梳（shū）理完控制以（yǐ）及（jí）飞行（háng）力学的一（yī）些基本原理（lǐ）之后，就该（gāi）正式进入无人机导航、制（zhì）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（tǒng），其功能可以有多种划分方法，本文中，我们就以（yǐ）下面框（kuàng）图所示的划分方法（fǎ）为（wéi）例，对无人机导（dǎo）航制导与控（kòng）制系统（tǒng）的基本原（yuán）理（lǐ）和常用（yòng）方（fāng）法做一下介（jiè）绍和归纳。
由于GPS、室内定位甚至自动驾驶在生活中（zhōng）的广泛应用，“导航”、“制导”、“控制”这几个词也（yě）越来越为大众所熟悉和使用，但是对于这些词（cí）的定义，我们日常生活中的使用和理解方法可能（néng）与无人机语境有所不（bú）同，所以有必（bì）要（yào）对其在本系列文章中的含义做一下解释（shì）：
导航：即无人机获（huò）得（dé）自己当前（在某个参照系下）的位置、速度等信息，必要时还需要获得当前（相对于某个参照（zhào）系）的姿态、姿态角（jiǎo）速度等信息。例如，采（cǎi）用（yòng）纯惯性导（dǎo）航（háng）可以获得无（wú）人机在某个惯性系（xì）下的位置（zhì）、速度和加速度，以及相对于该惯性系的（de）姿（zī）态角和角（jiǎo）速度；GPS导航系统则可以提供无（wú）人（rén）机在WGS84坐标（biāo）系下的速度、位置和航向角等信息；而借助如（rú）Vicon、UWB等（děng）室内定位系统则可以获得无人（rén）机相对于室内某个坐标系的速度、位置等信息。因此（cǐ），简要概括导航的主要工作就是要“知道自己在哪，知道（dào）自（zì）己的姿（zī）态”。
制导：即无人（rén）机发现（xiàn）（或外部输入）目标的位（wèi）置、速（sù）度等信息，并（bìng）根据自己的（de）位置、速度以及内部性能（néng）和外部环境的约（yuē）束条件，获得抵达目标（biāo）所（suǒ）需的位（wèi）置或速度指令。例如，按照规划（huá）的航路点飞行时，计算无人机（jī）径直或（huò）者沿某个航线飞（fēi）抵航路点的指令；采用基于计算（suàn）机视觉目标跟踪的光（guāng）学制导时（shí），根据目标在视场中（zhōng）的位（wèi）置（以及摄像头可能（néng）存在的（de）离轴（zhóu）角）计算跟踪目（mù）标所需的过载或者姿（zī）态角速度指（zhǐ）令；而当预（yù）装（zhuāng）（或SLAM获（huò）得（dé）的）地图中（zhōng）存（cún）在（zài）需要规（guī）避的障碍物或禁飞区（qū）时（shí），根据（jù）无人机飞行性能计（jì）算可（kě）行的规避路线或者速度（dù）指令。因（yīn）此，简要概括（kuò）制导的（de）主要（yào）工作就是（shì）要（yào）“知（zhī）道目标在哪，如何抵达目标”。
控制：即（jí）无人机根据当前（qián）的（de）速度、姿态等信息，通过执行机构作用来改变姿态、速度等参数（shù），进而实现稳（wěn）定飞行或跟踪（zōng）制导指令。例（lì）如，当固定翼无人机需要爬（pá）升（shēng）高度时（shí），计算（suàn）需要（yào）的俯仰角和（hé）俯仰角速度（dù）指令，以及为了让空速不至于大幅降低所需（xū）的油门指令；当沿着（zhe）航线飞行，但是（shì）存在侧风时（shí），计算所需的（de）偏航（háng）角指令以利用侧滑抵消侧风影（yǐng）响；或者当多旋翼无人（rén）机的某（mǒu）个旋翼失效时，计算（suàn）如何（hé）为剩余旋翼分配指令以尽可能实现稳定飞行。因此，简要（yào）概括控制的主要工作就（jiù）是“改变飞行姿态，跟（gēn）踪（zōng）制导指令”。
