无人机的（de）飞行控制是无人机研（yán）究领域主要（yào）问题之（zhī）一（yī）。在飞行过程中会受（shòu）到各（gè）种干扰，如传感（gǎn）器的噪音（yīn）与漂移、强风与乱气流、载重量变化及（jí）倾（qīng）角（jiǎo）过（guò）大引（yǐn）起（qǐ）的（de）模型变动等等。这些都会严重影响飞行器的飞行品质（zhì），因此无人机（jī）的控制技术便显得尤为重要（yào）。传（chuán）统的控制方法主要集（jí）中（zhōng）于姿态和高度的控制，除（chú）此之外还有一些用（yòng）来控制速度、位置（zhì）、航向、3D轨迹跟踪控制。多旋翼（yì）无（wú）人机的控制方法可以总结（jié）为以下三个主（zhǔ）要（yào）的方面。
一、线性飞行控制方法
常规的飞行器控（kòng）制方法（fǎ）以（yǐ）及早（zǎo）期的对飞行器控制（zhì）的（de）尝试（shì）都是建立在（zài）线性飞行控制理论上的，这其中就又有诸如PID、H∞、LQR以（yǐ）及增（zēng）益调度法。
1.PID PID控制属于传（chuán）统控制方法，是（shì）目（mù）前最成功、用的最（zuì）广（guǎng）泛的控制（zhì）方（fāng）法之一。其控制方法简单（dān），无（wú）需前期建模（mó）工作，参（cān）数物理（lǐ）意（yì）义明确（què），适用于飞行精度要求不高的控制（zhì）。
2.H∞ H∞属（shǔ）于（yú）鲁棒控制的方法。经典的控制（zhì）理论并不要求被（bèi）控（kòng）对象的精确数（shù）学模型（xíng）来解决多输入（rù）多输出（chū）非线性系统问题。现代控制理论可以定（dìng）量地解（jiě）决多输入多输出非线性系（xì）统问题，但完全依赖于描述被控对象的动态（tài）特性的数（shù）学（xué）模型。鲁棒控制可以很好解决因干扰（rǎo）等因（yīn）素引起的（de）建模误（wù）差问题（tí），但它的计算量非常（cháng）大（dà），依赖（lài）于高性能的处理器，同时，由于是频域设计方法，调参也相对困（kùn）难（nán）。
3.LQR LQR是被运用来控制无人机的比较成功的方法之（zhī）一，其对象是能用（yòng）状态空间表达式表示（shì）的线性系统（tǒng），目标函（hán）数为是状态变量或控制变量的二次函（hán）数的积分。而且Matlab软（ruǎn）件的使（shǐ）用为LQR的（de）控制（zhì）方法提供了良好的（de）仿（fǎng）真条件，更为工（gōng）程（chéng）实现提供（gòng）了便利。
4.增益调度法 增益调度（Gain scheduling）即（jí）在系统运（yùn）行时，调度变量（liàng）的变化导致控制器（qì）的参数随着改（gǎi）变，根据调度变量使系统以不（bú）同的控制规律在不同的（de）区域内运行，以解决（jué）系统非（fēi）线（xiàn）性的问题。该算法由两（liǎng）大（dà）部分（fèn）组成，第（dì）一部（bù）分主要完成事件驱动，实现参数调整。 如果系统（tǒng）的运（yùn）行情况改变，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（qí）控制功能由选定的模态（tài）来实现。该控制方（fāng）法（fǎ）在旋（xuán）翼无人机的垂直起降、定点悬停及路径跟踪等控制上有（yǒu）着优异的性能。
二、基于学习的（de）飞行控制（zhì）方法
基于学（xué）习的飞行控制方法的（de）特点就是无需了解飞行器（qì）的动（dòng）力学模型（xíng），只要一些飞行（háng）试验和飞（fēi）行数据。其中（zhōng）研究（jiū）最（zuì）热（rè）门的有（yǒu）模糊（hú）控制方法（fǎ）、基（jī）于人体学习（xí）的（de）方法以及神经网（wǎng）络法。
1.模（mó）糊控制方法（Fuzzy logic）模糊控制是解（jiě）决模型不确（què）定性的方法之一，在（zài）模型未知的情况下来实现对无（wú）人机的控制。
2.基于人体学（xué）习的方法（Human-based learning） 美国MIT的科研人（rén）员为了寻找能更好地控制小（xiǎo）型（xíng）无人飞行器（qì）的控制方（fāng）法（fǎ），从（cóng）参（cān）加军事演习进（jìn）行（háng）特技飞行的飞机中采集数据，分析飞行员对不同（tóng）情况（kuàng）下飞机的操作，从而更好（hǎo）地（dì）理解无人机的输入序（xù）列和反馈机制。这种（zhǒng）方法已经被运（yùn）用到小型无人机的自主飞行中。
3.神经网络法（Neural networks） 经典PID控制（zhì）结（jié）构简单、使用方便、易于实现, 但当被（bèi）控对象具有复杂的非（fēi）线性特性、难以建立精确的数（shù）学（xué）模型时，往往难以达到满意的控制效果。神经网络自适（shì）应控制技（jì）术（shù）能有效地（dì）实现（xiàn）多种不确定的、难以确切描（miáo）述（shù）的非线（xiàn）性复杂过程的控制，提高控（kòng）制系统的鲁棒（bàng）性、容错性（xìng），且控制（zhì）参数具有自（zì）适应和（hé）自学习能力。
三（sān）、基于（yú）模型的非线性控制方法
