梳（shū）理完控制以及飞行力学的一些基本原理之（zhī）后（hòu），就该正式进入无人机导（dǎo）航、制导与控制的讨论了（le）。导航制导与控（kòng）制是（shì）无（wú）人机系统（tǒng）中最（zuì）复杂的分系统（tǒng），其功能可以有多种划分方法，本文中，我们就以下（xià）面框图所示的划分（fèn）方（fāng）法为例（lì），对无人机（jī）导航（háng）制导与控制系统的（de）基（jī）本原理和常用（yòng）方法做一下介绍和（hé）归（guī）纳。
由于GPS、室（shì）内定位甚（shèn）至自动驾驶在生（shēng）活（huó）中的（de）广泛应用，“导航”、“制导”、“控制”这几个词也越来越（yuè）为大众所熟悉和使用，但（dàn）是对（duì）于这些词的定义，我（wǒ）们日（rì）常生活中的（de）使（shǐ）用和理解方法可（kě）能（néng）与（yǔ）无人机（jī）语境有所不（bú）同，所以（yǐ）有必要对其在本系列文章中的含义做一下解（jiě）释：
导航：即无人（rén）机获得自己当前（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（qián）（相（xiàng）对于某个参照（zhào）系）的姿态、姿态角速度等（děng）信（xìn）息。例（lì）如（rú），采用（yòng）纯惯性导航可以获得无人机在某个惯性（xìng）系下的位置、速度和（hé）加速度，以及相对于该（gāi）惯性（xìng）系的姿态（tài）角和角速度；GPS导航系统则可以提供无人机（jī）在WGS84坐标系下的速度、位置和航向角等信息；而借助（zhù）如（rú）Vicon、UWB等室内定位系统则（zé）可（kě）以（yǐ）获得无人机相对于（yú）室（shì）内某（mǒu）个坐（zuò）标系的速度、位置等信息。因此（cǐ），简（jiǎn）要概（gài）括（kuò）导航的主要工作就（jiù）是要“知道自（zì）己在哪，知（zhī）道自（zì）己的姿态（tài）”。
制导：即无（wú）人机发（fā）现（或外（wài）部输（shū）入）目（mù）标的（de）位置、速度等信（xìn）息，并根据自己的位置、速度以及（jí）内部性能和外部环境的约束条件（jiàn），获得抵（dǐ）达目（mù）标所需的位置（zhì）或速度指令（lìng）。例如（rú），按照规划的航路点飞行时，计算无（wú）人机径直（zhí）或者沿某个（gè）航线飞抵航路点的指令；采用基于计算机视觉目标跟踪的光学制导时，根据目标在（zài）视场中的位（wèi）置（以及摄像（xiàng）头（tóu）可能存（cún）在的离轴角）计算跟（gēn）踪目标所需的过载（zǎi）或者姿态角速度指（zhǐ）令；而当（dāng）预装（或SLAM获得的）地图中存在需要规避的障碍物或禁飞区时，根据无人机飞行性能计算可（kě）行的规避（bì）路线或者速度指（zhǐ）令。因此（cǐ），简要概（gài）括制（zhì）导的（de）主要工作就是要“知道目标在哪，如何抵达目标”。
控制：即无人机根据当前的速度、姿（zī）态（tài）等信息，通过执行机构作用（yòng）来改（gǎi）变姿态（tài）、速度等参数，进而实现稳定飞行（háng）或跟（gēn）踪制导指令。例（lì）如（rú），当固定翼无（wú）人（rén）机需要爬升高度时，计算（suàn）需（xū）要的俯仰角（jiǎo）和俯仰角速度指（zhǐ）令，以及为了让（ràng）空速不至于大幅降低所（suǒ）需的油门指令；当沿着航（háng）线飞行，但是存（cún）在侧（cè）风时（shí），计算所需的偏航角指令以（yǐ）利用（yòng）侧滑抵（dǐ）消侧风影响；或者当多旋翼无人（rén）机的某（mǒu）个旋翼失效时，计算如（rú）何为剩余旋翼分配指令以尽可能实现稳定飞行（háng）。因此，简要概括控制的主要工（gōng）作就是“改变飞行（háng）姿态，跟踪制导指令（lìng）”。
