无人机的飞行控制是无人机（jī）研究（jiū）领域主要问题之（zhī）一。在（zài）飞（fēi）行过程（chéng）中（zhōng）会受到各种干扰，如传感器的噪音（yīn）与漂移、强风与乱气（qì）流、载重量变化（huà）及倾（qīng）角过大（dà）引起的模型变动等等。这些（xiē）都（dōu）会严重（chóng）影响（xiǎng）飞行器的飞行品质，因此（cǐ）无人（rén）机的控（kòng）制技术便显（xiǎn）得尤为重要。传（chuán）统的控（kòng）制方法主要集中于姿态和（hé）高度的（de）控制（zhì），除此之外还有（yǒu）一些用来控制（zhì）速（sù）度（dù）、位置、航向、3D轨（guǐ）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方面。

一、线（xiàn）性飞行控（kòng）制（zhì）方法（fǎ）

常规的飞行器（qì）控（kòng）制方法以及早期的对飞行器控制的尝试都是建立在线性飞行（háng）控制理论上的，这其（qí）中就（jiù）又有诸如（rú）PID、H∞、LQR以及（jí）增益（yì）调度（dù）法。

1.PID PID控（kòng）制属于传统控制方（fāng）法，是目前（qián）最（zuì）成（chéng）功、用（yòng）的（de）最广泛的控制方法之一。其控制方（fāng）法简单，无需前期建（jiàn）模工作，参数物（wù）理意义明（míng）确，适（shì）用于飞行精度要求不高的控制（zhì）。

2.H∞ H∞属于鲁（lǔ）棒控（kòng）制的方法。经（jīng）典的控制（zhì）理（lǐ）论并不要求（qiú）被控对象（xiàng）的精确数学模型（xíng）来解决多（duō）输入多输出（chū）非线性系统问题。现代控制理论可以定量地（dì）解决多输入多输出非线性系统问题（tí），但完全依赖于描（miáo）述被控对象的动态特（tè）性的（de）数（shù）学（xué）模（mó）型。鲁棒控（kòng）制可以（yǐ）很好（hǎo）解决因干（gàn）扰等因素引起的建模误（wù）差问题，但它的计算量非常（cháng）大（dà），依赖于高性（xìng）能的处理器，同时，由于是频（pín）域设（shè）计方法，调参（cān）也（yě）相对困难。

3.LQR LQR是被运用（yòng）来控制无人机的（de）比较成功（gōng）的方法之一，其对象是能用状态空间表达式表示的线性系统，目标函数为是状态变量或控（kòng）制变量的二（èr）次函数的积分。而且Matlab软件的使用为LQR的控制方法提供了良好的仿真条（tiáo）件，更为工程实现提（tí）供了便利（lì）。

4.增益调度法 增益调度（Gain scheduling）即在系统运行时，调度变量的变化导致（zhì）控制（zhì）器（qì）的参数随着（zhe）改变（biàn），根据调度（dù）变量使系统以不同（tóng）的（de）控制规律在（zài）不（bú）同的（de）区域（yù）内运（yùn）行，以（yǐ）解决系统非线性的问（wèn）题。该算法由两（liǎng）大（dà）部分组成，第一（yī）部分主要完成事件驱动，实（shí）现（xiàn）参数调整。 如果系统的运行情况改变（biàn），则可通过该部分来识别并切换（huàn）模（mó）态；第二部分为误差驱动（dòng），其控制（zhì）功能由选定的（de）模态来实现。该控制方法（fǎ）在旋翼无人机的垂直起降、定点悬停及路径跟踪等控制上有着（zhe）优异（yì）的性能。

二、基于学习的飞（fēi）行（háng）控制方法（fǎ）

基于（yú）学（xué）习的飞（fēi）行控制（zhì）方法的特（tè）点就是无需了（le）解飞行器的动力学模型，只要一些飞（fēi）行试验和（hé）飞行（háng）数据。其中研究最热门的有模糊控制方（fāng）法、基于人体学（xué）习的方（fāng）法（fǎ）以及神经网络法。

1.模糊（hú）控制方法（Fuzzy logic）模糊控制是解决模型（xíng）不确（què）定（dìng）性的方法之一（yī），在模型未知的情况下来实现对无人机的控制。

2.基于（yú）人体学习（xí）的（de）方法（fǎ）（Human-based learning） 美国MIT的科研（yán）人（rén）员为了（le）寻找能更好地控制小型无人（rén）飞行器的控（kòng）制方法，从参（cān）加军事演习进行特技飞行的飞机中采集数据，分（fèn）析飞行员对不同情况下（xià）飞（fēi）机的操作，从而（ér）更好地理解（jiě）无人（rén）机的输入（rù）序列（liè）和反馈机制。这种方法已（yǐ）经被运用（yòng）到小型无人机的（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（dān）、使用方便、易于实现, 但当（dāng）被控（kòng）对象具有复杂的非线（xiàn）性特性、难以建（jiàn）立精确的数（shù）学模型时（shí），往往难（nán）以达到满意的控制效果（guǒ）。神经网络（luò）自适应（yīng）控制技术能有（yǒu）效地实现多种不（bú）确（què）定的（de）、难以确切（qiē）描（miáo）述的非（fēi）线性复杂过程的控制（zhì），提（tí）高控制系统的鲁棒（bàng）性（xìng）、容错性，且控制（zhì）参数具有自适应和自（zì）学习（xí）能（néng）力（lì）。