虽然理论上，导（dǎo）航、制导和控（kòng）制这三者各司其（qí）职，只是在指令计算（suàn）和执行上有（yǒu）顺承关系，但是（shì）在（zài）实际系统（tǒng）中，三者可能会有很多交叉因素。例如，导（dǎo）航系（xì）统（tǒng）中所测量或估计出的（de）角速（sù）度，既要用于导航系（xì）统的速度和位置估计，又要用于姿态控（kòng）制；而在一些高（gāo）机（jī）动性的飞行器（qì）（如直接碰撞杀（shā）伤（shāng）的动能拦截器等）和空天飞（fēi）行器（如升力体（tǐ）再（zài）入（rù）返回的制导（dǎo）控制）上也有（yǒu）制导与（yǔ）控制一体化设计的趋势。但在本文中（zhōng），仍（réng）然根据（jù）无人机的固（gù）有特（tè）性（xìng），尽量将三（sān）者作为具有独立（lì）功能的分系统看待（dài）。其中，导航系（xì）统原理可以大（dà）致分为以下几个类型：
基（jī）于绝对（duì）参考系的导航（háng）。如惯性导航、磁罗盘（pán）导航等。惯性导航运用牛顿力学原理，通过（guò）构建一个与机体固联的（de）惯（guàn）性平台，从而根据加速度（dù）计测量的惯性加（jiā）速度计（jì）算在某惯性参考系下的（de）速度和位置，根据陀螺仪测（cè）量（liàng）所得的角速度计算机体相对于惯性平（píng）台的姿（zī）态角，从而只需（xū）要加速度计（jì）和陀（tuó）螺仪满足一定的精度要求，就可（kě）以在不需要外（wài）部（bù）信息的（de）情况下获得机体（tǐ）相对于惯性参考（kǎo）系的速度、位置和姿态角。之所以将（jiāng）与机体固联的移动参照系成为惯性平台，是因为早期的平台式惯性导（dǎo）航设备中确（què）实存在（zài）一（yī）个物理上的（de）框架，该框架基于陀螺进动原理始终与惯性系（xì）（或（huò）当地铅（qiān）锤坐标系）保持平行。高精度的平台惯（guàn）导系统可以长期不需要外（wài）部信息进行导航，例如有些核潜艇所（suǒ）装备的惯导系统可以保证水下（xià）航行数（shù）月的导航（háng）误差在（zài）数海（hǎi）里的量级。
虽然平（píng）台惯导的精度很高，但（dàn）是由于系统复（fù）杂且体积巨大，不便于在小型飞行器上装备（bèi），随着计（jì）算机技术（shù）和导航器（qì）件技术的发展，捷联惯导越来（lái）越多地被使用（yòng）。与平台惯（guàn）导所用的（de）物理平台不同，捷联惯导（dǎo）的陀螺仪（yí）和加（jiā）速度计都与机体固连，因此（cǐ）采用虚拟的数学惯性平台，即（jí）惯性器件测量（liàng）所得数据都（dōu）会经过坐标变换的数学运算转（zhuǎn）换到惯（guàn）性坐标（biāo）系下，由于去掉了物理（lǐ）平（píng）台，捷联惯导系统的体积（jī）大幅（fú）缩（suō）减。特别是（shì）近二十年来快速（sù）发展的MEMS（微机电系统）器件，已经（jīng）可以将捷（jié）联惯导系统的（de）体积（jī）缩小到（dào）几立方厘（lí）米的量级。
当然，惯性导航并（bìng）非完美，由于导（dǎo）航过程依赖惯性器件的输出数据、坐标变（biàn）换（huàn）以（yǐ）及（jí）数值积分，所以（yǐ）器件误差和数值计算的截断误差会（huì）不断累积，在缺乏额外的（de）相对于绝对坐标系（xì）的信息时，该误差无（wú）法被修正，因此（cǐ），惯导系（xì）统通（tōng）常作为（wéi）飞行器（qì）的主要导航系统，但同时还需要（yào）其他导（dǎo）航（háng）信息对惯导结果进行修正。