虽然理论上，导航（háng）、制导和控（kòng）制这（zhè）三者（zhě）各司其职（zhí），只是（shì）在指令计算和执行上有顺承关系，但是在实际系（xì）统中，三者可能会有（yǒu）很（hěn）多交叉（chā）因素。例（lì）如，导航系统中所测量（liàng）或估计出的角速度（dù），既（jì）要用于导航系（xì）统的速度（dù）和位置估计，又要（yào）用于姿（zī）态控制；而在一些高机动性（xìng）的飞行器（如直接碰撞杀（shā）伤的动能拦截器等）和空天（tiān）飞行（háng）器（如（rú）升（shēng）力体再（zài）入返回的（de）制导控制）上也（yě）有制导与控（kòng）制一（yī）体化设计的趋势。但在本（běn）文中，仍（réng）然根据（jù）无人机（jī）的固有特性，尽（jìn）量将三者作（zuò）为具（jù）有（yǒu）独（dú）立功能的分系统看待。其中，导（dǎo）航系统原（yuán）理（lǐ）可以大致分为（wéi）以下几个类型：
基（jī）于绝对参考系的导航。如惯性导航、磁罗盘导航等。惯性导航（háng）运用牛顿力（lì）学原理（lǐ），通过构建一个（gè）与机体固联的惯（guàn）性平（píng）台，从而根（gēn）据加速度计（jì）测量的惯性加速度计算在某惯（guàn）性参考系下的速度（dù）和位置，根据陀螺仪测量所得的（de）角速（sù）度计算（suàn）机体相对于惯性平台的（de）姿态角，从而只需要（yào）加速度计和陀螺仪满足一（yī）定的精度（dù）要求，就可（kě）以在（zài）不需（xū）要外（wài）部（bù）信息的情况下获得机体相对于惯性参考系的速（sù）度、位置和姿态（tài）角（jiǎo）。之所以将与机体固联的移动参照系成为惯性平（píng）台，是因为早期的平台式惯性（xìng）导航设备中确实存在一个（gè）物理（lǐ）上的框架，该框架基于陀（tuó）螺进动原（yuán）理始终与（yǔ）惯（guàn）性系（或当地铅锤坐标系（xì））保持平行。高精度的平台惯导系统可以（yǐ）长期不（bú）需要（yào）外部（bù）信息（xī）进（jìn）行导航，例如有些核潜艇（tǐng）所装备的惯导系统（tǒng）可以保（bǎo）证水（shuǐ）下航行数月的导航误差在数海里（lǐ）的量（liàng）级。
虽然平（píng）台惯导的精度（dù）很高（gāo），但（dàn）是由于系统复杂且体积巨大（dà），不便于在小（xiǎo）型飞行器上装备（bèi），随着计算（suàn）机技（jì）术和导航器件技术的（de）发展，捷联惯导越（yuè）来越多地被使用。与平台惯导所用的物理平（píng）台不同，捷（jié）联惯导的陀（tuó）螺（luó）仪和加速度计都与机体固连，因此采用虚拟（nǐ）的（de）数学惯性平台，即惯（guàn）性器（qì）件测量（liàng）所得（dé）数据都会（huì）经过坐标变（biàn）换的数学（xué）运算转换到惯性坐标系下，由于去掉了物理平台，捷联（lián）惯导（dǎo）系统的体积大幅缩减。特别（bié）是（shì）近二十年来（lái）快（kuài）速发展的MEMS（微机（jī）电（diàn）系统）器（qì）件，已经可以（yǐ）将捷联（lián）惯导系统的（de）体积（jī）缩小到（dào）几（jǐ）立方厘米的（de）量级。
当然，惯性导航并非（fēi）完美，由于导航过程依（yī）赖（lài）惯性器件的（de）输出数据、坐标变换以及数值积分，所以器件误差和数值计算（suàn）的截断误差会不断累积，在缺（quē）乏额外的相对于绝对坐标系的信息（xī）时，该误差（chà）无法被修正，因此，惯（guàn）导系统通常作为飞行器的主要导航系（xì）统，但同时（shí）还需要（yào）其他导航信（xìn）息对惯（guàn）导结（jié）果进行修（xiū）正。
