梳（shū）理完控制以（yǐ）及飞行力学的一些（xiē）基本（běn）原理（lǐ）之后，就该正式（shì）进入无人机导航、制导与控制的讨论了。导航制导与控制是无人机系统中最复杂的分系统，其功能（néng）可以有多种划分方法，本文中，我们就以（yǐ）下（xià）面框图（tú）所示的划分方法为例，对无人（rén）机导航制导与控（kòng）制系统的基本原理和常用（yòng）方法（fǎ）做一下介绍和归纳（nà）。

由于（yú）GPS、室内定位甚至自（zì）动驾驶（shǐ）在生活中的广泛应用，“导航”、“制（zhì）导”、“控（kòng）制”这几个词也越来越为大众所熟悉和使（shǐ）用，但是（shì）对于这些（xiē）词的定义，我们日常生活（huó）中的使用和理解方法可能与无人机语境有所不同，所以有必要对其在（zài）本（běn）系（xì）列文章中的含义做一下解（jiě）释：

导航：即无人机获得自己（jǐ）当前（qián）（在某个参照系下）的位置、速度等信息，必要（yào）时（shí）还需要获得（dé）当前（qián）（相对于某个参照（zhào）系）的姿态、姿（zī）态角（jiǎo）速度等（děng）信（xìn）息。例如，采用纯惯（guàn）性导航可以获（huò）得无人机在某个惯性系下（xià）的（de）位置、速（sù）度（dù）和加速度，以及相对于该惯性系的（de）姿态角和角速度；GPS导航系统则可以提供无人机在WGS84坐标（biāo）系下的速度、位置和航向角等信（xìn）息（xī）；而借（jiè）助如Vicon、UWB等室（shì）内（nèi）定位系统则可以（yǐ）获得无（wú）人机相对于室内某（mǒu）个（gè）坐标系的速（sù）度、位置等信息（xī）。因此，简要概括导航（háng）的主要工作就是要“知道自（zì）己在哪（nǎ），知道自己的姿态”。

制导：即无（wú）人机（jī）发现（或外（wài）部输入）目标的位置、速度等信（xìn）息（xī），并根据（jù）自（zì）己的位置（zhì）、速度以及内部（bù）性能和（hé）外部环境的约（yuē）束条件，获（huò）得抵达目标所需的位置或速度指令。例如，按照规划的航路点飞行（háng）时，计（jì）算无人机径直或（huò）者（zhě）沿某个航线飞抵航路点的指（zhǐ）令（lìng）；采（cǎi）用基于（yú）计算（suàn）机视觉目标跟（gēn）踪（zōng）的光学制导时，根据（jù）目标在视场中的位置（以及摄像头可能存（cún）在的离轴角）计算跟（gēn）踪（zōng）目标所（suǒ）需的（de）过（guò）载或者姿（zī）态角速度指令；而当预装（或SLAM获得的（de））地图中存（cún）在需要规避的障碍物或（huò）禁飞区时，根据无人机飞行性能计（jì）算可行的规避路线或者速度指令。因此，简（jiǎn）要（yào）概括制导的主要工作就是要“知（zhī）道目标在哪，如何抵达目标”。

控制：即无（wú）人（rén）机根据当（dāng）前的速度（dù）、姿态等（děng）信息，通过（guò）执（zhí）行机构作用（yòng）来（lái）改（gǎi）变（biàn）姿态、速度等参（cān）数，进（jìn）而实现（xiàn）稳定（dìng）飞（fēi）行或跟（gēn）踪（zōng）制导指令。例如，当固定（dìng）翼无人机需要爬升（shēng）高度时，计算需要的俯仰角和俯仰角速度（dù）指令，以（yǐ）及为了（le）让空速不至于（yú）大幅降低所需（xū）的油门指（zhǐ）令（lìng）；当沿着航线飞行，但是存（cún）在侧风时，计算所需的（de）偏航角指令以（yǐ）利用侧（cè）滑抵消侧风影响；或（huò）者当（dāng）多旋（xuán）翼无人机的某个旋（xuán）翼失效时，计算如何为剩余（yú）旋翼分（fèn）配（pèi）指（zhǐ）令以尽可能实（shí）现稳定飞行（háng）。因此，简要概括控制的主要工作就是“改变飞行姿态，跟踪制导指令（lìng）”。