几乎其他所有导航方法都可以用于修正（zhèng）惯导系统误差（chà），甚至是惯导系统（tǒng）本（běn）身，如AHRS（航姿（zī）参考系统（tǒng）），这（zhè）种（zhǒng）系统除了采用陀螺仪积分得出姿（zī）态角，还能根据加速度计测量的重力方向（xiàng）以及磁罗盘测量的磁航向对姿态角（jiǎo）结果进（jìn）行修正，从而在陀螺仪精度不高（gāo）的情（qíng）况下获得长期稳定的姿态角输出，不过由于低精度器件所得的姿态角结果（guǒ）短期和长期均有不同程度（dù）的（de）误（wù）差，该系统无（wú）法进行精确的航位推算（suàn）。
基于（yú）距离测量的导航。如卫星导航、室内（nèi）定位等。这类导航（háng）方（fāng）式（shì）一般是通过测（cè）量（liàng）飞行器与已知精确位置的参考点之间的距（jù）离，从而解算出飞行（háng）器位置。例如卫星导航系统就是（shì）通过接收多颗卫星发射出来的星历信息，从（cóng）中（zhōng）得（dé）出时间差并根据光速计算出距离，从（cóng）而解算出飞行器在（zài）WGS84坐标系下的（de）位置（zhì）和经纬高度信（xìn）息。同样采用类似方式的还有室内定位应用中（zhōng）很火的WIFI定位和UWB定位（wèi）技术，均是利（lì）用信号（hào）强度或发（fā）送接收的时间差计算飞（fēi）行器与各（gè）参（cān）考点之间的（de）距离，从而解算飞行器实时位置（zhì）。
基于特（tè）征匹配的导航（háng）。如地形匹（pǐ）配、运动捕（bǔ）捉系统（tǒng）等。这类导航方式通常（cháng）是（shì）通过飞行器实时提取地磁、地貌、图像等特征（zhēng），并与（yǔ）特（tè）征（zhēng）库进行比对或进行相应计算，从而（ér）得到（dào）飞（fēi）行器位置、速度（dù）等信息实现导航功能，如巡航（háng）导弹中所使用的地形（xíng）匹配方法和现在（zài）比较（jiào）火的SAR（合（hé）成孔径雷达）地貌匹配方法，都是通过提（tí）取飞行路（lù）径上（shàng）的一维或（huò）二维（wéi）地形地貌（mào）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，这在卫星导航信号丢失时（shí）的长期导航具有重要意义。运用（yòng）计算机视觉技术（shù），通过（guò）识别（bié）已知位置上的标记物特征完成位置（zhì）、速度估计的方法（fǎ）也归属此类。还有另一（yī）类导航方法（fǎ）就是类似于Vicon的运动（dòng）捕捉系统，这种系统则是通（tōng）过（guò）已（yǐ）知位置（zhì）的（de）光学等传感器识别飞行器上设置的标记（jì）物，从而解算出飞行器实时位置、速度。
而既（jì）然说到基于特征（zhēng），就不得不关注计算机视觉（jiào）在导（dǎo）航（háng）中的应用，例如在消费级无人机上运用（yòng）多年的稀疏光流算法，就是根（gēn）据灰度图像中特征点的（de）运动（dòng）计（jì）算出（chū）无人机的（de）运动速度，近（jìn）年（nián）来火爆（bào）的SLAM则更是将计算机视（shì）觉发挥到极致，这种算法通过将运动中实时采集的图像特征（zhēng）性信（xìn）息与惯导（dǎo）等系统（tǒng）信（xìn）息进（jìn）行（háng）融合，从而可以在未知环（huán）境中一边完成周围（wéi）场景的（de）三维模型（xíng）重建，一边（biān）进行自（zì）身在（zài）场景中相对位置和速度的解算。