几乎其他所（suǒ）有导航方法都可以用于修正（zhèng）惯导系统误差，甚至是惯导系统本（běn）身，如（rú）AHRS（航姿参考系统（tǒng）），这种系统除了采用陀螺仪积分得出（chū）姿态角，还能根（gēn）据加速度计测（cè）量的重（chóng）力方（fāng）向以及磁罗盘（pán）测量的磁（cí）航（háng）向对姿态角（jiǎo）结（jié）果进（jìn）行（háng）修正，从（cóng）而在陀螺仪精度（dù）不高的情（qíng）况下获得长期稳定的姿态角输出，不过由于低精（jīng）度器件所得的姿态角结（jié）果短期和长期均有不同（tóng）程度（dù）的（de）误差，该（gāi）系统无法进（jìn）行精确（què）的航位推算。
基于距（jù）离测量（liàng）的导航。如卫星导航、室内定位等（děng）。这类导航方式一般是通过（guò）测（cè）量（liàng）飞行器与已知（zhī）精确位置的参考点之间的距离，从而（ér）解算出（chū）飞行器位置。例如卫（wèi）星导（dǎo）航系统就是通过接收多（duō）颗卫星发射出来的星历信息，从中得出时间（jiān）差并根（gēn）据光速（sù）计算出距离，从而解（jiě）算（suàn）出飞（fēi）行（háng）器在WGS84坐标系下的位置和经纬高度信息。同样采用类似方式（shì）的（de）还（hái）有室内定（dìng）位应用（yòng）中很火的WIFI定位和UWB定位技术，均是利用信号强度或发送接收的（de）时（shí）间差计（jì）算飞行器与各参考点（diǎn）之间的距离，从（cóng）而解算飞（fēi）行器实时（shí）位置。
基（jī）于特征（zhēng）匹配的导航。如地（dì）形匹（pǐ）配、运动捕（bǔ）捉系统等。这类（lèi）导航方式通（tōng）常是通过飞行器实时（shí）提（tí）取地磁、地貌、图像等特征，并与特征（zhēng）库进行比对或进（jìn）行相应计（jì）算，从而得（dé）到飞行器位置、速度（dù）等信息实现导航功能，如（rú）巡航导弹中所使用的地（dì）形匹配方法（fǎ）和现（xiàn）在比较火的SAR（合成孔径雷达）地貌匹配方（fāng）法，都是通过提取飞行路（lù）径上的一维或（huò）二维地形地貌信息（xī），并与数字高程地（dì）图（tú）库进行比（bǐ）对，从（cóng）而获知当前位置、速度等信息，这在卫星导航信号丢失（shī）时的长期导航（háng）具有重要意义。运用（yòng）计算机（jī）视觉（jiào）技术，通过识（shí）别已知位（wèi）置上的标（biāo）记物（wù）特（tè）征完成位置（zhì）、速度（dù）估计的方法也归（guī）属（shǔ）此类。还有另一类导航方法（fǎ）就是类似于（yú）Vicon的运动捕捉（zhuō）系统，这种系统则是通过已知位置（zhì）的（de）光学等传（chuán）感器识别飞行（háng）器上（shàng）设置（zhì）的标（biāo）记（jì）物，从而解算出飞行器实（shí）时位置、速度。
而既然说到基（jī）于特征，就（jiù）不得不关注计算机视觉在导航（háng）中的应用，例如在消（xiāo）费级无人机上运用（yòng）多（duō）年（nián）的稀疏（shū）光（guāng）流算法，就是根（gēn）据灰度（dù）图（tú）像中特（tè）征（zhēng）点的运动（dòng）计算出（chū）无人机的运动速度，近年来火爆的SLAM则更是将计算机视觉发（fā）挥到极（jí）致，这种算法通过将运（yùn）动中实（shí）时（shí）采集的图像（xiàng）特征性信息（xī）与惯导等系统信息进行融合，从而可以在未知环境（jìng）中（zhōng）一边完成周围场（chǎng）景（jǐng）的三维模型（xíng）重（chóng）建，一边进行自身（shēn）在场景中相对位置和速（sù）度的解算。
