梳理完控制（zhì）以及飞（fēi）行（háng）力学（xué）的一些基本（běn）原理之后，就该正式（shì）进入无人（rén）机导航、制导与控制的讨论了。导航制（zhì）导与（yǔ）控制是无人机系统中最复杂（zá）的分系（xì）统，其功（gōng）能可以有多种划（huá）分方法，本文（wén）中（zhōng），我（wǒ）们就以（yǐ）下面框图（tú）所示的划分方法为例，对无人机导航制导与控制系统的（de）基本原理和常用方法做一下介绍和归纳。
由于GPS、室内定（dìng）位甚至自动驾驶在生活中的广泛应用，“导航”、“制（zhì）导”、“控制（zhì）”这几个词也越来越为（wéi）大众（zhòng）所熟悉（xī）和使用，但是对（duì）于这（zhè）些词（cí）的定义，我们日常生活（huó）中的使用和理解方法可能与无人机（jī）语境（jìng）有所不同，所以（yǐ）有必要对其在本系列文章中的含义做一（yī）下解释：
导航：即（jí）无人机获得自（zì）己当前（qián）（在某个参照系下）的位置、速度等信息，必要时（shí）还需要获（huò）得当前（相对于某个参（cān）照系）的姿态、姿态角速度等信息。例如，采（cǎi）用（yòng）纯惯性（xìng）导航可（kě）以获得无（wú）人机（jī）在某（mǒu）个惯性系下的位置、速（sù）度和加速度，以及相对于该惯性系的姿态角（jiǎo）和角速度；GPS导航系（xì）统（tǒng）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（děng）信息；而（ér）借助如Vicon、UWB等室内定位系统（tǒng）则可以获（huò）得无人机相对（duì）于室内某个坐标系的速度、位置等信息（xī）。因（yīn）此（cǐ），简要（yào）概（gài）括导航的主要（yào）工作就是要“知道自己在（zài）哪，知道自己（jǐ）的姿态”。
制导：即无人机发现（或外部输入（rù））目标的位置、速度等信息，并根据自己（jǐ）的位置、速度以（yǐ）及内（nèi）部性（xìng）能和外部（bù）环境的（de）约束条件，获得（dé）抵达目标所需的（de）位置（zhì）或速度指令。例如，按照规划的航（háng）路点（diǎn）飞行时，计算无人机（jī）径直或者沿某个航（háng）线飞抵航路点的指令（lìng）；采用基于计算（suàn）机视觉目标跟踪的光学制导（dǎo）时，根（gēn）据目标在视场中的位置（以（yǐ）及摄像头（tóu）可能存在的离轴角）计算跟踪目（mù）标所（suǒ）需的过载或者姿态（tài）角速度（dù）指令（lìng）；而当预装（或SLAM获得的）地（dì）图中存在需要规避的障碍物（wù）或禁飞区时，根据无人机飞行性能计算可（kě）行的规避路线或者速度（dù）指令（lìng）。因此，简要（yào）概括制导的主要（yào）工作就是要“知道目标（biāo）在（zài）哪（nǎ），如（rú）何抵达目标（biāo）”。
控制：即（jí）无人机根据当前（qián）的速（sù）度、姿态等信息（xī），通过执行机（jī）构作用来改变姿态、速度（dù）等参数，进而实（shí）现（xiàn）稳定飞行（háng）或（huò）跟踪制导指令。例如，当固定翼无人机需要爬升高度时，计算需要的俯仰角和俯仰角速度（dù）指令，以及为了让空速不至（zhì）于大（dà）幅降（jiàng）低所需的油门指令；当（dāng）沿着航线飞行，但（dàn）是存在侧风时，计算所需的偏航角指（zhǐ）令以利（lì）用侧（cè）滑（huá）抵消侧风影（yǐng）响；或者当多旋翼无人（rén）机（jī）的某（mǒu）个旋（xuán）翼（yì）失效（xiào）时，计算如（rú）何为剩余旋翼分配指令以尽（jìn）可能（néng）实现稳定飞行。因此，简要概括控制的（de）主要（yào）工（gōng）作就是“改变飞行姿态（tài），跟踪（zōng）制导指令”。
