无人机的飞行（háng）控制是无人机研究领域主（zhǔ）要问题之一。在飞行过程中会受（shòu）到各种干扰，如（rú）传感器的噪音与（yǔ）漂移、强风（fēng）与乱气流（liú）、载重量变化及倾角过大引起的模型变动等等。这些都会严（yán）重影（yǐng）响飞行器的飞行（háng）品质，因此无人机的控（kòng）制技术便显得尤为重要。传统的控制方法（fǎ）主要（yào）集中于（yú）姿态和高度的控（kòng）制，除此之外还（hái）有（yǒu）一些（xiē）用来控（kòng）制速度、位置、航向、3D轨迹跟踪控制。多旋翼无人机的控制方法可以总结为以下三个主要的方面。
一、线性（xìng）飞行控制方法
常规的飞行器（qì）控制方（fāng）法以及早期的对飞行器控制的尝试都是建立在线性飞（fēi）行控制理论（lùn）上的（de），这其中就（jiù）又有诸如（rú）PID、H∞、LQR以及（jí）增益调度法。
1.PID PID控制属于传（chuán）统控制方法，是目（mù）前最成功、用（yòng）的最广泛（fàn）的控（kòng）制（zhì）方法之一。其控制方（fāng）法简单，无（wú）需前期建模工作，参数（shù）物理意（yì）义明确，适用于飞行精度要求不高的控制。
2.H∞ H∞属于鲁棒控制的（de）方法。经（jīng）典的控制理论并不要求被（bèi）控对象的精（jīng）确数（shù）学模型（xíng）来解决多输（shū）入多输（shū）出非（fēi）线性系统问题。现代控制理论可以定量地解决多输入多（duō）输出非（fēi）线性系统（tǒng）问题（tí），但（dàn）完全依赖于描述（shù）被控对象的动态特性的数学模型。鲁棒控（kòng）制（zhì）可以很好解决因（yīn）干扰等因素引起的建模误差（chà）问题，但它的计算量非常大，依赖于（yú）高性能的处理（lǐ）器（qì），同时，由于是频域设计（jì）方（fāng）法，调（diào）参也相对困难。
3.LQR LQR是被运用（yòng）来控制无人机的（de）比较成功的（de）方法之一，其（qí）对象是（shì）能用状（zhuàng）态空间表达式表示的线（xiàn）性系（xì）统，目标函数（shù）为是（shì）状（zhuàng）态变（biàn）量或控制变量的二次函数的（de）积分。而且Matlab软件的使用为LQR的控（kòng）制方法提（tí）供了良好的仿（fǎng）真（zhēn）条件（jiàn），更（gèng）为（wéi）工程实现提供（gòng）了（le）便利。
4.增益（yì）调度法 增益调度（Gain scheduling）即在系（xì）统运行时（shí），调度变量的（de）变化导致控制器的参数（shù）随（suí）着（zhe）改（gǎi）变，根据调度（dù）变量使（shǐ）系（xì）统以不同的控（kòng）制（zhì）规（guī）律在不同的区域内运行，以解决系（xì）统非线性的问题。该算法由两大部（bù）分组（zǔ）成，第一部（bù）分主要完成事件驱动，实（shí）现参数调整（zhěng）。 如果（guǒ）系统的运行情况改变，则（zé）可通过该部分来识别（bié）并（bìng）切换（huàn）模态；第（dì）二部分为（wéi）误差驱动，其（qí）控（kòng）制（zhì）功（gōng）能由（yóu）选定的模态（tài）来实现。该控制方法在旋翼无人机的垂直起（qǐ）降、定点悬停及路（lù）径跟踪等控制上有着优异的性能。
二、基于（yú）学习的飞行控（kòng）制方（fāng）法
基（jī）于学习的（de）飞行控制方法的（de）特点（diǎn）就是无需了解飞行器的动（dòng）力学模型，只要一（yī）些飞（fēi）行试（shì）验和飞行数据。其中研究最热门的有（yǒu）模糊控制方法、基（jī）于人体学习的方法以（yǐ）及神经网络法。
1.模糊（hú）控制方法（fǎ）（Fuzzy logic）模糊控制是解决模型不确定性（xìng）的方法之（zhī）一，在模型未知的情况下来实（shí）现对无（wú）人机（jī）的控制（zhì）。
2.基于人体学习的方法（Human-based learning） 美国MIT的科研人员为了寻找能更好地控（kòng）制（zhì）小型无人（rén）飞行器的控制（zhì）方法，从参加军事演习进行（háng）特（tè）技飞行的飞（fēi）机中采集数据，分析飞行（háng）员对不同情况下飞机的操作，从（cóng）而更好地理解（jiě）无人机的输入序（xù）列和反馈机制。这种方法已经（jīng）被运（yùn）用（yòng）到（dào）小（xiǎo）型无（wú）人机的（de）自主（zhǔ）飞行中。
3.神经（jīng）网（wǎng）络法（fǎ）（Neural networks） 经（jīng）典PID控制（zhì）结（jié）构简单、使用方便、易于实现, 但（dàn）当被控对象具有复杂的非线性特性、难以建立精确的（de）数（shù）学（xué）模（mó）型（xíng）时，往往难（nán）以达到满意的控（kòng）制效果。神经网络（luò）自适应控（kòng）制技术能有效地实现多种不确定（dìng）的、难以确切描述的非线性复杂过程的控制，提高控制系统的鲁棒（bàng）性、容错性，且控（kòng）制参数具有自适（shì）应和自学习能力。
三、基于模型的非线性控制方（fāng）法