说回无人机的导航，当前（qián）多数无人机采（cǎi）用（yòng）惯导/卫星导航组（zǔ）合作为基本（běn）的导航方式，可（kě）以（yǐ）保（bǎo）证绝大多数场景下的稳定导航。大型（xíng）军用无人机由于对（duì）导航系统的轻量化和成本要求不高，为（wéi）了实现较（jiào）高（gāo）的导航精度，其通常仍采用光纤（xiān）/激光陀螺和石（shí）英加速度（dù）计组成的（de）高精（jīng）度惯导系（xì）统，而中小型（xíng）和（hé）民用（yòng）无人机则采用更轻小更廉（lián）价，但是精（jīng）度较低的（de）MEMS器件组成惯导或航姿（zī）参考系统，与（yǔ）卫（wèi）星（xīng）导（dǎo）航组（zǔ）合后，仍能提供有（yǒu）效的（de）导航信息输出（chū）。
而在（zài）某些（xiē）特殊应用场景下，卫星导（dǎo）航信号会丢失，如微型无人机在室内和城（chéng）市（shì）楼群（qún）之（zhī）间飞行（háng），这时就需要其他的导航方式进行辅助。常用的比如气压计的（de）使用就可以（yǐ）以较低的（de）综合成本（běn）获得低精度的（de）海拔高（gāo）度（误（wù）差（chà）100米（mǐ）量级）和较高精度的相（xiàng）对高度（dù）信息（误（wù）差0.1米（mǐ）量级）。无人机在室（shì）内飞行时，可以架设前（qián）文提到的WIFI、UWB或Vicon等需要复杂外部设备的室内定位系统，或者外部设置已知位置的标（biāo）记（jì）物，通（tōng）过无（wú）人机的视觉系统完成识（shí）别和自（zì）身定位（wèi）。而在极为（wéi）特殊的场景下，如各种（zhǒng）高危未（wèi）知（zhī）环（huán）境的勘测，使得（dé）常用辅助（zhù）导航系统都难（nán）以使用时（shí），就不得不祭出SLAM这一杀手锏了（le），SLAM技术正处于高（gāo）速发展中，且（qiě）已经有多种实（shí）用（yòng）的方案出（chū）现（xiàn）了，完美的（de）SLAM系统（tǒng）可以完成科幻电（diàn）影里那种放（fàng）出去几驾微（wēi）型无人机（jī）自由飞行，配合一个便（biàn）携地面站（zhàn），便可以实时地重建周围环境的3D模型（xíng），这种性能在未来五年之内肯定可以（yǐ）实现。当（dāng）然（rán）绝大多数辅助的导航方式都（dōu）难以输出用于制导控制的高频率（lǜ）（200Hz以上）导航信（xìn）息（xī），因此通常情（qíng）况下仍是将辅（fǔ）助（zhù）导航系统与惯（guàn）性导（dǎo）航相结合。
下面来（lái）讨论无人机的制导，现阶段大多（duō）数（shù）军用还是民用无人机在自动飞行（háng）过程中仅需（xū）完成航路点或航线（xiàn）的跟踪，因此制导策略相对简单（dān）。多旋翼无人机，跟踪航路点时（shí）只需要将飞行速（sù）度方向对准下一个航路点，跟踪航线（xiàn）也仅需首先（xiān）飞到（dào）航（háng）线上距离当前（qián）位置最（zuì）近的（de）点即可；而这项任务对于固定（dìng）翼无人机（jī）相对复杂（zá）。因为（wéi）固定翼无人（rén）机的速（sù）度方（fāng）向需要通过航向来改变，而航向则（zé）需要（yào）通过滚转来改（gǎi）变，这就（jiù）使得（dé）滚转角与速度方向之间形成（chéng）了近似二阶环节的过（guò）程，这通常可以运用（yòng）导弹的（de）比例（lì）导引法来实现航路点跟踪。比（bǐ）例导（dǎo）引（yǐn）法（fǎ）的基本原（yuán）理就是让飞行器（qì）速度矢量（liàng）在空间中的转动角（jiǎo）速度（dù）正比于飞行（háng）器与目（mù）标间的（de）视（shì）线（xiàn）角变（biàn）化率（lǜ），对于航路点这一静止（zhǐ）目标，只需要无人机与航路点之（zhī）间（jiān）的（de）距离足够，就可以（yǐ）保证准确抵达下（xià）一个航路点，而对于航线跟踪，则需要（yào）选择一个虚拟的目标点使得无人（rén）机（jī）首先向航线靠近，然后再逐步将（jiāng）方（fāng）向对准航（háng）线方（fāng）向。