无人机的飞行控（kòng）制是（shì）无人机（jī）研究领（lǐng）域主要问题之一（yī）。在飞行过程中会受到各种干（gàn）扰（rǎo），如传感器的噪音与漂移、强风与乱气流、载（zǎi）重量（liàng）变化及（jí）倾角过大引起的（de）模型变动等等。这些都会严重影响飞行（háng）器的飞行（háng）品质（zhì），因此无（wú）人机的控制技术便显（xiǎn）得尤为重要。传（chuán）统的控制方法主要集中于（yú）姿态和高（gāo）度（dù）的控制，除此之外还有一些用来控制速度、位（wèi）置、航向（xiàng）、3D轨迹跟踪控（kòng）制。多旋翼（yì）无人机的控（kòng）制方法可以总（zǒng）结（jié）为以（yǐ）下（xià）三个主要的方面。
一、线（xiàn）性（xìng）飞行控制（zhì）方（fāng）法
常规的飞行器控制方法以及（jí）早期（qī）的对飞行（háng）器控制（zhì）的尝（cháng）试都是（shì）建立在线性飞（fēi）行控制（zhì）理论上的，这其中就（jiù）又（yòu）有诸如PID、H∞、LQR以及增益调度法（fǎ）。
1.PID PID控制属于传（chuán）统控制方法，是目前最成功、用（yòng）的最广泛的（de）控制方法之一。其控制方法（fǎ）简单，无需前期建模工（gōng）作，参数物理（lǐ）意（yì）义明（míng）确（què），适用于飞行精度要求不（bú）高（gāo）的控（kòng）制。
2.H∞ H∞属于鲁棒控制的（de）方法。经典的控制理论并不要求被控对象的精确数学（xué）模（mó）型（xíng）来（lái）解决多输入多输出非（fēi）线性系统（tǒng）问题。现代控制理论可以定（dìng）量地解决多输入多输出非线性系统问题，但完全依赖于描（miáo）述被控对象的动态特（tè）性的数学模型（xíng）。鲁棒控制可（kě）以（yǐ）很好解决因干扰等因素引起的建模误（wù）差问题（tí），但它的计算（suàn）量（liàng）非（fēi）常大（dà），依赖于高性能的处理器（qì），同时，由于（yú）是（shì）频域设（shè）计方法，调参也相对困难（nán）。
3.LQR LQR是被（bèi）运用来控制无人（rén）机的（de）比较成功（gōng）的方法之一，其对象是能用状态空（kōng）间表达式表（biǎo）示的线性系统，目标函数为是（shì）状态（tài）变量或控制变量的二（èr）次（cì）函数的积分。而且Matlab软件的使用为（wéi）LQR的（de）控制（zhì）方法提供了良好的仿真（zhēn）条件，更为工程（chéng）实现（xiàn）提供了便利。
4.增益（yì）调度法 增益调度（Gain scheduling）即在系统运行（háng）时，调度变量的变化导致控制器的参数随着改变，根据调度变量使系统以不同的控制规律（lǜ）在不（bú）同（tóng）的区（qū）域内运（yùn）行，以解决（jué）系统（tǒng）非线性的问题（tí）。该（gāi）算法由两（liǎng）大（dà）部（bù）分组成，第（dì）一部分主要完成事件驱动，实现参数调整。 如果系统的（de）运行情况改变，则可通过该（gāi）部分来（lái）识别并切（qiē）换模态；第（dì）二（èr）部（bù）分为误（wù）差驱动，其（qí）控（kòng）制功能由选定的模态来实（shí）现。该控（kòng）制方法在旋（xuán）翼无人机的垂直起（qǐ）降（jiàng）、定点悬停及路径（jìng）跟踪等控制上有（yǒu）着（zhe）优异的性能。
二、基（jī）于学习的飞（fēi）行控制方法（fǎ）
基于（yú）学习的（de）飞行控制方法的特点就是无需了（le）解飞行器的动力学（xué）模型，只要一（yī）些（xiē）飞行试（shì）验和飞行数据。其中（zhōng）研究最（zuì）热门的有模糊控（kòng）制方法、基于人体（tǐ）学（xué）习的（de）方（fāng）法以及神经网络（luò）法。
1.模糊（hú）控制方（fāng）法（Fuzzy logic）模糊控制是解决模型不（bú）确定性的方（fāng）法之（zhī）一，在模（mó）型未（wèi）知的情况下（xià）来实现对（duì）无人（rén）机的（de）控制。
2.基（jī）于（yú）人体学习（xí）的（de）方法（Human-based learning） 美国MIT的科研人员（yuán）为了寻（xún）找能更好地控制小型（xíng）无人飞行器（qì）的控制方法（fǎ），从参加军（jun1）事演习（xí）进（jìn）行特技飞行的飞（fēi）机中采集数据，分析（xī）飞行员对不同情况下飞机（jī）的操作，从（cóng）而更好地理解无人机的输入（rù）序（xù）列和反馈机制。这种方法（fǎ）已经被运用（yòng）到小型（xíng）无人机（jī）的自主（zhǔ）飞（fēi）行中。
3.神经网络法（fǎ）（Neural networks） 经典PID控（kòng）制结构简单、使（shǐ）用方便、易于实现, 但（dàn）当被控（kòng）对象具有复杂的（de）非线性特性、难以建立精确的数学模型时，往往难（nán）以达到满意的控制效果（guǒ）。神经（jīng）网络自（zì）适应控制技术能有效地实现多种（zhǒng）不确（què）定的、难（nán）以确（què）切描述的非线性复（fù）杂过程的控制，提高控制（zhì）系统（tǒng）的鲁棒性、容错性（xìng），且控制参数具有自适应和自学（xué）习能力。