虽（suī）然理论上，导航、制（zhì）导和控（kòng）制（zhì）这（zhè）三者各司其（qí）职，只是在指令计算和执（zhí）行上有（yǒu）顺承关系，但（dàn）是在（zài）实际系统中，三者可能会有很（hěn）多交叉（chā）因（yīn）素。例如，导航系（xì）统中（zhōng）所测（cè）量或估计（jì）出的角速度（dù），既要用（yòng）于导航（háng）系（xì）统的速度和位置估计，又要用于姿（zī）态控制；而在一（yī）些高机动（dòng）性的飞行器（如直（zhí）接碰撞杀伤的动能拦截器等）和空天（tiān）飞行器（如升力体再入返（fǎn）回的制导（dǎo）控制）上也有制（zhì）导（dǎo）与控制（zhì）一体化设计的趋势（shì）。但在本文中，仍（réng）然根据无人机的（de）固有特（tè）性，尽量将三者作为具有独立功能的分系统（tǒng）看待。其中，导航系（xì）统原理可以（yǐ）大致分（fèn）为以（yǐ）下几个类型：
基于绝（jué）对参考系的导航。如惯性导航（háng）、磁罗盘导航等。惯性导航运用牛顿力学原理，通过构建一个与机体（tǐ）固联的惯性平台，从而根据（jù）加速度计测量的惯（guàn）性（xìng）加速度计算在某惯性参考（kǎo）系（xì）下的速度和（hé）位置，根据陀螺仪测（cè）量所得的角速度计算机体相对于惯（guàn）性（xìng）平台的姿（zī）态角，从（cóng）而只需要加速度计和陀螺（luó）仪（yí）满（mǎn）足（zú）一定的精度要（yào）求，就可以在不（bú）需要（yào）外（wài）部（bù）信息的情况（kuàng）下获得机体（tǐ）相对（duì）于惯性参考（kǎo）系的（de）速度（dù）、位置和姿（zī）态角。之所（suǒ）以将与机（jī）体固联（lián）的移动参照系成为惯性平台，是（shì）因（yīn）为早期（qī）的平台式惯（guàn）性导航设备（bèi）中（zhōng）确实存在（zài）一个（gè）物理上的框架，该框架基（jī）于陀螺进动原理始（shǐ）终（zhōng）与惯性系（xì）（或当地（dì）铅锤坐标系）保持平行。高精（jīng）度的平台（tái）惯导系统可以长（zhǎng）期不需要外部信息进行（háng）导航，例（lì）如有些核潜艇所装备的惯导系统可以保（bǎo）证水下（xià）航行数月的（de）导航误（wù）差（chà）在（zài）数海里的量级。
虽然平台（tái）惯（guàn）导的精度很高（gāo），但是（shì）由于系（xì）统复（fù）杂且体（tǐ）积巨大，不便于在小型飞行器上（shàng）装（zhuāng）备，随着计算机技术（shù）和导航器件技术（shù）的发展（zhǎn），捷联惯导（dǎo）越来（lái）越多地被使（shǐ）用（yòng）。与平台（tái）惯导（dǎo）所（suǒ）用的物理平台不同，捷（jié）联惯导（dǎo）的陀螺仪和加速度计（jì）都与机体固连，因此采用虚拟的数学惯性平台，即惯性（xìng）器（qì）件测（cè）量所得（dé）数（shù）据都会经（jīng）过坐标变换（huàn）的数学运算（suàn）转（zhuǎn）换到惯性坐标系下（xià），由于去掉了物理平台，捷联惯导系统的体积大幅缩减。特别是近（jìn）二十年（nián）来（lái）快速发展的MEMS（微（wēi）机（jī）电系统）器（qì）件，已经可以将捷联惯导系统的体积缩小（xiǎo）到（dào）几立方厘米的量级（jí）。
当（dāng）然，惯性导航并非（fēi）完美（měi），由于（yú）导航过程依赖（lài）惯（guàn）性器（qì）件的输（shū）出数据、坐标变换以（yǐ）及数（shù）值积分，所以器（qì）件误差和数值计算的截断误差（chà）会不断（duàn）累积，在缺乏（fá）额外的相对于（yú）绝对坐标（biāo）系的信（xìn）息时，该（gāi）误差无法被修正，因此，惯导系统通常作（zuò）为飞行（háng）器的主要导航系统，但同（tóng）时还（hái）需（xū）要其他（tā）导航信息对惯导结果进行修正。