例如现在被广泛使用的L1制（zhì）导（dǎo）算法，就是在航线上选择（zé）与（yǔ）无人机（jī）距（jù）离（lí）为（wéi）L1的参考点，然后根据速度方向与（yǔ）到参（cān）考（kǎo）点（diǎn）连线方向之间（jiān）的（de）夹角计算横向（xiàng）机动的需用过载，进（jìn）而实现航线跟（gēn）踪。
而随着无人机在多种场景下（xià）应用的不断深入（rù），除了航路（lù）点（diǎn）和航线的跟踪以外，无人（rén）机（jī）抵达目标的最优路径选择，障碍物或（huò）禁飞区规避以及多机协同工作所需要的制导策略越来（lái）越复（fù）杂。我们（men）知（zhī）道最优控制方法在航天器轨道转移、火箭入轨制导等（děng）问题中（zhōng）起到了良（liáng）好的效果，但是对于大气中飞行的无人机路（lù）径规划，基（jī）于间接法的最优控制问题很（hěn）难求解，因（yīn）此无人（rén）机路（lù）径规划往往采用（yòng）基于网格（gé）地图的搜索（suǒ）算（suàn）法，或者（zhě）蚁（yǐ）群算法、遗传算法等特殊的路径优化方法。例如在基于概率（lǜ）地图的搜（sōu）索算法中，首先运用随机概率方法在（zài）自由空间（任务空（kōng）间中，除去（qù）障碍物后的空间）中选取（qǔ）采样点，并（bìng）选取距离当前点（diǎn）最（zuì）近（jìn）的k个点构成（chéng）当前点的临近（jìn）点（diǎn）集，然后利（lì）用局部（bù）规划器将当前（qián）点与其临近点集中的所有点用直线段连接起来，同时进行相交检验，将（jiāng）不与（yǔ）障碍物相交的直（zhí）线段（duàn）保留下来构成（chéng）一个图（tú），作为初始路径， 完成路径规划的（de）学习阶段；在查询（xún）阶段，运用优化（huà）方法（fǎ）对上述图进行搜索，从而得到由图的边构成（chéng）的从出（chū）发点到目的点并（bìng）满足优（yōu）化目（mù）标的路径。
另一类常（cháng）用（yòng）的算法（fǎ）并不是基于网格地图进行搜索，例如人工势场法，其基本（běn）思想是将无人机的运动，设计成一（yī）种在抽象（xiàng）的人造引力场（chǎng）中的运（yùn）动，如下图所示（shì），目标物（wù）对无人机产（chǎn）生“引力（lì）”，而障碍物对（duì）无人机（jī）产（chǎn）生“斥力”，通过求解（jiě）目标和（hé）所有障碍物对无人机产（chǎn）生（shēng）的合力，就可以得（dé）到无人（rén）机运动速（sù）度或加速度（dù）指令。相对于大多数搜（sōu）索算（suàn）法，人工势场法运算量更小，且得到的（de）轨迹更平滑。
以上这两类（lèi）制导（dǎo）算法通常适用（yòng）于（yú）一架无人机的航路跟踪或（huò）路径规划，而（ér）当设计无人机（jī）编队（duì）甚（shèn）至集群时，问题复（fù）杂程度（dù）则骤（zhòu）增。对于集群中的某个无人（rén）机来说，其（qí）他无人机既是可以协作和互通信息（xī）的伙伴，同时又是快速移动（dòng）的障碍物，而整个集群的路径规划有需要考虑集群以（yǐ）及其中每（měi）一架（jià）无人机（jī）特性所形成的约束条件（jiàn），或者当集群处于协（xié）同作战模式时，又需要对目（mù）标自发形成各角度的全向饱和（hé）攻（gōng）击，当然，这其中需（xū）要（yào）解（jiě）决的问（wèn）题正是当前研究（jiū）的（de）热点。
