无人机的飞（fēi）行控制是无人机研究（jiū）领域主（zhǔ）要问题之一。在飞（fēi）行过程中会受到各（gè）种干扰，如传感器的噪音与（yǔ）漂移、强风与乱气流（liú）、载重量变（biàn）化（huà）及倾角（jiǎo）过大引起的模型变动等等。这些（xiē）都会（huì）严重影（yǐng）响飞行器的飞行（háng）品质，因此无人机的控制技术便显得尤（yóu）为重要。传统的控制方法主要集（jí）中于姿态和高（gāo）度（dù）的（de）控制，除此之（zhī）外还有一些用来控制速度、位置、航向、3D轨迹跟踪控制。多旋（xuán）翼无人机的控制方法可以总结为（wéi）以下三个主要的方面。

一、线性飞行控（kòng）制（zhì）方法

常规（guī）的飞行器控制方法以及早期的对飞行器控制的尝（cháng）试都是建立在线性飞行控制理论上（shàng）的，这其（qí）中（zhōng）就又有诸如PID、H∞、LQR以及增益（yì）调度法。

1.PID PID控制（zhì）属于（yú）传统控制方（fāng）法，是（shì）目前（qián）最成功、用的最广泛的控（kòng）制（zhì）方法（fǎ）之一（yī）。其控制方法简单，无需前期建模（mó）工作，参数（shù）物理意义明确，适用于飞行（háng）精度要求不高的控制。

2.H∞ H∞属于鲁棒控制的方（fāng）法。经典的控制理论并不要求（qiú）被（bèi）控对象的精确数学（xué）模型来解决多输入多输出非线（xiàn）性系统问题。现代控制理论可以定量地（dì）解决（jué）多输入（rù）多输出非线性系统问题，但完全依赖于描述被控对象的动态特性的（de）数学模型。鲁棒（bàng）控制可以很好解决因干扰等因（yīn）素（sù）引起的建模误差问题，但它的计算（suàn）量非（fēi）常大，依赖于（yú）高性能的处理器，同时（shí），由于是频域设计方法，调参也相对困难。

3.LQR LQR是被运用来控制无（wú）人机的比较成功的方法之一，其对象是能用状态空间表达式（shì）表示的线性系统，目（mù）标函（hán）数为是状态变（biàn）量（liàng）或控制（zhì）变量的二次函数的积分。而且Matlab软件的使用为LQR的控制方法提供了（le）良好的仿真条件，更为工程实现提供了便利。

4.增益调度法 增益调度（dù）（Gain scheduling）即在系统运行（háng）时，调度变量（liàng）的变化（huà）导致（zhì）控制器（qì）的参数（shù）随着改（gǎi）变，根据调度变量使系统以不（bú）同的控制规（guī）律（lǜ）在（zài）不同的（de）区域内运行（háng），以（yǐ）解决系统非线性的问题。该算法由两大部分组成，第（dì）一部分主要完成事件驱动，实现参（cān）数调（diào）整（zhěng）。 如果系统的运行情况改变，则可通过该部分来识别并（bìng）切换（huàn）模态；第二（èr）部分为（wéi）误（wù）差驱动（dòng），其控制功（gōng）能由选定的模态来实（shí）现。该控制（zhì）方法在旋翼无人机的（de）垂直起（qǐ）降、定点悬停及路径跟（gēn）踪等控制（zhì）上有（yǒu）着优（yōu）异的性能。

二（èr）、基于学习的飞行（háng）控制方（fāng）法（fǎ）

基（jī）于学习的飞行控（kòng）制方法的特点就是无需了解飞行（háng）器的动力学模型，只要一些飞行试验和飞（fēi）行（háng）数据。其（qí）中研究最热门的（de）有模糊控制方（fāng）法、基（jī）于人（rén）体学习的方法以及（jí）神经（jīng）网络法。

1.模糊控制方法（Fuzzy logic）模糊（hú）控（kòng）制是解（jiě）决模型不确定性的方法之一，在模（mó）型未（wèi）知的情（qíng）况下（xià）来实现对无人机的控制。

2.基于人体学习的方（fāng）法（Human-based learning） 美（měi）国MIT的科研（yán）人员为了寻找能更好（hǎo）地控制小型无人飞（fēi）行器的控制方法，从参加军（jun1）事演习（xí）进行特（tè）技飞（fēi）行的飞机中（zhōng）采集（jí）数据（jù），分析飞（fēi）行员（yuán）对（duì）不同情况下飞机的操作，从而更（gèng）好地理解无人机的输入序列和反馈机制。这种方法已（yǐ）经被运用到小型无人机的自主飞行中。

3.神经网络法（Neural networks） 经典PID控制结构简单（dān）、使用方（fāng）便（biàn）、易于实现（xiàn）, 但当被控（kòng）对象（xiàng）具（jù）有复杂的（de）非（fēi）线（xiàn）性特性、难以（yǐ）建立精确的数学模型（xíng）时，往往（wǎng）难（nán）以达（dá）到满意的控制（zhì）效果（guǒ）。神经网络自适应（yīng）控制技术能有效地实（shí）现（xiàn）多种（zhǒng）不确定（dìng）的、难以确切描述的非线性复（fù）杂过程的控制，提高（gāo）控制系统（tǒng）的（de）鲁棒性、容（róng）错（cuò）性（xìng），且控制（zhì）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（le）克（kè）服（fú）某些（xiē）线性控制方法的限制，一些（xiē）非线（xiàn）性（xìng）的控（kòng）制方法（fǎ）被提（tí）出并且被运（yùn）用到（dào）飞行器的控制中。这些非线性的（de）控制方法通常可以归类为基于模型的非线性控制方法。这（zhè）其中有反馈线性化、模型预测控（kòng）制、多饱和控制、反步法以及自适应控制（zhì）。