为了（le）克服某些线性控制方法（fǎ）的限制，一些非线性的控（kòng）制方法（fǎ）被提出并且被运用到（dào）飞（fēi）行器的控制中。这些非线（xiàn）性的控制（zhì）方（fāng）法通常可以归类为基于模（mó）型的非（fēi）线（xiàn）性（xìng）控制方法。这其中有反馈线性化、模型预测（cè）控（kòng）制、多饱（bǎo）和控制、反步法以（yǐ）及自适应控制。
1.反馈线性化（feedback linearization） 反馈线性化是非线性系（xì）统（tǒng）常用的一（yī）种方法。它利（lì）用数学变换的（de）方法和微分（fèn）几何学的知识（shí），首先，将状态和（hé）控（kòng）制变量转（zhuǎn）变为线性形式，然后（hòu），利用（yòng）常规的线性设（shè）计的方法进行（háng）设（shè）计，最后，将设（shè）计（jì）的结果通过反变（biàn）换（huàn），转（zhuǎn）换为原始的状态和控制形式。反馈线性（xìng）化理论有两个（gè）重要分（fèn）支：微分几何法和动态逆法，其（qí）中动（dòng）态（tài）逆方法（fǎ）较（jiào）微分（fèn）几何法（fǎ）具有简单的推算（suàn）特点，因（yīn）此更适合（hé）用在飞行控制系统的设计上。但是，动态逆方法（fǎ）需（xū）要相当精（jīng）确的飞（fēi）行器的（de）模（mó）型（xíng），这在实际情况中是十分（fèn）困难的（de）。此外，由于（yú）系统（tǒng）建模误差，加上外界的各种干扰，因此，设计时要重点考虑鲁棒性（xìng）的因素。动态逆的方（fāng）法有一定的（de）工程应用前景，现已成为飞（fēi）控研究领（lǐng）域的（de）一个热点话题。
2.模型（xíng）预测控制（model predictive control） 模（mó）型预测控制（zhì）是（shì）一类特殊的控制方法。它是通过（guò）在每一个（gè）采样瞬间求（qiú）解一个有限时域开（kāi）环（huán）的最优控制问（wèn）题获得当前控制动作。最优控（kòng）制（zhì）问题（tí）的初始状态为过程（chéng）的当前状态，解得的（de）最优控制（zhì）序列（liè）只施加在第一个控制作用上（shàng），这是它和那些（xiē）预先（xiān）计（jì）算控制律的算（suàn）法的最大区别。本（běn）质上看模型预测控制是求解一（yī）个开环最（zuì）优控制的问题（tí），它与具体的模型无关（guān），但是实现则与模型相关。
3.多饱（bǎo）和控制（nested saturation）饱和现（xiàn）象是一种非常普（pǔ）遍的物理现象，存在于大量的工程问题中。运用多饱和控制（zhì）的方法设计多旋翼无人机，可以（yǐ）解（jiě）决其它控制（zhì）方法所（suǒ）不能解（jiě）决的很（hěn）多实（shí）际的问题。尤其是对于微（wēi）小型无人机而（ér）言（yán），由（yóu）于大倾角的动作以及外部干扰，致动（dòng）器会频繁出现饱和。致（zhì）动器饱和会限制操作的范围（wéi）并削弱控制系统的（de）稳定性。很（hěn）多方法都已（yǐ）经被用来解决饱和输入的问（wèn）题，但还没有（yǒu）取（qǔ）得理想（xiǎng）的效（xiào）果。多饱和控制在（zài）控制饱（bǎo）和输入方面有着很好的全（quán）局稳定性，因此这种方法常用来（lái）控制微型（xíng）无人机的稳定性。
4.反步控（kòng）制（Backstepping）反步（bù）控制（zhì）是（shì）非线性系统控制（zhì）器设计最常用的方（fāng）法之（zhī）一，比较适合用来进行在线控制，能够减少在线计算的（de）时间（jiān）。基于Backstepping的控制器设计方法，其基（jī）本思（sī）路是将复杂的系统分解（jiě）成不超（chāo）过系（xì）统阶（jiē）数的多（duō）个子系统（tǒng），然后通（tōng）过反向递推为每个子系统设计部（bù）分李雅普诺夫（fū）函（hán）数（shù）和中（zhōng）间虚拟控制量（liàng），直至设计完成整个控制器（qì）。反步方法（fǎ）运用于飞（fēi）控系统（tǒng）控制（zhì）器的设计（jì）可以处理一类非线性、不确定性因素的影响，而且已（yǐ）经被（bèi）证明具有比较好（hǎo）稳定性及误（wù）差（chà）的收敛（liǎn）性。
5.自适应控制(adaptive control) 自适应控制也（yě）是一种基（jī）于数学模型的控制方法，它最（zuì）大的（de）特点就是（shì）对于（yú）系统（tǒng）内部模型和外部扰动的信息依赖比（bǐ）较少，与（yǔ）模型相关的信息是在运行系统（tǒng）的过（guò）程中不断获取的，逐步地使模型（xíng）趋于（yú）完善。随着模（mó）型的不断改善，由模型得到的控制（zhì）作用也会跟着改进，因此控制系（xì）统具有一定的适应能力。但同时（shí），自适（shì）应控制比常规反馈控（kòng）制（zhì）要（yào）复（fù）杂，成本也很高（gāo），因此只（zhī）是在用常规反（fǎn）馈（kuì）达不到所（suǒ）期望的性能（néng）时，才（cái）会考虑（lǜ）采用自适应的（de）方（fāng）法。
咨询航拍（pāi）服（fú）务可加昆明俊（jun4）鹰无人（rén）机飞控手老（lǎo）鹰的微信laoyingfly |