最（zuì）后再讨论（lùn）一下无人机的（de）控制，导（dǎo）航系（xì）统获得了无人机当前位置速度和姿态信息，制导系统完（wán）成（chéng）路径规（guī）划和制导指令（lìng）生成，而控制的任（rèn）务（wù）就是精确、快速稳定地跟踪收到（dào）的制导指令，因此控制也是最关键的环节。最常用的（de）控制算（suàn）法还是历久弥新的PID，通过将被控（kòng）参（cān）数参（cān）考（kǎo）值与当前值误差的比例、积分和微分进行适当（dāng）组合（hé），便能够完成大部分（fèn）近似线性系（xì）统的有效控（kòng）制。
而事实（shí）上，现在工程中所使（shǐ）用的很多PID算法，早已经（jīng）不是基（jī）本的构型（xíng）了（le），常用的改进方式主要有（yǒu）以下几种：
增益调（diào）度（dù）：既然PID控制（zhì）器设（shè）计过程一般是在某个平衡点处做（zuò）系统的小扰动（dòng）线性（xìng）化方程（平心而论，工程中还真（zhēn）不（bú）都（dōu）是这（zhè）么按流（liú）程来，各种野路子（zǐ）都有），进而（ér）完成设计的，那么只要在正（zhèng）常工作范（fàn）围（对（duì）于无人机来说可以是飞行包线）内选取足够的平衡点，并根据每个平（píng）衡点（diǎn）的（de）模型选择合适（shì）的PID控制参数，这（zhè）样就（jiù）可以在控制（zhì）器工作中通过（guò）插（chā）值等（děng）方式选择相（xiàng）应平衡点附（fù）近的控制（zhì）参数，这（zhè）种（zhǒng）变参数的（de）方法就是一种增益调度方法，而基（jī）于（yú）增益调度的PID控制（zhì）器就可以针对具有一定非线性特性的（de）系统（tǒng）进行控制。这种方法在飞行控制中已应用多年。
参（cān）数自适应：比（bǐ）如以系统积分误差性（xìng）能指标为准则，搜索使（shǐ）得误差性（xìng）能指标为最小（xiǎo）的参数（shù）作为控制器参数，又或者基于神经网络和遗传算法（fǎ）的参数自适应等，不（bú）过（guò）这些方法在工（gōng）程中使用的比较少（shǎo）。
串级：通过将被控系（xì）统分为内（nèi）外环（huán），只需要内外环的固（gù）有频率（lǜ）有一定的差别（比如说内环（huán）频率是外环的五倍以上，无人（rén）机的姿（zī）态响应和位置响应一般可以满足），即可用实现快变量和慢变量的分别（bié）控制（zhì），通过（guò）简（jiǎn）单的调参（cān）就（jiù）可以（yǐ）实现快速的内环（huán）响应（yīng）和精确（què）的外环控制，并具有（yǒu）比单个（gè）控制器更好的（de）抗干扰性能。
积分抗饱和：PID控制中的（de）积分作用虽然可用消除稳态误差，但是积（jī）分退饱和过程带来的超调往往（wǎng）较大，因（yīn）此可用在被控参数（shù）的（de）误差较大（dà）时，停止误差的积分（fèn）过程（chéng），或者对误差的积分值进行限幅（fú），这（zhè）样就（jiù）可以显著地降低超调量，缩短过程的稳定时间。
不完（wán）全微分：虽然被（bèi）控参数一般不会出（chū）现突变，但是参考（kǎo）值（zhí）却经常会出现突变，这使得误差（chà）的微（wēi）分也会突变（biàn），为了降（jiàng）低这种突变造（zào）成的控制量（liàng）幅值，可以采用不完全微分策（cè）略，即微分（fèn）只作用于被控参（cān）数（如飞行控制中的角（jiǎo）速度阻尼）。