几乎（hū）其他所有导航（háng）方法都可以用于修正惯导系（xì）统（tǒng）误差，甚至是惯导系（xì）统（tǒng）本身，如AHRS（航姿（zī）参考系统），这种系统除（chú）了采用陀螺仪积分得出姿（zī）态角，还能根据加（jiā）速（sù）度计测量的重力方（fāng）向（xiàng）以及（jí）磁罗盘测量的磁航向（xiàng）对姿态（tài）角（jiǎo）结果（guǒ）进行修正（zhèng），从而在陀螺仪精度不高的情况下（xià）获得长期稳定的姿态角输出，不过由于低精度器件所得（dé）的姿态（tài）角结果短期和长期均有不（bú）同程度（dù）的误（wù）差，该系统无法进行精确的航位推算。
基于距（jù）离测量（liàng）的导航（háng）。如卫星（xīng）导航、室内定位（wèi）等。这类导航方式一般是通（tōng）过测（cè）量飞行器与已知精确位置的（de）参考（kǎo）点之间（jiān）的距离，从而解算出飞行器位（wèi）置。例如卫星导航（háng）系统（tǒng）就是通过接收多颗卫星发射出（chū）来的（de）星（xīng）历信息，从中（zhōng）得出时（shí）间差（chà）并根据光速计算出距离，从而解算出飞行（háng）器在（zài）WGS84坐（zuò）标（biāo）系下的位（wèi）置和（hé）经（jīng）纬高度信息。同样采用类（lèi）似方式（shì）的还有室内定位应（yīng）用（yòng）中很火的（de）WIFI定位和UWB定（dìng）位（wèi）技术，均是利用（yòng）信号强度或发送接收的时间差计算飞行（háng）器（qì）与（yǔ）各参考点之间的（de）距（jù）离，从（cóng）而解算飞行器实时位置（zhì）。
基（jī）于特征（zhēng）匹配的导航（háng）。如地形匹（pǐ）配、运动（dòng）捕捉系统（tǒng）等。这类导航方（fāng）式通常（cháng）是通过飞行器（qì）实时提取地磁、地貌、图像等特征，并与（yǔ）特（tè）征（zhēng）库进（jìn）行比对或进行相应计算，从而（ér）得到飞行器位置、速度等信息实现导航功能（néng），如（rú）巡航导弹（dàn）中所（suǒ）使（shǐ）用的地（dì）形匹配方法和现在（zài）比较火的SAR（合成（chéng）孔径雷达）地貌匹配方法（fǎ），都是通过（guò）提取飞行路径上的一维或二维（wéi）地形地貌信息，并与（yǔ）数字高程（chéng）地图库进行比对，从（cóng）而（ér）获知（zhī）当前位置（zhì）、速度等（děng）信息，这在卫星（xīng）导航信号丢失时的长期导航具有重要意（yì）义。运用计算机视觉技术，通过识别已知位置（zhì）上的标记（jì）物（wù）特征完（wán）成位置（zhì）、速度估计的方（fāng）法也（yě）归（guī）属（shǔ）此类。还有（yǒu）另一（yī）类（lèi）导航方法就是类似于Vicon的（de）运动（dòng）捕捉系统，这种系统则是通（tōng）过已知位（wèi）置的光学等传感（gǎn）器识别飞行器上设置的标记物（wù），从而解算出飞行器实时位置、速度（dù）。
而既（jì）然说到（dào）基于特（tè）征，就不（bú）得不关注（zhù）计算机视觉在导航中的（de）应用，例（lì）如在消费级无人（rén）机上运用多（duō）年的稀疏光流算法，就是根（gēn）据灰度图像中特征点的运（yùn）动计算出（chū）无人机（jī）的运动速（sù）度，近年来火爆（bào）的SLAM则更是（shì）将计算机视觉发挥到极致，这种（zhǒng）算法通过将运动中（zhōng）实时采集的图（tú）像特（tè）征性信息与惯导等系统信息进行融合（hé），从而（ér）可以（yǐ）在未（wèi）知环境中一边完成周围场景的三维模型重建，一边进行自身在场景中相对位置和速度的（de）解算。