虽然理论上（shàng），导航（háng）、制导和控制这三者各司其职（zhí），只是在（zài）指令计算和执行上有顺承关系，但是（shì）在实际系（xì）统（tǒng）中，三者可能会有很多交叉因素。例如，导航系统中所测量（liàng）或估计出（chū）的角速度，既要用（yòng）于导航系统的速度和位置估（gū）计，又要用于（yú）姿（zī）态控制；而在（zài）一些高机动性的（de）飞行器（如（rú）直接碰撞杀伤的动能拦截器等）和空天飞行器（如升（shēng）力体再入返回的制导控制）上也（yě）有制导与控制一体（tǐ）化设计的趋势。但在本（běn）文中，仍然根据无人机的（de）固有特性，尽量将三者（zhě）作为（wéi）具有（yǒu）独立（lì）功能的（de）分系统（tǒng）看待。其中（zhōng），导航系统原理可以大致分为（wéi）以下几个（gè）类型：

基于绝对参考（kǎo）系的导（dǎo）航。如惯性导航、磁罗（luó）盘导航等。惯（guàn）性导航运用牛（niú）顿（dùn）力学原理，通过（guò）构建一个与机体固联的惯性平台，从而根据加速度计测量的惯性加速度（dù）计算在（zài）某惯性参考系（xì）下的速（sù）度和位置，根据陀螺仪测量（liàng）所得的角速度（dù）计算机（jī）体相（xiàng）对于惯性平台的姿态角，从而只需要加速度计和陀螺仪满足一定的精度（dù）要求（qiú），就可（kě）以在不需（xū）要外部信息的情况下获（huò）得机体相对于惯性参考（kǎo）系的速度、位（wèi）置和姿（zī）态角。之（zhī）所以（yǐ）将与机体固联的移动参（cān）照（zhào）系成为惯性平台，是因为（wéi）早期的平台式惯性（xìng）导航设备中确实存在一个物理（lǐ）上的框架，该框架（jià）基于陀螺进动原（yuán）理始终与（yǔ）惯性（xìng）系（或当（dāng）地（dì）铅锤坐标系）保持（chí）平行。高精度的（de）平台惯导系统可（kě）以（yǐ）长期不（bú）需要（yào）外部信（xìn）息进行导航，例如（rú）有些（xiē）核（hé）潜艇（tǐng）所装备（bèi）的惯导系统可以（yǐ）保证水下航行数月的导航误（wù）差在数海里的量级。

虽然（rán）平台惯导的精度很高，但是由（yóu）于（yú）系统（tǒng）复杂且（qiě）体（tǐ）积（jī）巨（jù）大，不便于在（zài）小型（xíng）飞行（háng）器（qì）上装备，随着计算机技术和（hé）导航器件技术（shù）的发展，捷联（lián）惯导越来越多地被使用（yòng）。与平台惯（guàn）导所用的物理平台不同，捷联惯导的陀（tuó）螺仪和加速度计都与机体固连，因此采用虚拟的数学（xué）惯（guàn）性平台（tái），即惯性器件测量所（suǒ）得数据（jù）都（dōu）会经过坐标（biāo）变换的数学（xué）运（yùn）算转换到惯性坐标系下，由于去掉了物理平台，捷（jié）联惯导系统的体积大幅缩减。特（tè）别是近二十年（nián）来（lái）快速发展的（de）MEMS（微机电系统（tǒng））器件，已经可以将捷联惯（guàn）导系统的体积缩小（xiǎo）到几立方厘米的量级（jí）。

当然，惯性导航并（bìng）非（fēi）完美（měi），由于（yú）导航过（guò）程依赖惯性（xìng）器件的输出数据、坐标变换以及数值积分，所以器件误差和数（shù）值（zhí）计算的截断（duàn）误差（chà）会不断（duàn）累（lèi）积，在缺乏（fá）额外的相对于绝对坐标系的信息时，该（gāi）误差（chà）无法被修正，因（yīn）此，惯导系统通常作为飞行器（qì）的主（zhǔ）要（yào）导航系统（tǒng），但同时还需要其他导（dǎo）航信息对（duì）惯导结果进行修正（zhèng）。

