛的控制方法之一。其控制方（fāng）法简单，无（wú）需前期建模工（gōng）作，参数物理意义明（míng）确，适用（yòng）于飞行精度要求不高的控制（zhì）。
2.H∞ H∞属于鲁棒控制的方法（fǎ）。经典（diǎn）的控制理论并不要求被控对象（xiàng）的精确数学模型来解决多输入多输出非线性（xìng）系统问题（tí）。现（xiàn）代（dài）控制理论可以定量（liàng）地解决多输入（rù）多输（shū）出非线性系统问（wèn）题，但完（wán）全依赖于描述被（bèi）控对象的（de）动态特性的数学模型（xíng）。鲁棒（bàng）控制可以很好（hǎo）解（jiě）决因干扰等因素引起的建模（mó）误差问题（tí），但它的计算量非常大，依赖于高性能的处理器，同（tóng）时，由于是频域设（shè）计方法，调参也相对困（kùn）难。
3.LQR LQR是（shì）被运用（yòng）来控制无（wú）人机的比（bǐ）较成功的（de）方（fāng）法之一，其（qí）对象是能用状态空（kōng）间表（biǎo）达式表示（shì）的线性系统，目标函数为是状态（tài）变量（liàng）或控（kòng）制变量的二（èr）次函数（shù）的（de）积分。而（ér）且Matlab软件的使用（yòng）为LQR的控制方法提供（gòng）了良（liáng）好的仿真条件，更（gèng）为工程实现提供了便利。
4.增益调度法 增益调（diào）度（Gain scheduling）即在系（xì）统（tǒng）运行（háng）时，调度变量（liàng）的变化导致（zhì）控制器的参（cān）数随（suí）着改（gǎi）变（biàn），根（gēn）据（jù）调（diào）度变（biàn）量使系统以不同的控制规律在不同（tóng）的（de）区域内运行，以解决系统非线性的问题（tí）。该算法由两大部分组成，第一部分主要完成事件驱动（dòng），实现参（cān）数（shù）调（diào）整。 如果系统的运行情况改变，则可通过该（gāi）部分来（lái）识（shí）别并切换模态；第二部分为误差驱动，其（qí）控制功（gōng）能由选定的模态来实（shí）现。该控制（zhì）方法在旋翼无人（rén）机的垂直起（qǐ）降（jiàng）、定点悬停（tíng）及路径跟（gēn）踪等控制上有着优异的性能。
二（èr）、 基于学习的飞（fēi）行（háng）控制方法
基于学习的飞行控制（zhì）方法的特（tè）点就是无需了解飞行器的动力学（xué）模型，只要一些飞（fēi）行（háng）试验和飞行数据（jù）。其中研（yán）究最热门的有模糊控制方法、基于人体学习的方法以及神（shén）经网络法。
1.模糊控制方法（Fuzzy logic）模（mó）糊控制（zhì）是解决模型不确定性的（de）方法之一，在模型未知的情（qíng）况下来实现对无人机的控制（zhì）。
2.基于人体（tǐ）学习的（de）方法（Human-based learning） 美（měi）国（guó）MIT的科研人（rén）员为了寻找能（néng）更好（hǎo）地控制小型无人飞行器的控制方法，从参加军事演（yǎn）习进行（háng）特（tè）技飞行的飞机中采（cǎi）集数据，分（fèn）析飞行员对不同情况下飞机的操作（zuò），从而更好（hǎo）地理解无人机的输入序列和反馈机制（zhì）。这种方（fāng）法已经（jīng）被运用到小型无人机的自（zì）主飞行中（zhōng）。
3.神经（jīng）网络法（Neural networks） 经（jīng）典PID控制结构简单、使（shǐ）用（yòng）方便、易于实现, 但（dàn）当被控对象具（jù）有复杂的非（fēi）线（xiàn）性特（tè）性（xìng）、难以（yǐ）建（jiàn）立精确的（de）数学模（mó）型时，往（wǎng）往（wǎng）难以达到满意的控制效果。神经网络自适（shì）应控制技术能有效地实现多种不确定的（de）、难以确切描（miáo）述的非线性复杂过程的控制，提（tí）高控制系统的鲁棒性、容错性，且控（kòng）制（zhì）参数具（jù）有自适（shì）应和自学习能力（lì）。
三、 基于模型的非线性控（kòng）制方法
为了（le）克服（fú）某些线性（xìng）控制（zhì）方法（fǎ）的限制，一些非线性的控（kòng）制方法（fǎ）被提出（chū）并且被运（yùn）用到（dào）飞行器的控制中。这（zhè）些非线（xiàn）性的（de）控制方法通常（cháng）可以（yǐ）归（guī）类为基于模（mó）型的非线性控制（zhì）方法（fǎ）。这其中有反馈线性化、模（mó）型预测控制、多饱和控制、反步法以及自适（shì）应控制。