说回无（wú）人机的导航，当前多数（shù）无人机采用惯导/卫（wèi）星（xīng）导航组合（hé）作为基本（běn）的导（dǎo）航方（fāng）式（shì），可以保证绝大多（duō）数（shù）场景下的稳（wěn）定导航（háng）。大型军用无人机由于对导航系统的轻量（liàng）化和（hé）成本要求不（bú）高，为了实现较高（gāo）的导航精度（dù），其通常（cháng）仍采用（yòng）光纤/激光（guāng）陀螺和石英加（jiā）速度计组成（chéng）的高精度惯导系统，而中小型和（hé）民用无人（rén）机（jī）则采用更轻小更廉价，但是精度（dù）较低的MEMS器件组（zǔ）成惯导或航（háng）姿（zī）参考（kǎo）系统，与卫星导航（háng）组合后，仍能（néng）提（tí）供有效的导航信息输出。
而在某些（xiē）特（tè）殊应用场景下，卫（wèi）星导航信号（hào）会丢失，如微型无人机在室内和城市（shì）楼群之间飞行（háng），这（zhè）时就需要其他的导（dǎo）航方（fāng）式进（jìn）行辅助。常用的比如气（qì）压计的使用就可以以较低的综合成本获得低精度的海拔高度（误差100米（mǐ）量级（jí））和较（jiào）高精度的相（xiàng）对高度信息（误差0.1米量级）。无人机在（zài）室（shì）内（nèi）飞（fēi）行（háng）时，可以架设前文提到的WIFI、UWB或Vicon等需要复杂（zá）外部设（shè）备的（de）室内定（dìng）位系统，或者外部设置（zhì）已知（zhī）位置的标记物，通过（guò）无人机（jī）的视觉系统完成（chéng）识别和自身定（dìng）位。而在极为特（tè）殊的场景下，如各种高危（wēi）未知环（huán）境的勘（kān）测，使得常用（yòng）辅助导航（háng）系统都难以使用时，就不得不（bú）祭（jì）出SLAM这一杀手锏了，SLAM技术正处于（yú）高速发展中，且已经有（yǒu）多种（zhǒng）实用的（de）方案出现了，完（wán）美的SLAM系统可（kě）以完成科幻电影（yǐng）里那种放出去几驾微型无（wú）人（rén）机自由飞行，配合一个（gè）便携地（dì）面站，便可以实时（shí）地重（chóng）建周围环境的3D模型，这（zhè）种性能在未来五年之（zhī）内肯定可以实现。当然（rán）绝大多（duō）数辅助的导航方（fāng）式（shì）都（dōu）难以输出用于（yú）制导控（kòng）制的高频率（200Hz以上）导航信（xìn）息，因此通常情况下仍是将辅助导航（háng）系统与惯性导航（háng）相结合（hé）。
下面来（lái）讨（tǎo）论（lùn）无人机的制导，现阶段（duàn）大多数军用还（hái）是民用无（wú）人机在自动飞行过程中仅需完成航（háng）路点（diǎn）或航线的跟踪，因（yīn）此制（zhì）导策略相对简（jiǎn）单。多旋翼无人机（jī），跟踪航路（lù）点（diǎn）时（shí）只需要将飞行速度方向（xiàng）对准下一个航路点，跟踪航线也（yě）仅（jǐn）需首先（xiān）飞到航线上距离当前位置最（zuì）近的点即可；而这项（xiàng）任务对于固定翼无人机（jī）相对复杂。因为固定翼无（wú）人机的（de）速度方向需要通过航向来改变，而航（háng）向（xiàng）则需要通过滚转来改变（biàn），这就使（shǐ）得滚转角与（yǔ）速度方（fāng）向之间（jiān）形成了近似二阶环节的过程，这（zhè）通（tōng）常可以运用导（dǎo）弹（dàn）的比例导引法来实现航（háng）路点跟踪。比例（lì）导引法的基本原理就是让飞行（háng）器速度矢量在空（kōng）间中（zhōng）的（de）转动（dòng）角（jiǎo）速度正比于飞行器（qì）与目标间的视线角（jiǎo）变化率，对于航（háng）路点这一静止目标，只需要无人机与航（háng）路点之间的距离足够，就可以保证准确抵达下一个航（háng）路点，而对于航线跟踪，则（zé）需要选择一个虚拟（nǐ）的目标点使得无人机首先向航线靠近，然后再逐步将方向对准航（háng）线方向。