1.反馈（kuì）线性化（feedback linearization） 反馈线性化是非线性系统（tǒng）常用（yòng）的一种方法（fǎ）。它（tā）利用数学变换的方法和微分几何学的知识，首先，将状态和控制变量转变为线（xiàn）性形（xíng）式，然后（hòu），利用（yòng）常规的线性（xìng）设计的方（fāng）法进行设计（jì），最（zuì）后，将（jiāng）设计的结果通过反变换，转换为（wéi）原始的状态和（hé）控制形式。反馈线性化理论（lùn）有两个重要（yào）分支：微分几何法和动态逆法，其中动（dòng）态逆（nì）方法较微分几何法具有简单的推算特点（diǎn），因此更（gèng）适（shì）合（hé）用在飞行控制系统的设计上。但是（shì），动（dòng）态逆方（fāng）法需要相当（dāng）精确的飞行器的模型（xíng），这在实际情况中是十分困（kùn）难的。此外，由于（yú）系（xì）统建模误差，加（jiā）上外界的各种干扰，因此，设计时要重点考虑鲁棒性的因素（sù）。动态逆的方法有一（yī）定的工程（chéng）应用前景，现已成为飞控研究（jiū）领域的一个热点话（huà）题。

2.模（mó）型预测控制（model predictive control） 模型预（yù）测控制是一类（lèi）特殊的控制方法（fǎ）。它是通过在每一（yī）个采样瞬间求解一个有限时域开（kāi）环的最优控制（zhì）问（wèn）题获（huò）得（dé）当前（qián）控制动作。最（zuì）优（yōu）控制问题的初始状态为过程的当前状态，解得的（de）最（zuì）优（yōu）控制序（xù）列只施加在第一个控制作用上，这是它和那些预先（xiān）计算控制（zhì）律的（de）算法（fǎ）的最大区别（bié）。本质上看模型预测控制是求解一个开（kāi）环（huán）最优控制的问（wèn）题，它与具体（tǐ）的模型无关（guān），但是实现则与模型相关。

3.多饱和控制（nested saturation）饱和现象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（zhōng）。运用多饱和控制的方（fāng）法设计多旋翼无人机，可以解决其它（tā）控（kòng）制（zhì）方法（fǎ）所不（bú）能（néng）解决的很多（duō）实际（jì）的问（wèn）题。尤其是对（duì）于微小型（xíng）无人机（jī）而言，由于大倾角的动作以及外部干扰，致动器会（huì）频繁出（chū）现（xiàn）饱和。致动器（qì）饱和会限制操作的范围并削弱（ruò）控制系统（tǒng）的稳定性。很多方法都（dōu）已经被（bèi）用来解决（jué）饱和（hé）输入的问题（tí），但还没有取得理想的（de）效果。多饱和（hé）控制在控（kòng）制饱和输（shū）入方（fāng）面（miàn）有着（zhe）很好的全局稳定性，因此（cǐ）这种（zhǒng）方法（fǎ）常用来（lái）控制（zhì）微型无人机的稳定性。

4.反步控制（Backstepping）反步控制是非线（xiàn）性系统控制器设计（jì）最常用的方法之一，比较适（shì）合（hé）用来进行在线控制，能够（gòu）减少在线计算的时间。基于Backstepping的（de）控（kòng）制器（qì）设计方法，其基本思路是将复杂的（de）系统分解成不超过系统阶数的多个子（zǐ）系统，然后（hòu）通过反（fǎn）向（xiàng）递推为每个子系统设计（jì）部分李雅（yǎ）普诺夫函数和（hé）中间（jiān）虚拟控制量，直至设计完成整个（gè）控（kòng）制器。反步方法运用于飞控系（xì）统控制器的设（shè）计可以处理一类非线（xiàn）性、不（bú）确（què）定性因素的影响，而（ér）且（qiě）已经被证明（míng）具（jù）有（yǒu）比较好稳（wěn）定性（xìng）及误差（chà）的收敛（liǎn）性（xìng）。

5.自适（shì）应（yīng）控制（zhì）(adaptive control) 自适应控（kòng）制也是一种基于数学（xué）模型的控制方（fāng）法，它最（zuì）大的（de）特点就是对于系统（tǒng）内部模（mó）型和外部扰动的信息依赖比较少，与模型相关（guān）的信（xìn）息是在运行系统的过程中（zhōng）不断获取的，逐（zhú）步地使模型趋于完善（shàn）。随着模型（xíng）的不（bú）断改善，由模型（xíng）得到的控制作用也会跟（gēn）着改进（jìn），因此控制系统具有一（yī）定（dìng）的适应能力。但（dàn）同（tóng）时，自适应（yīng）控制比常规反（fǎn）馈控制（zhì）要复杂，成本也很高，因此只是在用常规反馈（kuì）达（dá）不到所期（qī）望的性能（néng）时，才会考虑采用自适（shì）应的方法。

咨（zī）询（xún）航（háng）拍（pāi）服务可加昆明俊鹰（yīng）无人机飞控（kòng）手老鹰的微信laoyingfly