无人机的飞行（háng）控制（zhì）是无人机研究领域主要问题之一。在飞（fēi）行过（guò）程中（zhōng）会受到各种干扰（rǎo），如（rú）传感器的噪音与漂移（yí）、强风与乱气流、载重量变化及倾角（jiǎo）过大引起的模型（xíng）变动等等。这些都会严（yán）重（chóng）影响飞行器的飞行（háng）品质，因此无人机的（de）控制技术便（biàn）显得尤（yóu）为重要。传统的控制（zhì）方法主（zhǔ）要集中于姿态（tài）和高（gāo）度的控（kòng）制，除此之外还有一些用来控制速度、位置、航向、3D轨迹跟踪控制。多旋翼无人机的控制方法可（kě）以总结为以下三个主要的（de）方面（miàn）。

一、线性飞行控制方法

常规的飞行器控制方（fāng）法以（yǐ）及早期的对（duì）飞行器控制的尝试（shì）都是建立在（zài）线（xiàn）性飞行控（kòng）制（zhì）理论上的，这其中就又有诸如PID、H∞、LQR以（yǐ）及增（zēng）益调度法。

1.PID PID控制属于传统控（kòng）制方法，是目前最成（chéng）功、用的最广泛的控制方法之一。其控制方法简单，无需前期建（jiàn）模工作，参数（shù）物理（lǐ）意（yì）义明（míng）确，适用于飞（fēi）行精度（dù）要求不高的控制。

2.H∞ H∞属于（yú）鲁棒控制的方（fāng）法。经典的控制理论并不要求被（bèi）控对象的精确数学模型来解决多输入多输出（chū）非线性系统问题。现（xiàn）代控制理论可（kě）以定（dìng）量（liàng）地解（jiě）决多输入多输出（chū）非线性系统问题，但完全依赖于描述被控（kòng）对（duì）象的动态特性的数学模型。鲁棒控制（zhì）可以很好（hǎo）解决因干扰等因素引起的建模（mó）误差问题，但它的计算量（liàng）非常大，依（yī）赖于高性能的处理器，同时，由于是频域设（shè）计方法，调（diào）参也（yě）相对困难。

3.LQR LQR是被运用（yòng）来控制无人机的比较成功的（de）方法之（zhī）一，其对象是能用状（zhuàng）态（tài）空间表（biǎo）达式表示的线性系统，目标函数为是状态变量或控制变量的二次函数（shù）的积分。而且Matlab软件的使用（yòng）为LQR的控制方法提供了良好的仿真条件，更（gèng）为工程实现提供（gòng）了便（biàn）利。

4.增益调度法（fǎ） 增益调度（dù）（Gain scheduling）即在系统运行时，调度变量的变化导致控制（zhì）器的参数随着改变，根据调度变量（liàng）使系统（tǒng）以不同（tóng）的控制规律在不同的区（qū）域内运行，以解（jiě）决（jué）系统非线性（xìng）的问题。该算（suàn）法由两大部分组成，第一部分主要完成事件驱动，实现参数调（diào）整。 如果系（xì）统（tǒng）的（de）运行（háng）情况改变，则可通过该（gāi）部分来识别并切（qiē）换模态；第二部（bù）分为（wéi）误差驱动，其控（kòng）制（zhì）功（gōng）能（néng）由选（xuǎn）定的模态来实现。该控制方法在旋翼无（wú）人机的垂直（zhí）起降、定点悬停（tíng）及（jí）路径跟（gēn）踪等控制（zhì）上有着优（yōu）异（yì）的性能。

二、基（jī）于学习（xí）的飞行控制方法

基于（yú）学习的飞行控制（zhì）方法（fǎ）的特点就是无需了（le）解飞（fēi）行器的动力学模型，只要一（yī）些飞行试（shì）验和飞行数据。其中（zhōng）研究最热门的有（yǒu）模糊控制方法、基于人体学习的方法（fǎ）以及神经网络法。

1.模糊控制方法（Fuzzy logic）模糊控制是解决模型（xíng）不确（què）定性的方法（fǎ）之一，在模型未知（zhī）的情况下（xià）来实现（xiàn）对（duì）无人（rén）机的控（kòng）制。

2.基于人体学习的（de）方法（fǎ）（Human-based learning） 美国MIT的科研人员为了寻找能更好地（dì）控制小型无人飞行器的控制方法，从参加军事演习进行（háng）特技飞行的飞机中采集数（shù）据，分（fèn）析飞（fēi）行员对不同情况下（xià）飞（fēi）机的操作，从而更好地理（lǐ）解无（wú）人机的（de）输入序列（liè）和（hé）反馈机制。这种方法已经被运用到小型（xíng）无人机的（de）自（zì）主飞行中。

3.神经网络法（Neural networks） 经典PID控制结构（gòu）简单、使用方便、易于实现, 但（dàn）当被（bèi）控（kòng）对象具有复杂的非线性（xìng）特性、难以建立精确的（de）数（shù）学（xué）模型（xíng）时，往往难以达（dá）到满（mǎn）意的控制（zhì）效果（guǒ）。神经网络自适应控制技术能有效地（dì）实现多（duō）种不确定（dìng）的、难以确切描述的非（fēi）线性复杂过程的（de）控（kòng）制，提（tí）高控制系统的鲁棒性（xìng）、容错性，且控（kòng）制参数具有自适应和自学习能力（lì）。