例（lì）如现在被广（guǎng）泛使用的L1制（zhì）导算（suàn）法，就是在航线上选择与无人机距离为L1的参考点，然后（hòu）根据速度方向与（yǔ）到（dào）参考点（diǎn）连线（xiàn）方向之（zhī）间的夹角计算横向机动的（de）需用（yòng）过载，进而（ér）实（shí）现航线跟踪。
而（ér）随着无人机在多种场景下应用的不断深入，除了航路点和（hé）航线的（de）跟（gēn）踪以外（wài），无人机抵达目标的最优路（lù）径选择，障碍（ài）物或禁飞（fēi）区（qū）规避以及多机协同工作所需要（yào）的制导策略越（yuè）来越复杂。我们知道最优控（kòng）制方法（fǎ）在航天器轨（guǐ）道转移、火（huǒ）箭入轨制导等问题中（zhōng）起到了良好的效果，但（dàn）是对于（yú）大气中飞行（háng）的无人机路径规划，基于间接（jiē）法的最优控制问题（tí）很难求解，因（yīn）此（cǐ）无人机路径规划往往采用基于网格地图（tú）的搜（sōu）索（suǒ）算法，或（huò）者蚁（yǐ）群算法、遗传算法等特殊的（de）路径优化方法。例（lì）如在基于概率地图的搜索算法（fǎ）中，首先运（yùn）用随机概率方法在自由空（kōng）间（jiān）（任务空间中，除去障碍（ài）物后（hòu）的空间）中（zhōng）选（xuǎn）取采样点，并（bìng）选取（qǔ）距离当前点最近的k个点构成当前点的临近点集（jí），然后利用（yòng）局部规划器将当前点与（yǔ）其临（lín）近点（diǎn）集中的所有点用（yòng）直线段连接起来，同时进行相交检验（yàn），将（jiāng）不与障碍物（wù）相交的（de）直线段保留下来构成一个图，作为初始路径， 完成（chéng）路（lù）径规划（huá）的学习阶段；在查询阶段，运用优（yōu）化方（fāng）法对上述图（tú）进行搜索，从（cóng）而得到（dào）由（yóu）图（tú）的边构成的从（cóng）出发点到目的点并满足优化目（mù）标的路径。
另（lìng）一类常（cháng）用的算（suàn）法并（bìng）不是（shì）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（chéng）一（yī）种在抽象的人造引力场中的（de）运动，如下图所（suǒ）示，目标物对无人机产生“引（yǐn）力”，而（ér）障碍物对无人（rén）机产生“斥（chì）力”，通过求解目标和所有障碍物对无人机产生的合力，就可以得到（dào）无（wú）人（rén）机运动速度或加速度指（zhǐ）令。相（xiàng）对于（yú）大（dà）多数搜（sōu）索算法，人工势（shì）场法运算量（liàng）更小，且得到（dào）的轨迹更平（píng）滑。
以上这两类制导（dǎo）算法（fǎ）通常适（shì）用于一架无人机的（de）航路跟踪或路径规划，而当设计无人机编队甚至集群时，问（wèn）题复杂程度则骤增。对于（yú）集群（qún）中的某个无人机（jī）来说，其他无人机既是可以协作和互通信（xìn）息的伙伴，同时（shí）又是（shì）快速移动的障碍物，而整个（gè）集群的路径规（guī）划有需（xū）要考虑（lǜ）集群以及其中（zhōng）每（měi）一架无（wú）人（rén）机特性所形（xíng）成的约束条件（jiàn），或（huò）者当集（jí）群处于协同作（zuò）战模式时，又需（xū）要对目（mù）标自发形（xíng）成各角度的全（quán）向饱（bǎo）和攻（gōng）击，当然，这其中需要解决的问题正是当前（qián）研究（jiū）的热点。