说回无人（rén）机的导航，当前多数无人机采用惯导/卫星导（dǎo）航（háng）组（zǔ）合作为（wéi）基本的导航（háng）方式，可以（yǐ）保证绝大多数场景下的（de）稳定导航（háng）。大型军用无人机由于对导航系（xì）统（tǒng）的轻量化和成本（běn）要（yào）求不高（gāo），为了实现较高（gāo）的导航精度，其通常仍采用光纤（xiān）/激光（guāng）陀螺和石英（yīng）加（jiā）速度计组（zǔ）成（chéng）的高精度惯导系统，而中小型和民用（yòng）无人机则（zé）采用更轻小更廉价（jià），但是精度较低的MEMS器（qì）件组成惯导（dǎo）或航姿参考系统，与卫星导航组合后，仍（réng）能提（tí）供有效的（de）导航（háng）信息输出。
而在某些特殊应用场景下，卫星（xīng）导航信号会（huì）丢失，如微（wēi）型无人机在（zài）室内（nèi）和（hé）城市楼群之（zhī）间飞行，这时就需要其（qí）他的导航方式（shì）进行辅助（zhù）。常（cháng）用的比（bǐ）如气压计的使（shǐ）用就（jiù）可以（yǐ）以（yǐ）较低的综合成本获（huò）得低（dī）精度的海拔高（gāo）度（误（wù）差100米（mǐ）量（liàng）级）和较高精度（dù）的相对高度信息（误差0.1米量级（jí））。无人机（jī）在室内飞行（háng）时（shí），可以架设（shè）前文（wén）提到的WIFI、UWB或Vicon等需要复（fù）杂（zá）外部设备的室（shì）内（nèi）定位系统，或者外部（bù）设置已知位置的（de）标记物，通过无人机的视觉系统完（wán）成识别和（hé）自身定位。而在极为（wéi）特殊的场景下，如各种高危（wēi）未知环境的勘测，使得常用辅（fǔ）助导航系统（tǒng）都难以使用时，就不（bú）得不祭出SLAM这一（yī）杀手锏了（le），SLAM技（jì）术（shù）正（zhèng）处于高速发展中，且已经有多种实用的方案出现了（le），完美的SLAM系统（tǒng）可以完成科幻电影里那种放出去几驾微（wēi）型无人机自由飞（fēi）行，配合一个便携（xié）地面（miàn）站，便可以实时地重建周围环境的3D模型，这（zhè）种性能在未来（lái）五（wǔ）年之（zhī）内肯（kěn）定可以实（shí）现。当然绝大多数辅（fǔ）助的导航方式都难（nán）以（yǐ）输出用于制导控制的高频率（200Hz以上（shàng））导航信息，因此通（tōng）常情（qíng）况下仍（réng）是将（jiāng）辅助（zhù）导航系（xì）统与惯性（xìng）导航（háng）相结合（hé）。
下面来讨（tǎo）论（lùn）无人机的制导，现阶段大多（duō）数（shù）军用（yòng）还是民用无（wú）人（rén）机在自（zì）动飞行过（guò）程（chéng）中仅需完成航路点或航线的跟踪，因此制导策略相对简（jiǎn）单。多旋翼（yì）无人机，跟（gēn）踪航路点（diǎn）时只需（xū）要（yào）将（jiāng）飞行速度方（fāng）向对准下一个（gè）航路点，跟踪航线也仅需首（shǒu）先飞到航（háng）线上距离当（dāng）前位置最近的（de）点即可；而（ér）这项任务（wù）对于固定翼无人机相对复（fù）杂。因为（wéi）固（gù）定（dìng）翼无人（rén）机（jī）的速（sù）度方（fāng）向需要通过航向来（lái）改变，而航向则需要通过滚转来改变，这就使得（dé）滚转角与速（sù）度方向之间形成了（le）近似二阶环（huán）节（jiē）的过（guò）程，这通常可以运用导弹的比例导引法来实现航路点（diǎn）跟（gēn）踪。