三、基于（yú）模型的非线性控（kòng）制（zhì）方法

为了（le）克服某些线性控（kòng）制方法（fǎ）的限制，一些非线性的控制方法被（bèi）提出并且（qiě）被运用（yòng）到飞行（háng）器的控制中。这些（xiē）非线性的控制方法通常可以归类为基于模型（xíng）的非线性控制方（fāng）法。这其中有（yǒu）反馈线性化、模（mó）型预测控制、多（duō）饱和控制、反步法以（yǐ）及（jí）自适应控制。

1.反馈线性（xìng）化（huà）（feedback linearization） 反馈线（xiàn）性化是非线性系统常用（yòng）的一（yī）种方（fāng）法。它利用数学变（biàn）换的（de）方法和微分几何学的知识（shí），首先，将状态和（hé）控（kòng）制变量转（zhuǎn）变为线性形式，然后，利用常规的线性（xìng）设计的方法进行（háng）设计，最后（hòu），将设（shè）计的结果通（tōng）过反变换，转换为原始的状态和控制形式。反馈线（xiàn）性化理论有两个重要分支：微分几（jǐ）何法和动态逆（nì）法，其中动态逆方法较（jiào）微分几何（hé）法（fǎ）具有简单的推算特点，因此更（gèng）适（shì）合用在（zài）飞行控制系（xì）统的设计上。但是（shì），动态逆方法需要相（xiàng）当精确（què）的飞行（háng）器的模型，这在实际（jì）情况中是（shì）十分（fèn）困难的。此外，由于（yú）系统建模误（wù）差，加上外界的（de）各（gè）种（zhǒng）干扰，因此，设（shè）计（jì）时要重点（diǎn）考虑鲁棒性的（de）因素。动态逆（nì）的（de）方法（fǎ）有一定的工（gōng）程应用（yòng）前景（jǐng），现已成为飞控研究领（lǐng）域的一个热点话（huà）题。

2.模型（xíng）预测控（kòng）制（model predictive control） 模（mó）型（xíng）预测控制是一类（lèi）特殊的（de）控制方法。它（tā）是通（tōng）过在每一个采样（yàng）瞬间求（qiú）解一个（gè）有限时域开环的最优控制问题获得当前控制动（dòng）作。最优（yōu）控制问题的（de）初始状（zhuàng）态为过程的当前状（zhuàng）态，解得的最优控制序列只施（shī）加在第一个控制作用上，这是它和（hé）那些预先计算控（kòng）制律的算法的最大区（qū）别（bié）。本（běn）质上（shàng）看模型预测（cè）控制是求解一个开环最优控（kòng）制的问题，它（tā）与具体的模型（xíng）无关，但是实现则与模型相关（guān）。

3.多（duō）饱和控制（nested saturation）饱和现象是一种非（fēi）常普（pǔ）遍的物理现象，存在于大量的工程问（wèn）题（tí）中。运用多饱（bǎo）和控（kòng）制（zhì）的方法设计多（duō）旋翼无（wú）人机，可以解决其它控制方（fāng）法所不能（néng）解决的（de）很多（duō）实（shí）际的问（wèn）题（tí）。尤其是（shì）对于微小型无人机而言，由于大倾角的动（dòng）作以及外部干扰，致动器会频繁出（chū）现（xiàn）饱和。致动器（qì）饱和会（huì）限（xiàn）制操作的范围（wéi）并削弱控制系统的稳定性。很（hěn）多方法（fǎ）都已经被用来解决饱和输入的问题，但还（hái）没（méi）有（yǒu）取得理想（xiǎng）的效果。多饱（bǎo）和控制在控制饱和输入（rù）方面有着很好的全局稳定（dìng）性，因此这种方（fāng）法常用来控制微型无人机的稳（wěn）定性。

4.反步控制（Backstepping）反（fǎn）步控制（zhì）是非线性系统控制器设计（jì）最常用的方法（fǎ）之一，比较适合用来进行在线控（kòng）制，能（néng）够减（jiǎn）少在线计算的时间。基（jī）于（yú）Backstepping的控制器设计（jì）方法，其基（jī）本思路（lù）是将复杂的系统分解成（chéng）不超过系统（tǒng）阶数的多个子系统，然（rán）后通过反（fǎn）向（xiàng）递（dì）推为每个子系统设计部分李雅（yǎ）普诺夫函数（shù）和中间虚拟控制（zhì）量，直至设计完成（chéng）整个控制器。反（fǎn）步方法运用于飞控系统控（kòng）制（zhì）器的设计可（kě）以处理一类非（fēi）线性、不确（què）定性因素（sù）的影响，而且已（yǐ）经被（bèi）证明具有比较好稳（wěn）定性及误差的收（shōu）敛性。

5.自适应控制(adaptive control) 自适应（yīng）控制也是一种基于数（shù）学（xué）模型的控制方（fāng）法，它最大的特点就是对于系统内（nèi）部（bù）模型和外部扰动的信息依赖比较（jiào）少（shǎo），与模型（xíng）相（xiàng）关的信息（xī）是在运行系统的过（guò）程中不（bú）断获取的，逐步地使模型趋于完善。随着模型的不断改（gǎi）善，由（yóu）模（mó）型得到的（de）控制作用也（yě）会跟着改进，因此控制系统具有一（yī）定的适应能力。但同时（shí），自适应控制（zhì）比常规反馈控制要复杂，成本也（yě）很高，因（yīn）此只是在用（yòng）常规反馈达不到（dào）所期望的性能（néng）时，才会考虑采用自适应的方法。

咨询航拍服务可加昆明（míng）俊（jun4）鹰无人机飞控（kòng）手老鹰的微信laoyingfly