最后（hòu）再讨论一下无人机的（de）控（kòng）制，导航系统获（huò）得了无人机当前（qián）位置速（sù）度和姿态信息，制导系统完成路径规划和制导指令生成，而控制（zhì）的任务就是（shì）精确、快速稳定地跟踪收到的制导指令，因此控制也（yě）是最关键的环节。最（zuì）常（cháng）用的控制算法还是历久弥新（xīn）的PID，通过将被控参数参（cān）考值与当前值误差的比例、积分和（hé）微（wēi）分进行适当组合，便（biàn）能够完成大部分近（jìn）似线性系统（tǒng）的有效控制。
而事实（shí）上，现在工（gōng）程中所使用（yòng）的很多PID算法，早（zǎo）已经不是基（jī）本的构型了，常用（yòng）的改进方式主要有以下几种：
增益调（diào）度：既然PID控（kòng）制器设计（jì）过程一般（bān）是在某个（gè）平衡点处做系统的（de）小扰（rǎo）动线性化方（fāng）程（平心而论，工程中还真不都是这么按（àn）流（liú）程来，各种野路子（zǐ）都有），进而完成设（shè）计的（de），那么只要在（zài）正（zhèng）常工作范（fàn）围（对于（yú）无（wú）人机来说可以是飞行（háng）包线）内（nèi）选取足够的平衡点，并（bìng）根据每个平衡点（diǎn）的模型选择（zé）合（hé）适的PID控制参数（shù），这（zhè）样就（jiù）可以在（zài）控制器工作中通过插值等（děng）方式选择（zé）相应平衡点附近（jìn）的控制参（cān）数，这种变参数的方法就是（shì）一（yī）种增益调度方法，而基（jī）于增益调度的PID控制器就可以针对具有一定非线性特性的系统进行控制。这种方法在飞行控制中（zhōng）已应用多年。
参数（shù）自适应：比如以系统（tǒng）积分误（wù）差性能指标（biāo）为准则（zé），搜索使得（dé）误差性能（néng）指标为最小的参数作为控制器（qì）参数，又或者基于神经网络（luò）和遗传算法的参数自适（shì）应等，不过这些方法在（zài）工程（chéng）中（zhōng）使（shǐ）用的比较少（shǎo）。
串级（jí）：通过将被控系统分（fèn）为（wéi）内外环，只需要内（nèi）外环的（de）固有（yǒu）频率有一定（dìng）的（de）差别（bié）（比如说内环频率（lǜ）是外环的五倍以（yǐ）上，无人机的姿态（tài）响应和位置（zhì）响应一般可以满足），即（jí）可（kě）用实（shí）现快变量和慢变量（liàng）的分别控制，通过简单的调参就可以实现快速的内环响应和精（jīng）确的外环（huán）控（kòng）制，并具有比单个控制器更好（hǎo）的（de）抗干（gàn）扰性能。
积分抗饱和：PID控制中的积分（fèn）作用（yòng）虽然可（kě）用消除稳态误差，但是积分退饱和过（guò）程带来的超调往（wǎng）往（wǎng）较（jiào）大，因此可用在被（bèi）控参（cān）数的误差较（jiào）大时，停止误差的（de）积分过程，或者（zhě）对误差（chà）的积分值（zhí）进行限（xiàn）幅，这样就可以显著地降低超（chāo）调量，缩短过程的稳（wěn）定时（shí）间。
不完全微分：虽然被控参数一般不会出现突变，但是参考值却经常会出（chū）现突变，这使得误（wù）差的微分也会突变，为了降低这种突变（biàn）造成的控制量幅（fú）值，可以（yǐ）采（cǎi）用（yòng）不完（wán）全微分策略，即微分只作用于被控参数（如飞行控制中的角速度阻尼）。
PID算法的改进方式还有很多，难以细数，不（bú）过（guò）这种改进终归难以（yǐ）解决所（suǒ）有问题，例如被（bèi）控对象（xiàng）的高（gāo）度非线性、强耦合性、时（shí）变性等特性，因此新的（de）控制方法层（céng）出不穷（qióng）。下面列举几种较为实用的其（qí）他（tā）控（kòng）制方法。