比例（lì）导引（yǐn）法的基本原理就（jiù）是让飞（fēi）行器速度矢量在空间中的转动（dòng）角（jiǎo）速（sù）度正比于飞行器与目（mù）标间的视线角变化率，对于航（háng）路点这一静止目标，只需要无人机与航路点之间的距离足够，就（jiù）可以保（bǎo）证准确（què）抵达（dá）下一个航（háng）路点，而对于航线跟踪，则需要选择一（yī）个虚拟的目标点使得无人机首先向（xiàng）航线（xiàn）靠近（jìn），然后再逐（zhú）步将方向对准航线方向。例如现在（zài）被广泛使用的（de）L1制导算法，就（jiù）是在航线上选择与无人机距离为L1的参考点（diǎn），然（rán）后根（gēn）据速度方向与到参（cān）考点连线方向之间的夹角（jiǎo）计算横向机动的需用过载，进而（ér）实现航线跟踪。
而随着无人机在（zài）多（duō）种（zhǒng）场（chǎng）景下应用（yòng）的不（bú）断深入，除了航（háng）路点和航线的（de）跟踪（zōng）以外，无人机抵达目标（biāo）的最（zuì）优路径选（xuǎn）择（zé），障碍物（wù）或禁飞区规避（bì）以及多机协（xié）同（tóng）工（gōng）作所需要（yào）的制导策略越来越（yuè）复杂。我们知道（dào）最优控制（zhì）方法在航（háng）天器（qì）轨（guǐ）道转移（yí）、火箭入轨制（zhì）导等问题中起到了良好的效果，但（dàn）是（shì）对于大气中（zhōng）飞行的无人机路径规划（huá），基于间接法的（de）最优控制问（wèn）题很难求解（jiě），因此无人机路径规（guī）划（huá）往（wǎng）往采用（yòng）基于（yú）网格地（dì）图的（de）搜（sōu）索算法（fǎ），或者蚁群（qún）算法（fǎ）、遗传（chuán）算（suàn）法等特（tè）殊的路径（jìng）优化方法。例如（rú）在基于概率地图的搜索算（suàn）法（fǎ）中，首先运用随机概率方法在自由空间（任务空间中，除去障碍物后的空间）中选取（qǔ）采样点（diǎn），并选取距（jù）离（lí）当前点最（zuì）近的k个点构成当前点的临（lín）近点集，然后（hòu）利用局部规划器将当前点与其临近（jìn）点集中的所有点用直线段连接起来，同时进行相交检验（yàn），将（jiāng）不（bú）与障碍（ài）物相交的直线段保（bǎo）留下来构成一个图，作为初始路径， 完成路径（jìng）规划的（de）学习阶段；在（zài）查询阶段，运用（yòng）优化方法对上述图（tú）进行搜索，从而得到由图的边构（gòu）成的从出（chū）发（fā）点到目的点并满（mǎn）足（zú）优化目标（biāo）的（de）路（lù）径（jìng）。
另一类常用（yòng）的算法并不是（shì）基（jī）于网格地图进行搜索，例如人工势（shì）场法，其基本思想是将无人（rén）机的运动，设计成（chéng）一种在抽象的人造引（yǐn）力场中的（de）运动，如下图所示，目标（biāo）物对无人机产生“引力”，而障碍（ài）物对无人机产生“斥力”，通过求解目标和（hé）所有障碍物对无人机产（chǎn）生的合力，就可以得到无人机运动（dòng）速度或加速度指令。相对于大多数搜索算法，人工势场（chǎng）法运算量更小，且得到的轨迹更平滑。
以（yǐ）上（shàng）这（zhè）两类（lèi）制导算法通（tōng）常适用于一架无（wú）人机的航路跟（gēn）踪（zōng）或路径规（guī）划，而当设（shè）计无人机编队甚至集群时，问题（tí）复杂程度则骤增。对（duì）于集群中（zhōng）的某个无（wú）人机来说，其他无人机既是可以协作和互通信息的伙伴，同时又是快速移动的障（zhàng）碍物，而整个（gè）集群的路径（jìng）规（guī）划有需要考虑集（jí）群以及（jí）其中每一架无人机特（tè）性所形（xíng）成的（de）约束条件，或者（zhě）当集群处于协（xié）同作战模（mó）式时，又（yòu）需要对目（mù）标（biāo）自发形成各角度的（de）全向饱和攻击，当然，这其中需要解决的问题正是当前研（yán）究的热点。