几乎其他所有导航方法都（dōu）可以用于修正惯导（dǎo）系统误（wù）差，甚至（zhì）是惯导系统本身，如AHRS（航姿参考系统），这种系（xì）统除（chú）了采用陀螺仪积分得出姿态角（jiǎo），还能根据（jù）加速度计测量的重力方向以及磁罗盘（pán）测量（liàng）的磁航（háng）向（xiàng）对姿（zī）态角结果（guǒ）进（jìn）行修正，从而在陀螺仪精度不高的情况下获得长期（qī）稳定的姿态（tài）角输出，不过由于低精度器件所得（dé）的（de）姿态角结（jié）果短期和（hé）长期（qī）均（jun1）有（yǒu）不同程度（dù）的误（wù）差，该系统无（wú）法进行精确的航位（wèi）推算。

基（jī）于距离测量的导航。如卫星导（dǎo）航（háng）、室内定位等。这类（lèi）导航方式一般是通过测量（liàng）飞行器与已知精确位置（zhì）的参考（kǎo）点之（zhī）间（jiān）的距离，从而解算出（chū）飞行器（qì）位置。例如卫（wèi）星导航系统就是通过接收多颗卫（wèi）星发射出来的星历信息（xī），从中得出时间差并根据（jù）光速（sù）计算出距离，从（cóng）而解算出飞行器（qì）在WGS84坐标系下的位（wèi）置（zhì）和经纬高度信息。同样采（cǎi）用类似方式（shì）的（de）还有室内定位应用中很火的WIFI定位和UWB定位技术，均是（shì）利（lì）用信（xìn）号强（qiáng）度或发送接收（shōu）的时间差计算（suàn）飞行器与各参考点之间的距离，从（cóng）而解算飞行器实时位置。

基于特征匹配的导航（háng）。如地形匹配（pèi）、运动（dòng）捕捉系（xì）统等。这类导（dǎo）航方式通常是通过飞行器实时提取地磁、地貌、图像等（děng）特征（zhēng），并与特（tè）征（zhēng）库进行比对（duì）或（huò）进行相应计算，从而得到（dào）飞行器（qì）位置、速度（dù）等（děng）信（xìn）息（xī）实现导航（háng）功能，如（rú）巡航导弹中所使用（yòng）的地形匹配方法和现（xiàn）在比较火的SAR（合成（chéng）孔径雷达）地貌匹配方法，都是通过提取飞行路径（jìng）上（shàng）的一维（wéi）或二维地形地（dì）貌信息，并与数字高程地图库进行比对，从而获知当前位置、速度等信息，这（zhè）在（zài）卫（wèi）星导航（háng）信号丢失（shī）时的长期导航具有重要意义（yì）。运用计算机视（shì）觉（jiào）技（jì）术，通过（guò）识别已知（zhī）位置（zhì）上（shàng）的标记（jì）物特（tè）征（zhēng）完成（chéng）位置（zhì）、速度估计的方法也（yě）归属此（cǐ）类。还有另一类导航方法（fǎ）就是类似于（yú）Vicon的运动捕捉系统（tǒng），这种系（xì）统则是通（tōng）过已（yǐ）知（zhī）位置的光学等传感器识别飞行器上（shàng）设置的（de）标记物，从而（ér）解算出飞行器实时位（wèi）置、速度。

而既然说到基于特征，就不得不关注计（jì）算机视觉（jiào）在（zài）导航中的应用，例如在（zài）消（xiāo）费级（jí）无人机（jī）上运用多年的稀疏光流算法，就是根据灰（huī）度图像中特征点的运动计算出无人机的运动速度，近年来（lái）火爆的SLAM则（zé）更是将计算机视觉发（fā）挥到极致，这种算法通过将运动（dòng）中实时采集（jí）的图（tú）像特征性信息与惯导等系统信息进行融合，从而可（kě）以在未（wèi）知（zhī）环境中（zhōng）一边完成（chéng）周（zhōu）围场景的三维（wéi）模型重建，一边进行自身在场景中相对（duì）位置和速度（dù）的解算。

