无（wú）人机的飞行控制是无（wú）人机（jī）研究（jiū）领域主要问题之一。在飞行过程中（zhōng）会受到各种干（gàn）扰，如传（chuán）感器的噪音与漂移、强风与乱（luàn）气流（liú）、载重量变化及倾角过大引（yǐn）起的（de）模型变动等等。这些都会严重影响飞行器的飞行品质，因此（cǐ）无人机（jī）的控（kòng）制技术便（biàn）显得尤为重要（yào）。传统的控制（zhì）方法（fǎ）主要集中于（yú）姿态和高度的控制，除此之外还有（yǒu）一些用来控制（zhì）速（sù）度、位置、航（háng）向、3D轨迹跟踪控制。多（duō）旋（xuán）翼（yì）无人机的控制方法可以总结为以下（xià）三个主（zhǔ）要的方面。
一、 线（xiàn）性飞（fēi）行控制（zhì）方法（fǎ）
常规的飞行（háng）器（qì）控制（zhì）方法以（yǐ）及早（zǎo）期的对飞行器控制的尝试都是建立在线性飞行控制理论上（shàng）的，这其中就（jiù）又有诸如PID、H∞、LQR以及增（zēng）益调度法（fǎ）。
1.PID PID控制属（shǔ）于传统控制方法（fǎ），是（shì）目前最成功、用的最广泛的控制（zhì）方法之一。其控制方法（fǎ）简单，无需前（qián）期建（jiàn）模工作，参（cān）数（shù）物理意义明确，适用于飞（fēi）行（háng）精度要求不（bú）高（gāo）的（de）控制。
2.H∞ H∞属于鲁棒控制的方法。经典的控制理论并（bìng）不要求被控对象的（de）精确数（shù）学模型来解决多输入（rù）多输出非线性系（xì）统问题（tí）。现代控制理论可以定量地解决多输入多输出非（fēi）线性系统问（wèn）题，但完全依赖于描述被控（kòng）对象的动态（tài）特（tè）性（xìng）的数（shù）学（xué）模型（xíng）。鲁棒（bàng）控制可（kě）以（yǐ）很好解决因干扰等因素引（yǐn）起的（de）建模误差问题，但它（tā）的计算量非常大，依（yī）赖于高性能的（de）处（chù）理器，同时（shí），由于是频域设（shè）计（jì）方法，调参也相（xiàng）对（duì）困难。
3.LQR LQR是被（bèi）运用来控制无（wú）人机的比（bǐ）较成功的方法（fǎ）之（zhī）一，其对象是能（néng）用（yòng）状态空（kōng）间表（biǎo）达式表示的线性系（xì）统（tǒng），目标（biāo）函数为（wéi）是（shì）状态变（biàn）量或（huò）控制变量的二次（cì）函数的（de）积分。而且Matlab软（ruǎn）件的使（shǐ）用为LQR的（de）控制（zhì）方法提供了（le）良（liáng）好的仿真条（tiáo）件，更为（wéi）工程实现提供了便利。
4.增益调度法 增益调度（Gain scheduling）即在系统运行时，调度（dù）变量（liàng）的变化导（dǎo）致（zhì）控制器的参数随（suí）着改变，根据调度变量使（shǐ）系统以不同的（de）控制规律在不（bú）同（tóng）的区域内运行，以解（jiě）决系统非线性的问题。该算法（fǎ）由两（liǎng）大部分组（zǔ）成，第一部分主要完成事件驱动，实现参数（shù）调（diào）整。 如果系统的（de）运行（háng）情况改变，则可通过该部分来识别并切换模态；第二部分为误（wù）差驱动，其控（kòng）制功能（néng）由选定的模态（tài）来实（shí）现。该控制（zhì）方法在旋翼无人机的垂直起降、定点悬（xuán）停（tíng）及路径跟（gēn）踪等控制（zhì）上有着优异的（de）性能。
二（èr）、 基于学习的飞行控制方法（fǎ）
基于学习（xí）的飞行控制方法（fǎ）的特点就是无需了解飞行器的动力学模型（xíng），只要一（yī）些（xiē）飞（fēi）行试验和飞行数据。其中研究最热门（mén）的有模糊控制方法、基于人体学（xué）习的方法以及神经（jīng）网络法。
1.模糊控制方法（Fuzzy logic）模糊控制是解决模型不确定性的方法之一，在（zài）模型（xíng）未（wèi）知（zhī）的情况下（xià）来实现对无（wú）人机的控制。
2.基于人体学习的方法（Human-based learning） 美国MIT的（de）科研人员为了寻找能更好地控（kòng）制小型无人飞行器的控制方法，从参加（jiā）军事（shì）演习进行特技飞行（háng）的（de）飞机（jī）中采集数据，分析（xī）飞行员对不同情况下飞机的操（cāo）作（zuò），从而（ér）更（gèng）好地理解无（wú）人机（jī）的输（shū）入序列和反馈机制。这种方法已经（jīng）被运用到小型无人机的自主飞行中（zhōng）。
3.神（shén）经（jīng）网络（luò）法（Neural networks） 经典PID控制结（jié）构简单、使用方便、易于（yú）实现, 但（dàn）当被（bèi）控对（duì）象具有复杂（zá）的非（fēi）线性特性、难（nán）以建立精确的数学模型时，往（wǎng）往（wǎng）难（nán）以（yǐ）达到（dào）满意（yì）的控制效（xiào）果。神经（jīng）网络自适应控制（zhì）技术能有效地实现多种不确定的（de）、难以（yǐ）确切描述的非（fēi）线性（xìng）复杂（zá）过程的（de）控制，提高（gāo）控制（zhì）系（xì）统的鲁棒（bàng）性、容（róng）错性，且控制参数具有自适应和自学习能力。