最后再讨论一下无（wú）人（rén）机的控制，导（dǎo）航系统获得（dé）了无人机当前位置速度和姿态（tài）信息，制导系统完（wán）成路径规（guī）划和制导指令生（shēng）成，而控（kòng）制的任务就是精（jīng）确、快速稳定（dìng）地跟踪收到的制导指令，因（yīn）此控（kòng）制也是最关键的环节。最常（cháng）用的控制算法还是历久弥新的PID，通过将（jiāng）被控参数参（cān）考值（zhí）与当前（qián）值误差的比例、积分和微分进行适当组合，便能够（gòu）完成（chéng）大部分（fèn）近似线性系统的有效控制。
而事实上，现在工程中（zhōng）所使用（yòng）的很多PID算法，早已经不是基本（běn）的构型了，常用的改进方式主（zhǔ）要有以下几种：
增益调度：既（jì）然（rán）PID控（kòng）制器设计过程一般是在（zài）某个平衡点处做系统的小（xiǎo）扰动线（xiàn）性（xìng）化方（fāng）程（平心（xīn）而论，工程中还（hái）真不都是这（zhè）么按流程来，各种野（yě）路子都有），进而完成设计的，那么只要在正常工作（zuò）范围（对（duì）于（yú）无人（rén）机来说可以是飞（fēi）行包线）内选取足够的平衡点，并根据每（měi）个平（píng）衡点的模型选择（zé）合适的PID控制（zhì）参数，这样就可以在控制器工作（zuò）中通过插（chā）值等方式选择相应平（píng）衡点（diǎn）附近（jìn）的控制参数，这（zhè）种变参数（shù）的方法（fǎ）就是一（yī）种增（zēng）益调度方（fāng）法，而基（jī）于增益（yì）调（diào）度的PID控制器（qì）就可以针对具有一定非线（xiàn）性特性的系统进行控制。这种方法在飞行控（kòng）制中已应用多年。
参数自适应：比（bǐ）如（rú）以系统积分误差性（xìng）能指标为（wéi）准（zhǔn）则（zé），搜索使得误（wù）差性能指标为最（zuì）小的参数作为控制器参数，又或者（zhě）基于神（shén）经网（wǎng）络和遗（yí）传算法的参（cān）数自适应（yīng）等，不过这（zhè）些方法在（zài）工程中使用的比较少（shǎo）。
串级（jí）：通过将被（bèi）控系统分为内（nèi）外环，只需要内外环（huán）的固有频率有一定的差别（比如说（shuō）内环频（pín）率是外（wài）环（huán）的五倍以上，无人机的姿（zī）态响应和位置响应一般可以满足），即可用实现快（kuài）变量（liàng）和慢变量的分别控制，通过简单的调参（cān）就可以（yǐ）实（shí）现快速（sù）的内环响（xiǎng）应和（hé）精确的外（wài）环控制，并具有（yǒu）比单个控制器（qì）更好的抗干扰性（xìng）能。
积分抗（kàng）饱和：PID控制中（zhōng）的（de）积分作用虽然可用消（xiāo）除稳（wěn）态误差，但是积分退饱和过程带来（lái）的超（chāo）调往往较大（dà），因（yīn）此（cǐ）可用在（zài）被控参（cān）数（shù）的误差较大时，停（tíng）止误差的积分过程，或（huò）者（zhě）对（duì）误差的积分值进行限幅，这样就可以显著（zhe）地降低超调（diào）量（liàng），缩短过程的稳定时间（jiān）。
不完全微分：虽然被（bèi）控参数一（yī）般不会（huì）出现（xiàn）突变，但（dàn）是参考值却经常会出现突变，这使得误差的（de）微分也会（huì）突变，为了降（jiàng）低（dī）这（zhè）种突变造成的控（kòng）制量幅值，可以采用不完（wán）全微分（fèn）策（cè）略，即微分（fèn）只（zhī）作（zuò）用于（yú）被控参数（shù）（如（rú）飞行控制中（zhōng）的（de）角速度阻尼）。