说回无人机的导航，当前多（duō）数无人机采（cǎi）用（yòng）惯导/卫星导航（háng）组（zǔ）合作（zuò）为基本的导航方（fāng）式，可以保证绝大多（duō）数场（chǎng）景下的稳定导航。大型（xíng）军（jun1）用无人机由于对导航系统的轻量化和成本要求不高，为了（le）实现（xiàn）较高的（de）导航精度，其通常（cháng）仍（réng）采用（yòng）光纤/激光陀螺和石（shí）英（yīng）加（jiā）速（sù）度计组成的高精度惯导系（xì）统（tǒng），而中小型和民用无人机则采用更轻小更廉价（jià），但是精度较低的MEMS器件组成（chéng）惯（guàn）导或航姿（zī）参（cān）考系统，与卫星导航组合后，仍能提（tí）供有效的导航信息输出。

而在某些特殊应用场景下，卫星导航信号会（huì）丢（diū）失，如微型无人机在（zài）室内和城市楼群（qún）之（zhī）间（jiān）飞行（háng），这时（shí）就（jiù）需（xū）要其他的（de）导航方（fāng）式进行辅助。常用的比如气压计的（de）使用就可以以较低的综合成本获得低精（jīng）度的海（hǎi）拔（bá）高度（误差100米量级）和（hé）较（jiào）高精度的相对高度信息（误差0.1米量级）。无人（rén）机（jī）在室内（nèi）飞行（háng）时，可以架设前文提到的WIFI、UWB或（huò）Vicon等需要（yào）复杂外部设备的室内定位系统（tǒng），或者外（wài）部（bù）设（shè）置已知（zhī）位置（zhì）的标记物（wù），通过（guò）无人（rén）机的视觉系统完成识（shí）别和自身定位。而在极（jí）为特殊的场景下，如各种（zhǒng）高危（wēi）未知环境的勘测，使得常用（yòng）辅助导航（háng）系（xì）统（tǒng）都难以使用时，就不得不祭出SLAM这一杀手（shǒu）锏了，SLAM技术正处（chù）于高速发展（zhǎn）中，且已（yǐ）经有多种实用的方案出现（xiàn）了，完（wán）美（měi）的SLAM系统可以（yǐ）完成科幻电影里那（nà）种放出去几（jǐ）驾微型无人机自（zì）由飞行，配合一个便携地面站（zhàn），便可以实时地重建周围环境的（de）3D模型，这种性能在未来（lái）五（wǔ）年之内肯定可以实（shí）现（xiàn）。当然绝大多数辅助的（de）导航方（fāng）式都难以输（shū）出用于制导控（kòng）制的高（gāo）频率（200Hz以上）导航信息，因此通（tōng）常情况下仍是将辅助导航系统与惯性（xìng）导航相（xiàng）结（jié）合（hé）。

下面来讨论无（wú）人机的制导（dǎo），现阶段大多数军用（yòng）还是（shì）民用无人机在（zài）自动飞行过程中（zhōng）仅（jǐn）需（xū）完成航路（lù）点或（huò）航线的跟踪，因此制（zhì）导策略（luè）相对简单。多旋翼无人机，跟踪（zōng）航路（lù）点时只需要将飞（fēi）行速度方向对准下（xià）一个航路点，跟（gēn）踪（zōng）航线也仅需（xū）首先飞到航（háng）线上（shàng）距离（lí）当前位（wèi）置最近的点即可；而这项任务对于（yú）固定翼无（wú）人机相对（duì）复杂。因为固（gù）定翼（yì）无人机的速度方向需要通过航向来改（gǎi）变，而航向则需要通过滚转来改变，这就使得（dé）滚转（zhuǎn）角与速度（dù）方向（xiàng）之（zhī）间形成了（le）近似（sì）二阶环节（jiē）的过（guò）程，这通常可以运（yùn）用（yòng）导弹的比例导引法来实现航路（lù）点跟踪（zōng）。比例（lì）导引法的基本原（yuán）理（lǐ）就是让飞行器速度矢（shǐ）量在空间中的转（zhuǎn）动角速度正比于飞行器与目标间的视线角变化率，对于航路（lù）点这一（yī）静止目标，只（zhī）需要无人机与（yǔ）航（háng）路点之间的距离足够，就可以（yǐ）保证（zhèng）准（zhǔn）确（què）抵达下一个航（háng）路点，而（ér）对于航线跟踪，则（zé）需要选择一个虚拟的（de）目标点使得（dé）无人（rén）机首先向航线靠近，然后再逐步将方向对准航线方向。例如（rú）现在被广泛使用的L1制导（dǎo）算法，就是在航线上选择与无人机（jī）距离为L1的参（cān）考点，然后根（gēn）据（jù）速度方向与到（dào）参考点（diǎn）连线方向之间的夹角（jiǎo）计算横向机动（dòng）的需用过载（zǎi），进而实现航线跟踪。