三、基于模（mó）型的非线性控制方法
为了克（kè）服某些线性控制方法的限制，一些非线性（xìng）的（de）控制（zhì）方法被提出并且被运用到飞行器的控（kòng）制中（zhōng）。这（zhè）些非线性（xìng）的控制方（fāng）法通常可以（yǐ）归类为基于（yú）模型（xíng）的非线性控制方法（fǎ）。这其中（zhōng）有反馈线性化（huà）、模型预测控制、多饱和控制、反步法以及自适应（yīng）控（kòng）制。
1.反馈（kuì）线性化（feedback linearization） 反馈线性化是非线（xiàn）性系统常用（yòng）的一种方法。它利用（yòng）数学变换的方法和（hé）微（wēi）分几何学（xué）的知识（shí），首（shǒu）先，将状态和控制变量转（zhuǎn）变为线性形式，然后（hòu），利用常规的线性设计的方法进行（háng）设计，最后，将设计的结果通过反变换，转换为原始的（de）状态和控制形式。反馈线性（xìng）化理（lǐ）论有两个重要分支：微分几何（hé）法（fǎ）和动态（tài）逆法，其中动态（tài）逆（nì）方法较微分几（jǐ）何（hé）法具有简单的推算特点，因此更适合用在飞行控制系统的（de）设计上。但（dàn）是，动态逆方（fāng）法需（xū）要（yào）相当精确（què）的飞行器的模型，这在实（shí）际情况中是十分（fèn）困（kùn）难（nán）的。此（cǐ）外，由于系统建模误差（chà），加上外界的（de）各种干扰，因此，设计时要重点考虑鲁棒性的因素（sù）。动态逆的方法（fǎ）有一定的工程应用前景，现已成为飞控研究领域的一个（gè）热点话题。
2.模型预测控制（model predictive control） 模型预测控制是一类特（tè）殊的控制方法。它是（shì）通过在每一个采样瞬间求解一个有（yǒu）限（xiàn）时域开（kāi）环的最优控制（zhì）问（wèn）题（tí）获得当前控制动（dòng）作。最优控制（zhì）问题的初始状态为过程的当前状态，解得的最优控制序列只施加在第一个控制作用上，这是它和那些预先计算控制（zhì）律的算法（fǎ）的最大区别。本质上看（kàn）模型（xíng）预测控制（zhì）是求解一个开环最优控制的（de）问题，它（tā）与具体的模型无关，但是实现则与模（mó）型相关（guān）。
3.多饱和控制（nested saturation）饱和现象是一种非常（cháng）普遍（biàn）的物理现象，存在于大量的工程（chéng）问（wèn）题中。运用多饱和控制的方法设计多旋（xuán）翼无人机，可以解决其它控制（zhì）方法所不能解决（jué）的很（hěn）多实际的（de）问题。尤其是对于微小（xiǎo）型无人机而（ér）言（yán），由于大（dà）倾（qīng）角的动作以及（jí）外部干扰，致（zhì）动器（qì）会频繁出现饱和。致动（dòng）器（qì）饱和会限制操（cāo）作的范（fàn）围并削弱控制系统的（de）稳定性。很多方法都已经被用来解决（jué）饱和输入的问（wèn）题，但（dàn）还没有取（qǔ）得理（lǐ）想（xiǎng）的效果。多饱（bǎo）和控制在控制饱（bǎo）和输入方面有着（zhe）很好的（de）全（quán）局（jú）稳定性，因此这（zhè）种方法常用来控制微型无人机的稳定性。
4.反步控制（zhì）（Backstepping）反步控（kòng）制是（shì）非线性（xìng）系统（tǒng）控制器（qì）设计最（zuì）常（cháng）用的方法之（zhī）一，比较适合用（yòng）来进行在线控（kòng）制，能够减少在线（xiàn）计算的时间。基（jī）于Backstepping的控制器设计方法，其基（jī）本思路是将（jiāng）复杂的系统分解成不超过系统阶数的多个（gè）子（zǐ）系统（tǒng），然后通过（guò）反向递推（tuī）为每个子系统设计部（bù）分（fèn）李雅（yǎ）普诺夫函数和中（zhōng）间虚拟控制量（liàng），直至设计完成整（zhěng）个（gè）控制器。反步方法运用于飞（fēi）控系统控制器的设计可以处理（lǐ）一（yī）类（lèi）非线性、不确（què）定性因（yīn）素（sù）的（de）影响，而且已经被证明具有比较（jiào）好稳定性及误差（chà）的收敛性。
5.自适应控制（zhì）(adaptive control) 自适应控制（zhì）也是一种基（jī）于（yú）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）部模（mó）型和外部扰动（dòng）的信息依（yī）赖比较少，与模型相关的信（xìn）息是（shì）在运行系统的过程中不断获取（qǔ）的，逐步地使模型趋于完善。随着（zhe）模型的（de）不断改善，由模型得到的控制作（zuò）用也会跟着改进，因此控制系统具有（yǒu）一定的适应（yīng）能力。但同时，自适（shì）应（yīng）控制（zhì）比常（cháng）规反馈控（kòng）制要复杂，成（chéng）本也很（hěn）高，因此（cǐ）只是在用常规反馈（kuì）达不到所期望（wàng）的性能时（shí），才会考虑采用自（zì）适应的方法。
咨（zī）询航（háng）拍服务可（kě）加昆明（míng）俊鹰（yīng）无人机飞控手老鹰的微信laoyingfly |