PID算法的改（gǎi）进方式还（hái）有很（hěn）多，难以（yǐ）细数，不过这种改进终（zhōng）归难以解决所有问题，例如（rú）被控对象的高度非线性、强耦（ǒu）合性、时（shí）变（biàn）性等（děng）特性（xìng），因此新（xīn）的控制方法层出不穷。下面列举几种较为实用（yòng）的其（qí）他控制方（fāng）法。
反馈线性化：利用（yòng）数学（xué）变（biàn）换（huàn）的方法和微分几何学（xué）的知识，将（jiāng）状态和控制（zhì）变量转变为线性形式，然后，利用（yòng）常（cháng）规的线性设计的方法进行设计，将（jiāng）设计（jì）的结果（guǒ）通过反变换，转换为原始的状态和控制形式。反馈线性化可以将存在通（tōng）道间（jiān）耦合的非线性系（xì）统变换为解耦（ǒu）的线性系统，方便外（wài）环的线性控制器设计（jì）。不过该方法应用（yòng）中或多（duō）或少会（huì）存（cún）在建（jiàn）模误差（chà），因此（cǐ）设计时要重点考虑鲁棒性的因（yīn）素。
滑（huá）模变结构：这（zhè）种（zhǒng）方法不需要对被控对象进行精（jīng）确建模，而是（shì）在（zài）动态（tài）过程中，根据（jù）系统当（dāng）前的状态(如偏差及其各阶导数等)有（yǒu）目的地（dì）不断变化（huà），迫使系统按照预定“滑动模态（tài）”的状（zhuàng）态轨迹运动。由（yóu）于（yú）滑动模态可以进（jìn）行设计且与（yǔ）对象参（cān）数及扰动（dòng）无关,这就使得滑模控制具有（yǒu）快（kuài）速响（xiǎng）应、对应参数变化及扰（rǎo）动不（bú）灵敏、无需（xū）系统在线辨识、物（wù）理实现简（jiǎn）单等优点。但（dàn）是基本（běn）的滑模变结构算法存（cún）在控制参数抖振的问题，需要再趋（qū）近率设计（jì）时进行适当的优化策略（luè）。
反步控制：其基本思路是将复（fù）杂的系统分解成不超过系统阶（jiē）数的多个子系统，然后通过反向递（dì）推为每个子系统（tǒng）设计部分李（lǐ）雅（yǎ）普诺夫函数和中（zhōng）间虚（xū）拟控制量，直至设计（jì）完（wán）成整个控制器。反步方（fāng）法（fǎ）运用于飞控系统控制（zhì）器的设计（jì）可以处（chù）理一类非（fēi）线性、不确定性（xìng）因素的（de）影响，而且已经（jīng）被证明具有（yǒu）比较好稳定性及误差的收敛性。
自适（shì）应逆：与（yǔ）动（dòng）态逆的（de）思想类似（sì），这（zhè）种方法运用（yòng）各种自适应逆滤（lǜ）波网络（如LMS滤波器（qì）网络、神经网络等）去拟合出被控对（duì）象的逆系统，从而将控制器与（yǔ）被控对象构成的前向通道变换成一一映射的线性化解耦系统，而之所（suǒ）以（yǐ）称为“自（zì）适（shì）应”，则是（shì）这个拟合出逆系统的网络可以在线学习被控对象（xiàng）的特性。这种（zhǒng）方（fāng）法在（zài）仿真中（zhōng）可（kě）以取得比传统控（kòng）制方法优（yōu）越（yuè）很多的效果（guǒ），但是由于滤（lǜ）波（bō）器网络可能存在无（wú）法检出的内部缺（quē）陷，所以（yǐ）在某些状（zhuàng）态（tài）组合（hé）下，可（kě）能会出现故（gù）障（包括深度（dù）神经网络在内的所有神经网（wǎng）络（luò）都潜在此风险（xiǎn））。
本文简要梳理了可用（yòng）于无人机的导航、制导和控制（zhì）的方法、策略或（huò）算法（fǎ），其中部分算法将在后续的（de）仿（fǎng）真系统相应的文章详（xiáng）细介绍并在代码中体现。（源自：知乎）
咨询航（háng）拍服务可加昆明俊鹰无人机飞控（kòng）手老鹰的微信laoyingfly |