而随着无人机在多种场景下（xià）应用的不断深入（rù），除了（le）航路点和航线的跟踪以外，无人机抵达目标的最（zuì）优路（lù）径选（xuǎn）择，障碍物或禁飞（fēi）区规避以（yǐ）及（jí）多机协同（tóng）工作所需要的制导策略（luè）越来越（yuè）复杂。我们知（zhī）道最（zuì）优控制（zhì）方法在航天器轨道转移（yí）、火箭入轨制导等问题（tí）中起到了良好（hǎo）的效果，但是对于（yú）大气中飞行的无人机路径规划，基于间接法的最优控制问题很难求解（jiě），因此无人机（jī）路（lù）径规划（huá）往往采用基于网（wǎng）格（gé）地图的搜（sōu）索算法，或者（zhě）蚁群（qún）算（suàn）法、遗传（chuán）算法等特殊的路径优化方法。例如（rú）在基于概率地图的搜（sōu）索算法中，首先（xiān）运用随（suí）机概（gài）率方法在自由空（kōng）间（任务（wù）空（kōng）间中，除去障碍物后的空间）中选取采样点，并选取距离当（dāng）前点最近的k个（gè）点（diǎn）构成当前点的临近（jìn）点集，然后利用局部规划器将当（dāng）前点与其临近点集中的（de）所有点用直线段连接起来，同（tóng）时进行（háng）相交检验，将不与障碍物相交（jiāo）的直（zhí）线段保（bǎo）留（liú）下来（lái）构（gòu）成一个图，作为初始路径， 完成路（lù）径规划的学（xué）习阶段；在（zài）查询阶段，运用优化方法对（duì）上述图（tú）进（jìn）行搜索，从而（ér）得到由（yóu）图的边构成的从出发点到目的点并（bìng）满足优（yōu）化目标（biāo）的（de）路径。

另一类常用的算（suàn）法并不是基（jī）于网格地图进行搜索，例如人工势（shì）场法，其基本思想是将无人机的（de）运动，设计成一种在抽象的人（rén）造（zào）引力场中（zhōng）的运动（dòng），如下（xià）图所示，目标物对无人（rén）机（jī）产生“引力”，而障碍物对无人机（jī）产生“斥（chì）力”，通过（guò）求解目（mù）标和（hé）所有障（zhàng）碍物对无人机（jī）产生（shēng）的合力，就（jiù）可以得（dé）到无人机（jī）运动速度或加速度（dù）指令。相对于大多数（shù）搜（sōu）索算（suàn）法，人工势场法运算量更小，且得到的轨迹更平滑。

以上这两类制导（dǎo）算法（fǎ）通常（cháng）适用于一架无人机的航路跟踪或路径规（guī）划，而当设计无（wú）人机编队甚至集群时（shí），问题复杂（zá）程（chéng）度则骤（zhòu）增。对于集群中的某个无人机来（lái）说（shuō），其他（tā）无人机既（jì）是（shì）可以（yǐ）协作和互（hù）通信息的伙伴，同时又是快速移动（dòng）的障碍（ài）物，而整个集（jí）群的路径规划有（yǒu）需要（yào）考虑集群以及（jí）其中（zhōng）每（měi）一架无（wú）人机特（tè）性所形成的约（yuē）束条（tiáo）件，或者当集群处于协同作战模（mó）式（shì）时，又需要对目（mù）标自（zì）发形（xíng）成各角度的全向饱和攻击，当然（rán），这其（qí）中需要解决（jué）的问题正是（shì）当前研究（jiū）的热点。