PID算（suàn）法的改进方式还有很多，难以细（xì）数，不过这种（zhǒng）改进终归难以解决所有问题，例如被控（kòng）对象的高（gāo）度非线性、强（qiáng）耦合性、时变（biàn）性等特性，因此新的控制方法层出不穷。下面列举几种较（jiào）为（wéi）实用的其他（tā）控制方法。
反馈线性化：利用数学（xué）变（biàn）换的方法（fǎ）和微分几何学的知识，将状态和控（kòng）制变量（liàng）转变（biàn）为线性（xìng）形（xíng）式，然后（hòu），利用常（cháng）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（shǐ）的（de）状态（tài）和控制（zhì）形式（shì）。反馈线（xiàn）性化可以（yǐ）将存（cún）在（zài）通道间耦合（hé）的非线性系统（tǒng）变换为解耦（ǒu）的线性系统，方便外（wài）环的线性（xìng）控制器（qì）设计（jì）。不过该方（fāng）法应用中（zhōng）或多或少会存在建模误差，因此设（shè）计（jì）时要重（chóng）点考虑鲁（lǔ）棒性的因素。
滑模变结构：这种（zhǒng）方法（fǎ）不需要对（duì）被控对象进行精确建（jiàn）模，而是在动态过（guò）程中，根据系统当前的状态(如偏差及其各阶导（dǎo）数（shù）等)有目的（de）地不断变化，迫使（shǐ）系统按照（zhào）预定“滑动模态”的（de）状态轨迹运动。由于滑动模态可以进行（háng）设（shè）计（jì）且与对象参数及（jí）扰动无关,这就使得滑模控（kòng）制具有快（kuài）速响应、对应参（cān）数变化及扰动不（bú）灵敏、无需系统在线（xiàn）辨识（shí）、物（wù）理（lǐ）实现简（jiǎn）单等优点。但是基本的滑模变结构算法存在控制参（cān）数（shù）抖振的问题，需要再趋近（jìn）率（lǜ）设（shè）计时（shí）进行适（shì）当的优化（huà）策略。
反步控（kòng）制：其基（jī）本思路是将复杂（zá）的系统分（fèn）解成不超过系（xì）统阶（jiē）数的多（duō）个子系统，然后通过反向递推为每个子（zǐ）系统设计（jì）部分李雅普诺夫函数（shù）和中间（jiān）虚拟控制量，直至设计（jì）完成（chéng）整个控（kòng）制器。反步方法运用于飞控系统控制器（qì）的设计可（kě）以处理一类非线性（xìng）、不确定性因（yīn）素的影响，而且已经被证明（míng）具有比较好稳定性及误差的收敛性。
自（zì）适（shì）应逆（nì）：与动态（tài）逆的思想类（lèi）似（sì），这种方法（fǎ）运用各种自适（shì）应逆滤波网络（如LMS滤波器网络、神经网（wǎng）络等）去拟合出被控对象的逆（nì）系（xì）统（tǒng），从而将控制器与被（bèi）控（kòng）对象（xiàng）构成的前向通道变换成一一映射的线性化解（jiě）耦（ǒu）系统（tǒng），而之所以称为“自适应”，则是这个拟合出（chū）逆（nì）系统的（de）网络（luò）可以在线学习被控（kòng）对象的特性。这种方法在仿（fǎng）真中可以取得比传统控（kòng）制方法优（yōu）越很多的效果（guǒ），但（dàn）是由于滤波器网络可能存在（zài）无法检（jiǎn）出的内部缺（quē）陷，所以在某些状态组合下，可能会出（chū）现故障（zhàng）（包括（kuò）深度神经（jīng）网络（luò）在内的所有神经网络都潜在此风险）。
本文简要梳理了可用于无（wú）人机的导航、制导和控制的方法、策略或算法，其中部（bù）分算法（fǎ）将（jiāng）在后续的仿真系（xì）统（tǒng）相应的文章详（xiáng）细介绍并在代码（mǎ）中体现。（源自：知乎（hū））
咨（zī）询航拍服务（wù）可加昆明俊鹰无（wú）人机（jī）飞控手老鹰的微信laoyingfly |
