无人机的飞（fēi）行控制是（shì）无人机研（yán）究领域主要问题（tí）之一。在飞行过程中会受（shòu）到（dào）各种干扰（rǎo），如传（chuán）感器的噪音与漂移、强风与乱气流、载重量（liàng）变化及倾角过大引起的（de）模型变动等（děng）等。这些都会严重影响（xiǎng）飞（fēi）行（háng）器的飞行品质，因此（cǐ）无人机的控制技术便显得尤为重要。传统的控制方法主要集中于（yú）姿态（tài）和高度的控制（zhì），除此之外（wài）还有一些用来控制速度、位（wèi）置、航（háng）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（xià）三个主要的方面。
一、 线性飞行控制方法
常（cháng）规的飞行器控制方法（fǎ）以及早期的对飞行器控（kòng）制的尝试都（dōu）是建立在（zài）线性飞行控制理论（lùn）上的（de），这其中就又有诸如PID、H∞、LQR以及增益调度（dù）法。
1.PID PID控制属于传统控（kòng）制方法，是目前最成（chéng）功、用的（de）最广泛的控制方法之（zhī）一。其（qí）控（kòng）制方法（fǎ）简单，无需前（qián）期建模工（gōng）作，参（cān）数（shù）物理意义明确（què），适用于飞（fēi）行精度要求不高的（de）控制。
2.H∞ H∞属（shǔ）于鲁（lǔ）棒控（kòng）制的方法。经典（diǎn）的控制理论并不（bú）要求被控对象的精确数学模型来（lái）解决多输入多输出非线性系统问（wèn）题。现代控（kòng）制理论（lùn）可以定量（liàng）地（dì）解决多输入多输出非线性系（xì）统（tǒng）问题，但完全依赖于描述被控对象的动态特性的数学模型。鲁棒（bàng）控制可以很好解决因干扰等（děng）因素（sù）引起的建模误差问（wèn）题，但（dàn）它的计算（suàn）量非常大，依赖于高性（xìng）能的处理器，同时，由（yóu）于（yú）是频域设计方法（fǎ），调（diào）参也（yě）相对困（kùn）难。
3.LQR LQR是被（bèi）运用来控制无（wú）人（rén）机的比较（jiào）成功的方法之一（yī），其对象（xiàng）是（shì）能用状态（tài）空间（jiān）表达式表（biǎo）示的（de）线性（xìng）系统，目标（biāo）函数为是状态变（biàn）量（liàng）或控制（zhì）变量的二次函数的积分。而且Matlab软件的使用为LQR的控制方法提供了（le）良好的（de）仿真条件（jiàn），更为工程实（shí）现提供（gòng）了便利。
4.增益调度法 增益调（diào）度（Gain scheduling）即在系统运（yùn）行时，调度变量的（de）变化导致（zhì）控制（zhì）器的参数随着改变，根据调度变量使（shǐ）系统以不同的控制规律在不同的（de）区域内（nèi）运行，以解决系（xì）统非线（xiàn）性的问题。该算法由两大（dà）部（bù）分组成，第（dì）一部分主要完（wán）成事件驱（qū）动，实现参（cān）数调整。 如（rú）果系统（tǒng）的运行情况改（gǎi）变，则可通过该部（bù）分来识别并（bìng）切换模态；第二（èr）部分为误（wù）差驱（qū）动，其控制功能由（yóu）选定（dìng）的模（mó）态来（lái）实现。该（gāi）控制方（fāng）法在旋（xuán）翼无（wú）人机的垂直起降、定点悬停及路径（jìng）跟踪等控制上有着优异的性能。
二、 基于学习的飞行控制方（fāng）法
基于学习的（de）飞行控制方法的特点就是无需了解（jiě）飞行器的动力学模型，只要（yào）一些飞行试验和飞（fēi）行（háng）数据（jù）。其中研究最热门（mén）的有模糊（hú）控制方（fāng）法、基（jī）于人体（tǐ）学习（xí）的方法以及神（shén）经网络（luò）法（fǎ）。
1.模糊（hú）控制方法（Fuzzy logic）模糊（hú）控（kòng）制是（shì）解决（jué）模型不（bú）确定性的方法之一，在模型未（wèi）知的（de）情况下（xià）来（lái）实（shí）现对无人机的控制。
2.基于人体学习的方法（Human-based learning） 美国MIT的科（kē）研人员为了（le）寻找能（néng）更（gèng）好地控制小（xiǎo）型无人飞行器的（de）控制方法，从参加军事演习进行特技飞行的（de）飞（fēi）机中采集数据，分析飞行员对不同情况（kuàng）下飞机（jī）的（de）操（cāo）作，从而更好地理解（jiě）无人机的输（shū）入序列和反馈机制。这种方法已经被运用到小型无人机的自主飞行中。
3.神经网络法（Neural networks） 经典（diǎn）PID控（kòng）制结（jié）构简单（dān）、使用方便（biàn）、易于实现, 但当被控对象具（jù）有复（fù）杂的非线性特性、难以（yǐ）建（jiàn）立精确的数学模型时，往往（wǎng）难以达（dá）到满意的控制效果。神经网络自适应控制技术能有效地实现（xiàn）多种不确定的、难以（yǐ）确切描述的非线性复（fù）杂过（guò）程的控制，提（tí）高控制系统的鲁棒（bàng）性（xìng）、容（róng）错（cuò）性，且控制参数具有自适应和自学（xué）习能（néng）力。
三、 基于模型的非线性（xìng）控制方法