最后再讨论一下（xià）无人机（jī）的控制，导（dǎo）航（háng）系统获得了无人机当前位（wèi）置速（sù）度和姿态信息，制（zhì）导系统完（wán）成路径（jìng）规划（huá）和制导（dǎo）指令生成，而（ér）控制的任务（wù）就是精确、快速稳定地跟踪收到的（de）制导指令（lìng），因此控制也是最关键的环节。最常用的控制（zhì）算法还是历久弥新（xīn）的PID，通过将（jiāng）被控参数参考值与当前值（zhí）误差（chà）的比例、积（jī）分和（hé）微分进行适当组合，便能够完（wán）成大（dà）部分近似线（xiàn）性系统的（de）有效控制。

而（ér）事实上，现在工程中所使用的很多PID算法，早已经不（bú）是基本的构型了（le），常用的改进方式主（zhǔ）要有（yǒu）以（yǐ）下几种：

增益调度：既然PID控制（zhì）器设计过程一般是在某个平衡点处做（zuò）系统的小扰动线性化方程（平（píng）心而论，工程中（zhōng）还真（zhēn）不都（dōu）是这（zhè）么按流程来，各种（zhǒng）野路子都有），进（jìn）而完成设计的，那么只要在正常工作范围（对于（yú）无人机（jī）来说可以是飞行包（bāo）线）内（nèi）选（xuǎn）取足（zú）够的平衡点，并根据（jù）每（měi）个平衡点的（de）模型选择合（hé）适（shì）的PID控（kòng）制参数，这样（yàng）就可（kě）以在控制器（qì）工作（zuò）中（zhōng）通过插值等方（fāng）式选择（zé）相应平衡点附近的控制参数（shù），这种变参数的方（fāng）法就是一（yī）种增（zēng）益调度方法（fǎ），而基于增益调度的PID控制器就可以针对具有（yǒu）一定（dìng）非线性特性的系（xì）统进行控制。这种方法在飞（fēi）行（háng）控制中已应用多年。

参数自适应：比如以系统积分误差性能指（zhǐ）标（biāo）为准则，搜索使得误差性能指标为最小的参数作（zuò）为控制器参数，又或者基于神经网络和遗传算法的参数自（zì）适应等，不过（guò）这些方法在工程中使用的比较少。

串级（jí）：通过将被控系统分为内外环，只需要内（nèi）外环的固有频率有一定的差别（比如说内（nèi）环频率是（shì）外环的（de）五倍以上，无人机的姿态响应和位置响应一般可以（yǐ）满足），即可用实现（xiàn）快变量和慢（màn）变量（liàng）的分别控制，通过简单的调参就可以实现快速的内环（huán）响应和精（jīng）确的（de）外（wài）环控制，并具有比单个控制器更好的抗干扰性（xìng）能。

积分抗饱（bǎo）和：PID控制中的（de）积（jī）分作（zuò）用虽然可用消除稳态误差，但是积分退饱和过程带来的超调往往较大，因此可（kě）用在被（bèi）控（kòng）参数的误差较大时，停止误差的积分过程，或者对误（wù）差的积分值进行限幅，这样就可以显著（zhe）地降（jiàng）低超（chāo）调量，缩（suō）短过（guò）程的（de）稳定时间。

不完（wán）全微分：虽然（rán）被控参（cān）数一般不会出现突变，但是（shì）参考值却经常会出现（xiàn）突变，这使得（dé）误差的微（wēi）分也会突变，为了降低这种突变造成的控制量幅值，可以采用不完全（quán）微分策略，即微分只作用于被控参（cān）数（如飞行控制中的角（jiǎo）速度阻尼）。