三、基于模型的非（fēi）线性控制方（fāng）法

为了克（kè）服某些线性（xìng）控制方法的限（xiàn）制，一些非线性的控制方法被提出（chū）并且被运用到（dào）飞行器的控制中（zhōng）。这些非（fēi）线（xiàn）性的控制方法通常可以（yǐ）归（guī）类为基于模型的非线（xiàn）性控制方法。这其中有（yǒu）反（fǎn）馈线性化、模型预测控制、多饱和控制、反步（bù）法以及自适应控制。

1.反馈线性化（feedback linearization） 反馈线（xiàn）性化是（shì）非线（xiàn）性系统常用（yòng）的一种方法。它利用（yòng）数（shù）学变换的方法和（hé）微分（fèn）几何学的知（zhī）识（shí），首先，将状态和控制变量转变（biàn）为线（xiàn）性（xìng）形式，然后，利用常规的线（xiàn）性（xìng）设计的方法进（jìn）行设计，最后（hòu），将设计的结果通（tōng）过反变换，转换为原始的状态和控（kòng）制形式。反馈线性化理论有两个重要分支：微分几（jǐ）何（hé）法和动态逆法，其中动态（tài）逆方法较微分几何法具（jù）有（yǒu）简（jiǎn）单的推算特点，因此更适合用在飞行控制系统的设计上。但是，动态（tài）逆（nì）方法需要相当精确的飞行器的模型，这在实（shí）际情况中是十分困难的。此外，由于系统建模误差，加上（shàng）外（wài）界的各种干扰，因此，设计时要重点考虑鲁（lǔ）棒性的因素。动态逆的（de）方法（fǎ）有一（yī）定（dìng）的工程（chéng）应（yīng）用前景（jǐng），现（xiàn）已成为（wéi）飞控研究领域（yù）的一个（gè）热点话题（tí）。

2.模型预测控制（model predictive control） 模型（xíng）预测控（kòng）制是一（yī）类特殊的（de）控制方法。它是通过在每一个采（cǎi）样（yàng）瞬间（jiān）求解（jiě）一个有（yǒu）限（xiàn）时域开（kāi）环的最优控制问题获得当（dāng）前控制动作。最优控制问题的初始状（zhuàng）态为过程的当前状态，解得的最（zuì）优控制序列只施加在第一个控制作用上，这是它和那些预（yù）先计算控制律（lǜ）的（de）算法的最（zuì）大区别。本质上（shàng）看模型预（yù）测控制是求解一个开（kāi）环最（zuì）优控（kòng）制（zhì）的问题（tí），它与具体的（de）模（mó）型（xíng）无关，但是实现（xiàn）则与（yǔ）模型相（xiàng）关。

3.多饱和控制（nested saturation）饱（bǎo）和现象是一（yī）种非常普遍的物理现象，存在于大量的工程问题中。运用多饱和（hé）控制的（de）方（fāng）法设计多旋（xuán）翼无人机，可以解决其它控制方（fāng）法（fǎ）所不能（néng）解决的很多实（shí）际的问题。尤其是对于微小型无人机而言，由于大倾（qīng）角的（de）动作以及外部干扰，致动（dòng）器会频繁出现饱和。致动器饱和会限制操（cāo）作的范（fàn）围并削（xuē）弱控制系（xì）统的稳定性（xìng）。很多（duō）方法都（dōu）已经（jīng）被用来解决饱和输入的问（wèn）题，但还（hái）没有（yǒu）取得理想的效果。多饱和控制在控制饱（bǎo）和输入方面有着很好的全局稳定（dìng）性，因（yīn）此这种方法常用来控制微型无人机的稳定（dìng）性。

4.反步（bù）控制（Backstepping）反（fǎn）步控（kòng）制（zhì）是非线性系统控制器设计最常用的（de）方法之一（yī），比（bǐ）较（jiào）适（shì）合（hé）用来（lái）进行在线控制，能够（gòu）减少在线计算的时间。基于Backstepping的控制（zhì）器设计（jì）方法（fǎ），其基（jī）本思路是将复杂的（de）系统分解成不超过系统阶数的多个（gè）子系统，然后通过反向递推（tuī）为（wéi）每个（gè）子系（xì）统设计部分（fèn）李雅普诺夫函数和中间虚拟控制量，直至设（shè）计完成整（zhěng）个控（kòng）制器。反（fǎn）步方法（fǎ）运（yùn）用于飞控（kòng）系统控制（zhì）器的设计（jì）可以处理一类（lèi）非线性（xìng）、不确定性因素的（de）影响，而且已经被证明具有比较好稳定性及误差的收敛性。

5.自适（shì）应（yīng）控制(adaptive control) 自适应控制也是（shì）一（yī）种基（jī）于数学模型的（de）控制方法，它最大的特（tè）点就是对于系统内部模型和外部扰动的信息依赖比较少，与模型相关的信（xìn）息（xī）是在运行系统的过程中（zhōng）不断获取的，逐步地使模型趋于完善。随（suí）着模型的不断（duàn）改善，由模型得到的控制作用也会跟（gēn）着改进，因此（cǐ）控制系统具有一定的适应能力。但（dàn）同时，自适（shì）应（yīng）控制比常规反馈控制要复杂，成（chéng）本也（yě）很高，因此只是在用（yòng）常（cháng）规反馈达不到所（suǒ）期望的（de）性能（néng）时，才会考虑采用自适应的方法。

咨询（xún）航拍服务可（kě）加昆明俊（jun4）鹰无（wú）人（rén）机飞控手（shǒu）老鹰的微信laoyingfly