为（wéi）了克服某些（xiē）线性控（kòng）制方法的限制，一些非线性的控制方法被提出并且被运用（yòng）到飞行器（qì）的控制中。这些非（fēi）线性（xìng）的控制方法通常可（kě）以归类为（wéi）基于模（mó）型的非线性（xìng）控制方法。这其（qí）中有（yǒu）反（fǎn）馈线性化、模型预测控制、多饱和控制、反步法以及自适应（yīng）控制。
1.反馈线性化（feedback linearization） 反馈（kuì）线性化是（shì）非（fēi）线性系统常用的一种方法。它利用（yòng）数学变换的方法和微分几何学的（de）知（zhī）识，首先（xiān），将状态和控制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，最后，将设计的（de）结果通过反变换，转换（huàn）为原始的状（zhuàng）态（tài）和（hé）控制形式。反馈线性化理论（lùn）有两个重要分支：微分几何法和动态逆法，其中（zhōng）动态逆方法较微分几何法具有简（jiǎn）单的（de）推算特点，因此更适合用在飞行控制系统的（de）设计上（shàng）。但是，动态（tài）逆方法需要相当精确（què）的飞行器的模型，这在（zài）实际情况中是十分困（kùn）难的。此（cǐ）外，由于系统建模误差，加上外界的各种干扰（rǎo），因此，设计时要重点（diǎn）考（kǎo）虑（lǜ）鲁棒性（xìng）的因（yīn）素。动态逆的方法有一定的工程（chéng）应（yīng）用（yòng）前（qián）景（jǐng），现（xiàn）已（yǐ）成为（wéi）飞（fēi）控研究领域的（de）一个热点（diǎn）话题。
2.模型（xíng）预测（cè）控制（model predictive control） 模型预测控制是一类特殊的控制（zhì）方法。它是（shì）通过（guò）在每一个（gè）采样瞬间求解一个有限时域开环的最优控（kòng）制问题获得当（dāng）前控（kòng）制（zhì）动作。最优控（kòng）制问（wèn）题的初始（shǐ）状态为过程的当前状态，解得的最（zuì）优控（kòng）制序列（liè）只施加在第（dì）一个控制作用上，这是它（tā）和那些预先（xiān）计算控制律的算（suàn）法的最大（dà）区别。本质上看模型预测控制是（shì）求（qiú）解一个开环（huán）最优控制的问题（tí），它与（yǔ）具体的模型无关，但（dàn）是实（shí）现则与模型相关。
3.多饱和（hé）控制（nested saturation）饱和现（xiàn）象（xiàng）是一种非常普遍的物理现象，存在于大量的工程问题中（zhōng）。运用多（duō）饱和控制的方法（fǎ）设计（jì）多旋翼无人机（jī），可以解决其它（tā）控（kòng）制方法所不能解决（jué）的很多实际（jì）的（de）问题（tí）。尤其是对（duì）于微（wēi）小型无人机而言，由于（yú）大倾角的动作（zuò）以（yǐ）及外（wài）部干扰，致动器会（huì）频繁出现饱和。致动器饱和会限制操作的（de）范围并削弱控制系统的（de）稳定（dìng）性。很多方（fāng）法都已经被用（yòng）来解决饱和（hé）输入的问题，但还没有取得理想的（de）效果。多饱和（hé）控制在控制饱和输（shū）入（rù）方面有着很好（hǎo）的（de）全局稳（wěn）定性，因此这种方法常（cháng）用来（lái）控制（zhì）微型无人机的稳定性。
4.反步控（kòng）制（zhì）（Backstepping）反步（bù）控制是非线性系统控制器设计最常用的方（fāng）法（fǎ）之一，比较适合用来进行在线控制，能够（gòu）减（jiǎn）少在线计算（suàn）的（de）时间。基（jī）于Backstepping的控（kòng）制器设计方法，其基（jī）本思（sī）路是将复杂的（de）系统分解（jiě）成不超过系（xì）统阶数的多个子系（xì）统，然后通过反向递推为（wéi）每个子系统设计部分李雅普诺夫函数（shù）和中间虚拟控制量，直至设（shè）计完成整个控（kòng）制器。反步方法运用于（yú）飞控系统控制器的设计可以处（chù）理（lǐ）一类非线性、不确定性因（yīn）素（sù）的影响，而（ér）且已经（jīng）被（bèi）证明具有比（bǐ）较好稳定性及误差的收敛性。
5.自适应控制(adaptive control) 自适应控制也是一种基于数学模型的（de）控制方法，它（tā）最大的特点就是对于系统（tǒng）内部模型和外部扰动的信息依赖比（bǐ）较少，与（yǔ）模型相（xiàng）关的信息是在运行系统的过程中不（bú）断获取的，逐步（bù）地使模型趋（qū）于完善。随着模型的不（bú）断改善（shàn），由模型得到的（de）控制作（zuò）用也会跟着改进，因此控制系统具（jù）有一定的（de）适应能力。但同（tóng）时，自（zì）适应控制比常规反馈控制要（yào）复杂，成本也很高（gāo），因（yīn）此只是在用常规反馈达（dá）不（bú）到（dào）所期（qī）望的性能时，才会考虑采（cǎi）用自适应（yīng）的方法。
咨询航（háng）拍服务可加（jiā）昆明俊鹰无人机飞控手老（lǎo）鹰（yīng）的微信laoyingfly |