1.反馈（kuì）线性化（feedback linearization） 反馈线性（xìng）化是非线性系统常用的一种方（fāng）法。它利用数学（xué）变（biàn）换的方法和（hé）微（wēi）分（fèn）几何（hé）学的知识，首先，将状态和控制变量（liàng）转变为线性形（xíng）式，然（rán）后，利用常（cháng）规（guī）的线性设计的方法（fǎ）进行（háng）设计，最后，将设计的结果（guǒ）通过反（fǎn）变（biàn）换，转换为原始的状态和控制形式（shì）。反馈线性化理论有两个（gè）重（chóng）要分支：微分几何法和动态逆法（fǎ），其中动态（tài）逆方（fāng）法较微分（fèn）几何法（fǎ）具有简（jiǎn）单的推算特（tè）点，因此更适合用在（zài）飞行控制系统（tǒng）的（de）设计上。但是（shì），动（dòng）态（tài）逆方法需要相当精确的飞行器（qì）的模型，这在实际情况中是十分（fèn）困难（nán）的。此（cǐ）外，由于系统建模误差，加上（shàng）外界（jiè）的各种干扰，因此，设计时要重（chóng）点考虑鲁棒性的因素。动态逆的（de）方法有一定的工（gōng）程应用前景，现（xiàn）已成为（wéi）飞控研究领域的一个热点话（huà）题。
2.模型预测控制（model predictive control）模型（xíng）预测控制是一类特殊的控制方法。它是通过在（zài）每一个（gè）采样瞬（shùn）间求（qiú）解一个有限时域开环的最优（yōu）控制问题获得当前控制动作。最优（yōu）控制问题的初始状态为过程（chéng）的当（dāng）前状态，解得的最（zuì）优控制序（xù）列只施加（jiā）在第一个（gè）控制作用（yòng）上，这是它和那些预先计算控制律（lǜ）的算法的最大区别。本质上看模型预测控制是求解（jiě）一个开环最优控（kòng）制的问题，它（tā）与（yǔ）具（jù）体的模型无关，但是（shì）实（shí）现（xiàn）则与模型相关。
3.多饱和控制（zhì）（nested saturation）饱（bǎo）和现象是一（yī）种非常（cháng）普遍的物理现象，存在于（yú）大量的工程问题中（zhōng）。运用多饱和（hé）控制的方法设（shè）计多旋翼无人机，可（kě）以解（jiě）决（jué）其它控制方法所不能解决（jué）的很多实际的问题。尤其是（shì）对于微小型无人机（jī）而言，由（yóu）于大（dà）倾角的动（dòng）作以及（jí）外部干扰，致动器会频（pín）繁出现饱和。致动器饱和会限制（zhì）操作的范围并削弱控制系统的稳定（dìng）性。很多方（fāng）法都已经（jīng）被用来解决饱和输入的（de）问题（tí），但还（hái）没有取得理想（xiǎng）的效（xiào）果。多饱和控制在（zài）控制饱和输入方面有着很好的全局稳定性，因此这（zhè）种方法常用来控制（zhì）微型（xíng）无人机的稳定性。
4.反步（bù）控（kòng）制（zhì）（Backstepping）反步控制是非（fēi）线性（xìng）系统控制器设计最常用（yòng）的（de）方法之一，比较适合用（yòng）来进行在线控制，能够减少（shǎo）在线（xiàn）计算的（de）时间。基于（yú）Backstepping的控制（zhì）器设计方（fāng）法，其基本思路是（shì）将复杂的系统分解成不超过系统阶数的多个子（zǐ）系统，然后通过反向递推为每个子系统设计部分（fèn）李雅（yǎ）普（pǔ）诺夫函数（shù）和中间（jiān）虚拟控制量，直至（zhì）设计完（wán）成整个控制器。反（fǎn）步（bù）方法运用（yòng）于飞控系统控制器（qì）的设计可以（yǐ）处理一类非线性、不（bú）确定（dìng）性因素的影（yǐng）响，而且已经被证明具有比（bǐ）较好稳（wěn）定性及误差的收敛（liǎn）性。
5.自适应（yīng）控制（zhì）(adaptive control) 自适应（yīng）控制也是一种基于数学（xué）模型的（de）控制方法，它（tā）最大的特点就是对于系统（tǒng）内部模型和外部扰动的信息依赖比较少，与模型（xíng）相（xiàng）关的信息是在运行系统的过程中不（bú）断获取（qǔ）的，逐步地使模型（xíng）趋（qū）于完善。随着模型的不断改善，由模型得到的控（kòng）制作用也会跟（gēn）着改进（jìn），因此控制系统（tǒng）具有一定的适应（yīng）能力。但（dàn）同时，自适（shì）应控制（zhì）比常规反馈控制要复（fù）杂，成本也很高，因此只是在用常规反（fǎn）馈达不到所期望的性能时，才会考虑采用自（zì）适（shì）应（yīng）的方法。
咨询航拍（pāi）服务可加（jiā）昆（kūn）明俊（jun4）鹰无人机飞控手老鹰的微（wēi）信（xìn）laoyingfly |