三、 基于模型的非线（xiàn）性控制方法
为了克服某些线性控制（zhì）方法的限制，一些非（fēi）线性的控制方法被提出并且被（bèi）运用到飞（fēi）行（háng）器的控制中。这（zhè）些非线性的控制方法通常可以归类为基于模（mó）型的（de）非线性控制方法（fǎ）。这其中（zhōng）有反馈线性化、模型预测（cè）控制（zhì）、多饱和控制（zhì）、反（fǎn）步（bù）法以及自适（shì）应控制。
1.反馈线（xiàn）性化（feedback linearization） 反（fǎn）馈（kuì）线性化是非线性系统常用（yòng）的（de）一种方法。它利用数学变换的（de）方法和微分几何学的知识，首先，将（jiāng）状（zhuàng）态和控制变量转变为线性形式，然后，利（lì）用常规的（de）线性设计的方法进行设计，最后，将（jiāng）设（shè）计的结果通过反变换（huàn），转换为原始的状态和控制形式。反馈线性化理论有两个重要（yào）分（fèn）支：微分几何法（fǎ）和动态逆法，其（qí）中动态逆方法较微分（fèn）几何法（fǎ）具（jù）有简单的推算特点（diǎn），因此更适合用（yòng）在飞行控制系（xì）统的（de）设计上（shàng）。但是，动态逆方法需要相当精确的飞行（háng）器（qì）的（de）模型，这在实（shí）际情况中是十分（fèn）困（kùn）难的。此外，由于系统建模误差，加（jiā）上外界的各种干扰，因此（cǐ），设计时要重点（diǎn）考虑鲁（lǔ）棒性的因素。动态（tài）逆的方法有一定的工程应（yīng）用前（qián）景，现已成为飞控（kòng）研究领域的一个热点话题。
2.模型预测控制（model predictive control）模型预测控制是（shì）一类特（tè）殊的控制方法（fǎ）。它是通过在每一个（gè）采样瞬间求解一（yī）个有限时域开（kāi）环的最优控（kòng）制问题获得当前（qián）控制动作。最优（yōu）控制问题的初（chū）始状（zhuàng）态为过程（chéng）的当前状态，解得的最（zuì）优（yōu）控制（zhì）序列只施加在第一个控（kòng）制作用（yòng）上，这是它和（hé）那些预先计算（suàn）控制律的算法的最（zuì）大区别。本质（zhì）上看模型预测控制是求解一（yī）个开（kāi）环最优控制的问题，它与具体（tǐ）的模型无关，但是实（shí）现则与模型相关。
3.多饱（bǎo）和控制（zhì）（nested saturation）饱和现象（xiàng）是一种非常普遍的物理现象，存在于大量的工程问（wèn）题（tí）中。运用多饱和控（kòng）制的（de）方法设（shè）计多旋翼无（wú）人机，可以解决（jué）其它控制方法所不能解（jiě）决的很多实际的问题。尤（yóu）其是对于微小型无人机而言，由于大倾角的动作以（yǐ）及外部干扰，致动器会频（pín）繁出现（xiàn）饱和。致（zhì）动器饱和会限制操作的范（fàn）围并削弱控（kòng）制系统的（de）稳定性。很多（duō）方法（fǎ）都已经被用（yòng）来解决饱和输入（rù）的问（wèn）题，但还没有取得（dé）理想的（de）效（xiào）果。多饱和控制在控（kòng）制（zhì）饱和输入方面（miàn）有着很好（hǎo）的全局稳定性，因此这种方法常（cháng）用来控制微型无人机（jī）的稳定性。
4.反步（bù）控制（Backstepping）反步（bù）控制是（shì）非线性系（xì）统控制器设计最常用的方法之（zhī）一（yī），比较适合（hé）用来进行在线控制，能够（gòu）减少在线（xiàn）计算的时间（jiān）。基（jī）于Backstepping的控制（zhì）器设计方法，其基（jī）本思路是将复杂的系统分解成不超过系（xì）统阶数（shù）的多个子系（xì）统，然（rán）后通过反向递推（tuī）为每个子系（xì）统（tǒng）设计部分李雅普诺夫函数和中间虚拟控制量，直至设计（jì）完（wán）成整个控制器。反步方法运用于飞控系统（tǒng）控制器的设计可以（yǐ）处理一类非线性、不确定性因素（sù）的影响，而且已经被证明（míng）具有比（bǐ）较好稳定（dìng）性及误差的（de）收敛性。
5.自适（shì）应（yīng）控制(adaptive control) 自适应（yīng）控（kòng）制也（yě）是（shì）一种基于数学模型的（de）控制方法，它最大的特点就是对于系（xì）统内部模型和外部（bù）扰动的信息依赖（lài）比较少，与模型（xíng）相关的信息是在运（yùn）行系统的过（guò）程（chéng）中不断获取的，逐步地使模型趋（qū）于完善。随着模（mó）型的不断改善，由模型得到的（de）控制作用也（yě）会（huì）跟着改进，因此控制系统具有一（yī）定的适（shì）应能力。但同时，自适应控制比（bǐ）常规反馈（kuì）控制要（yào）复杂，成本也很高，因（yīn）此只是在用（yòng）常（cháng）规反馈（kuì）达（dá）不（bú）到所期望的性能时，才会考虑（lǜ）采用自适应（yīng）的方法。
咨询航（háng）拍服（fú）务可加（jiā）昆明（míng）俊（jun4）鹰无人机飞控手老（lǎo）鹰的微信laoyingfly |