反馈线性化：利（lì）用数学变换的（de）方法和微分几何学的知识，将状态和控制变量转变为线性形式，然后（hòu），利用常规的（de）线（xiàn）性设计的方（fāng）法进行设（shè）计，将设计的（de）结果（guǒ）通过（guò）反变换，转换（huàn）为原始的状（zhuàng）态和控制形（xíng）式。反（fǎn）馈线性（xìng）化可以将存在通道间耦合的非线性系统变换为（wéi）解耦的线性系（xì）统，方便外环（huán）的（de）线性控制器设计（jì）。不过该方法应用中或（huò）多或少（shǎo）会存在建模误（wù）差，因此（cǐ）设计时（shí）要（yào）重（chóng）点考虑鲁棒性的因素。
滑模（mó）变结（jié）构：这种（zhǒng）方（fāng）法不需要对被控（kòng）对象（xiàng）进行（háng）精确建模，而是在动态过程中，根（gēn）据系统当（dāng）前（qián）的状态(如偏差及其（qí）各（gè）阶导数等)有目的（de）地不断（duàn）变化，迫使系（xì）统按（àn）照预定“滑动模态”的（de）状（zhuàng）态轨迹运动。由于滑动模态可（kě）以进行设计且与（yǔ）对（duì）象参数（shù）及扰（rǎo）动无关,这就使得滑模控制具有快速响应（yīng）、对（duì）应参（cān）数变化及（jí）扰动（dòng）不灵敏、无需系统在线辨识、物理实现简单等优点。但是基本的（de）滑模变结构算法存（cún）在（zài）控制参数（shù）抖振的问题，需要再趋近率设计时进（jìn）行适当（dāng）的（de）优（yōu）化策略。
反（fǎn）步控制：其基（jī）本思（sī）路是将（jiāng）复杂的系统分解成不超过系统（tǒng）阶数（shù）的多个（gè）子系统，然后通（tōng）过反向（xiàng）递推为（wéi）每个（gè）子系统（tǒng）设计部分李雅普诺夫函（hán）数（shù）和中间（jiān）虚拟控制量（liàng），直至设（shè）计完成（chéng）整个控（kòng）制器。反步方法运用于（yú）飞控（kòng）系统控制器的设计可以处理一类非线性、不确定性（xìng）因素（sù）的影响，而且已经被证明（míng）具有比较（jiào）好稳定性及误差的收敛性。
自（zì）适（shì）应逆：与动态逆的思（sī）想类似，这种方法运（yùn）用各种（zhǒng）自适（shì）应逆滤波网络（luò）（如LMS滤波（bō）器（qì）网络、神（shén）经网络等）去拟（nǐ）合出被控对象的逆（nì）系统，从而将控制（zhì）器（qì）与被控（kòng）对象构（gòu）成（chéng）的（de）前（qián）向通道变换成（chéng）一（yī）一映射的线性化解耦系统，而之（zhī）所以称（chēng）为（wéi）“自适（shì）应”，则是这个拟合出逆（nì）系统的网络可以（yǐ）在线学习被控对（duì）象的特（tè）性。这种方法在仿真中可以（yǐ）取得比（bǐ）传统控制方法优（yōu）越很（hěn）多的效果，但是由于滤波器（qì）网络可（kě）能存（cún）在无法检出的（de）内部缺陷（xiàn），所以在某些状（zhuàng）态（tài）组合下，可（kě）能（néng）会（huì）出现（xiàn）故障（包括深度神经网（wǎng）络在内的所有（yǒu）神经网络都潜在此（cǐ）风险）。
本文简要梳（shū）理了（le）可（kě）用（yòng）于无人机的（de）导航、制（zhì）导和控制的方法、策略或（huò）算（suàn）法，其中部分算法（fǎ）将在后（hòu）续的（de）仿真系统（tǒng）相应的（de）文章详细介绍并在代码中体现。（源自：知（zhī）乎）
咨（zī）询航拍服务可（kě）加昆明俊鹰（yīng）无人机（jī）飞控（kòng）手老鹰的微信laoyingfly |