PID算法的改进方式还有很（hěn）多（duō），难以细（xì）数，不（bú）过这种改进终归难以解决所（suǒ）有问题（tí），例如被控对象的高度非线性、强耦合性、时变（biàn）性（xìng）等（děng）特性，因此新的控制方法（fǎ）层（céng）出不穷（qióng）。下面列举几（jǐ）种较为实用的（de）其他控制方（fāng）法。

反馈线性化（huà）：利用数学变换的（de）方法和微分几何学的（de）知识，将状态和控制变（biàn）量转变为线性形式，然后，利（lì）用常规的线性设计的方法进行设计，将设计的结果通过反变换，转换为原始的状态和控制形式。反馈线性（xìng）化（huà）可以将存（cún）在通（tōng）道间耦（ǒu）合的非线性（xìng）系统变换为解耦的线性系统，方便外环的（de）线性控制器设计。不（bú）过该（gāi）方法（fǎ）应用中或多或少会（huì）存在建模误差（chà），因此设计时要重点考（kǎo）虑鲁棒性的因（yīn）素（sù）。

滑（huá）模变结构：这种（zhǒng）方法不需要对被控对（duì）象进（jìn）行（háng）精确建模（mó），而是在动（dòng）态过（guò）程中（zhōng），根（gēn）据系（xì）统当前的状（zhuàng）态（tài）(如偏差及其各（gè）阶导数等)有目的地不断变化，迫使系统按照预定“滑动模（mó）态”的状态轨迹运动。由于滑（huá）动（dòng）模态可以进（jìn）行设计（jì）且与对象参数及（jí）扰动无关,这就使得滑模控制具有快速响应（yīng）、对应参数变化及扰动不灵敏、无需系统（tǒng）在线（xiàn）辨识、物理实现简单（dān）等优点。但是基本的（de）滑模变结构算法存在控制参数（shù）抖振的问题，需要再趋近率设计时进行适当（dāng）的（de）优化策略（luè）。

反步控制：其基（jī）本思路是将复杂的系统分（fèn）解成（chéng）不超过（guò）系统阶数的多个（gè）子系统，然后通过（guò）反向递（dì）推（tuī）为每个子系统设计部分李雅普诺夫（fū）函数和中间（jiān）虚拟控制量，直至设计完成整个控制器。反步方法运用（yòng）于飞（fēi）控系统控（kòng）制器的设计（jì）可以处理一类非（fēi）线性、不确定性因素的影（yǐng）响，而且已（yǐ）经被证明（míng）具有（yǒu）比较好稳定性及误差（chà）的收敛性。

自适应逆：与动态逆的思想类似（sì），这种方法运用各种自适应逆滤波网络（如LMS滤波器网（wǎng）络、神经网（wǎng）络等）去拟合出被控对象的逆系统（tǒng），从而将（jiāng）控制（zhì）器与（yǔ）被控对象构（gòu）成的前向通道变换成一一（yī）映（yìng）射的（de）线性化（huà）解耦系统（tǒng），而之所以称为“自（zì）适（shì）应”，则是这个拟合出（chū）逆系统（tǒng）的网络可以（yǐ）在线学习被控对象的特性（xìng）。这种方（fāng）法在（zài）仿真中可（kě）以（yǐ）取得（dé）比（bǐ）传统（tǒng）控制方法优越很（hěn）多的效果，但是（shì）由于滤波器网络可（kě）能（néng）存在无法检出（chū）的内部缺陷，所（suǒ）以在某些状态组（zǔ）合下，可能会出现故障（包括深度神（shén）经网络在内的所有神经网（wǎng）络（luò）都潜在此风险）。

本文（wén）简要梳理（lǐ）了可用于（yú）无（wú）人机（jī）的导航（háng）、制导和控制的方法（fǎ）、策（cè）略或（huò）算法（fǎ），其中部分算法将在后续的仿真系统相应的文章详细介绍并在代（dài）码中（zhōng）体现。（源自：知乎）

咨询航拍（pāi）服务（wù）可（kě）加昆明（míng）俊鹰无人机飞控手老鹰的微信laoyingfly