为了克服某些（xiē）线（xiàn）性控制（zhì）方（fāng）法的限制，一些非线（xiàn）性的控（kòng）制方法被提出并且被运用到（dào）飞（fēi）行（háng）器（qì）的控制中。这些非线性的控（kòng）制方（fāng）法通常可以归类为基于模型的非线（xiàn）性控制方法。这其中有反（fǎn）馈线性化、模型（xíng）预测控制、多（duō）饱和控制（zhì）、反步法以及自适应控制。
1.反（fǎn）馈线性化（feedback linearization） 反（fǎn）馈线（xiàn）性化是非线（xiàn）性（xìng）系统常用（yòng）的一（yī）种方法。它利用数学（xué）变（biàn）换的方法和微分几何学的知识，首（shǒu）先，将状态和控制变量转变为线性形式，然后（hòu），利用常（cháng）规的（de）线性设计的方法进（jìn）行设计，最后，将设计（jì）的结果通过反变换，转换（huàn）为（wéi）原始的（de）状态和（hé）控制（zhì）形式。反（fǎn）馈线性（xìng）化理论有两个重要分支：微分几何法和动态（tài）逆法，其中动态（tài）逆方（fāng）法（fǎ）较微分几何法（fǎ）具有（yǒu）简（jiǎn）单的推（tuī）算特点，因此更（gèng）适合用在飞（fēi）行控制系统（tǒng）的设计上。但是，动态逆方法需要（yào）相当精确的飞行（háng）器的（de）模型（xíng），这在（zài）实际（jì）情（qíng）况中（zhōng）是十分困难（nán）的。此外，由于系统建模（mó）误差，加上外界（jiè）的（de）各种干扰，因此，设计时要重（chóng）点考虑鲁棒性（xìng）的因素。动态逆（nì）的方法有一（yī）定的工（gōng）程（chéng）应（yīng）用（yòng）前景（jǐng），现已成（chéng）为飞控研究领域的一个热点（diǎn）话题。
2.模型预测控制（model predictive control）模型预（yù）测控（kòng）制是一类特殊的控制（zhì）方（fāng）法（fǎ）。它（tā）是通（tōng）过在每一个采样瞬间求解一个有限时域开（kāi）环的最（zuì）优控制问题获得当前控（kòng）制动作。最优控（kòng）制问题的初始状（zhuàng）态为（wéi）过程的当（dāng）前状态（tài），解得的最优控制序列（liè）只施加在第（dì）一（yī）个控制作用上，这是它和那些预先（xiān）计算（suàn）控制律的算法的最大区别。本质上看（kàn）模型（xíng）预测控（kòng）制是求解一个开环最优控制的问题，它与具体（tǐ）的模型无关，但是实现则与模型相关（guān）。
3.多饱和控制（nested saturation）饱和现象（xiàng）是一种非（fēi）常普遍（biàn）的物理现象，存在于大量的（de）工程（chéng）问题中。运用多（duō）饱和控制的方法设计多旋翼无人机，可以解（jiě）决其它控（kòng）制方法所不能解（jiě）决的（de）很多实际（jì）的问题。尤其（qí）是对于微小型（xíng）无人机而（ér）言，由于（yú）大倾角的动作以及外部干（gàn）扰（rǎo），致（zhì）动器会频繁出（chū）现饱和。致动器饱和会限制操作的范围并削弱控（kòng）制系统的稳定（dìng）性。很多方法都已经被用来（lái）解决饱和输（shū）入的问题（tí），但（dàn）还（hái）没有取得理想（xiǎng）的（de）效（xiào）果。多饱和控制在控制（zhì）饱和输入（rù）方面有着很（hěn）好的全局稳定性，因此这种方法常用来控（kòng）制微型无人机的稳定性。
4.反（fǎn）步控制（Backstepping）反步控制是非线性（xìng）系统控制（zhì）器设计最常用的方法之一，比较适合（hé）用来进行在线控制，能够减少（shǎo）在线计算的时间。基于Backstepping的控制器设（shè）计方（fāng）法，其基本思路是将（jiāng）复杂的系统分解成不超过（guò）系统阶（jiē）数的多个子系统，然后通过（guò）反向递（dì）推为每个子系统设计（jì）部分（fèn）李雅普诺夫（fū）函数和中（zhōng）间虚拟控（kòng）制量，直（zhí）至设计完成（chéng）整个控制（zhì）器。反（fǎn）步方法运（yùn）用于飞（fēi）控系（xì）统控制器的设计可以处理一类非线性（xìng）、不确定性因素的影（yǐng）响（xiǎng），而（ér）且已经被证（zhèng）明（míng）具有比较好稳定性及误差（chà）的收敛性（xìng）。
5.自适应控（kòng）制(adaptive control) 自（zì）适应控制（zhì）也是一种基（jī）于（yú）数学模型的控制方法，它（tā）最大（dà）的特点（diǎn）就是（shì）对于系统内部模型和外部（bù）扰动的信息依赖比（bǐ）较少，与模型相关的（de）信（xìn）息是在（zài）运行系统的（de）过程中不（bú）断（duàn）获（huò）取的，逐步地使模（mó）型趋于完（wán）善。随着模型的（de）不断改善，由模型得到（dào）的控（kòng）制（zhì）作（zuò）用也会跟（gēn）着改进，因此（cǐ）控制系统具有一定的适应能力。但同时，自（zì）适应控制比常规反馈控制要复（fù）杂，成本也很高，因此只是在（zài）用常规（guī）反馈（kuì）达不到所期望的（de）性能时，才会考虑采（cǎi）用自（zì）适应的方法（fǎ）。
咨询航拍服务可加昆明俊鹰（yīng）无人机飞控手老鹰的微信（xìn）laoyingfly |
