无人机（jī）的飞行控（kòng）制是无人机研究领域主要问题之一。在飞行（háng）过程（chéng）中会受（shòu）到各种干（gàn）扰（rǎo），如传感器的噪音与漂移、强风与乱气（qì）流、载重量变化及倾角过大引起的模（mó）型变动（dòng）等等。这些都会严重影响飞行器（qì）的飞（fēi）行品质，因此（cǐ）无人机的控制技术便显得（dé）尤为重要（yào）。传（chuán）统的控制方法主要集中（zhōng）于（yú）姿态和（hé）高度的控制，除（chú）此之外还有一些用来控制（zhì）速度、位置、航向、3D轨迹跟踪控制。多（duō）旋翼无人机的控（kòng）制方法可以总结为（wéi）以（yǐ）下三（sān）个主要的方面。

一、 线性飞行控制方法（fǎ）

常规（guī）的飞行器（qì）控制方（fāng）法以（yǐ）及早期的对飞行器（qì）控制（zhì）的尝试都是建立在线（xiàn）性飞行控制（zhì）理论上（shàng）的，这其中（zhōng）就又有诸如PID、H∞、LQR以（yǐ）及增益调度（dù）法。

1.PID  PID控制属于传统（tǒng）控制方（fāng）法（fǎ），是目前（qián）最成功、用的最广泛的控制方法之（zhī）一。其控制方法简单，无需前期建模工（gōng）作，参数物理意义明（míng）确，适用（yòng）于（yú）飞行（háng）精（jīng）度要（yào）求不（bú）高的控制。

2.H∞ H∞属于鲁棒控（kòng）制的（de）方法。经典的控制理（lǐ）论并（bìng）不要（yào）求被控对象的精确数学模（mó）型来（lái）解（jiě）决多输入多（duō）输出非线性（xìng）系（xì）统问（wèn）题。现代（dài）控（kòng）制理论可（kě）以定（dìng）量地解决多输入多输出非线性系统问题，但（dàn）完全（quán）依（yī）赖于描（miáo）述被控对（duì）象的动态特性（xìng）的数（shù）学模型。鲁（lǔ）棒控（kòng）制可（kě）以很好（hǎo）解决因干扰等因素（sù）引起的建（jiàn）模误差问题，但（dàn）它的计（jì）算量非常大，依（yī）赖于高（gāo）性能的处理器（qì），同时，由于是频域设计方法，调（diào）参也相（xiàng）对（duì）困难。

3.LQR LQR是被运用来控制无人（rén）机的比（bǐ）较成功的方法之一，其对象是能用状态空间表达式表（biǎo）示的线性系统，目标函数为（wéi）是状态（tài）变量或控制变量（liàng）的二（èr）次函数的积分。而且Matlab软件（jiàn）的（de）使（shǐ）用为LQR的控制方法提供了良好的仿真条件，更（gèng）为（wéi）工（gōng）程实现提供了便利。

4.增益调度法 增（zēng）益调度（dù）（Gain scheduling）即（jí）在系统运（yùn）行时，调度（dù）变量的变化导致控制器的参数随着改变，根据调度变（biàn）量（liàng）使系统以不同（tóng）的控制规（guī）律（lǜ）在不（bú）同的区域内运行，以（yǐ）解决系统非线性的问题。该算法（fǎ）由两大部分组成，第一部分主（zhǔ）要（yào）完成（chéng）事件驱动，实现参数调整。 如果（guǒ）系统的运行情况改（gǎi）变，则可通（tōng）过该部分（fèn）来识别并切换模态；第（dì）二部分为误（wù）差驱动，其控（kòng）制功（gōng）能（néng）由选定的（de）模态来实（shí）现。该控（kòng）制方（fāng）法在旋翼无人机的（de）垂直起（qǐ）降、定（dìng）点悬停及路径跟踪等控制上有着（zhe）优异的性能。

二、 基于学习的飞行控制方法（fǎ）

基于（yú）学习的飞行控制方法的特点就是无需了（le）解飞行器（qì）的动力学模型，只要一些飞行（háng）试验和飞行数据。其中研究最热门的有模糊（hú）控制方法、基于人体学习的方（fāng）法以（yǐ）及神经网络法。

1.模糊（hú）控制方（fāng）法（fǎ）（Fuzzy logic）模糊控制是解决（jué）模型不（bú）确定（dìng）性的方法之（zhī）一（yī），在模型未知的情况下来实现对无（wú）人机的控制。

2.基于人体学习的方法（Human-based learning） 美（měi）国MIT的科研人（rén）员为了（le）寻找（zhǎo）能更好地（dì）控制小型（xíng）无（wú）人飞行器的控制方法，从参加军（jun1）事演习进行（háng）特技飞行的飞机中采集数据，分析（xī）飞（fēi）行员（yuán）对不（bú）同情（qíng）况下飞（fēi）机的操作（zuò），从而更好地（dì）理解无人机的输入序（xù）列和反馈（kuì）机制。这种方法已经被运用（yòng）到（dào）小型无（wú）人机的自主飞行中。

3.神经网（wǎng）络法（Neural networks） 经典PID控（kòng）制结构简单、使用方便、易于实现（xiàn）, 但当被控对象（xiàng）具有复杂的非线（xiàn）性特性、难以建立精确的（de）数学（xué）模型时，往往难以（yǐ）达到满意（yì）的控制效果。神经网络自适应控制技术能有效地实现多种不确定的、难以确切描述的非线性（xìng）复杂过程的控制，提（tí）高控制系（xì）统的鲁棒性（xìng）、容错（cuò）性，且控制参数具有（yǒu）自适（shì）应和自（zì）学习能力。

三、 基于模型的非线性（xìng）控制方法

为了克服（fú）某（mǒu）些线性控（kòng）制方法的限制（zhì），一些非线性的控制方（fāng）法被提（tí）出并且被（bèi）运用到飞行器的控制中。这些非线性的控制方法通常（cháng）可以归（guī）类为（wéi）基于（yú）模（mó）型的非（fēi）线性控制（zhì）方法。这其中有反馈线（xiàn）性化（huà）、模型预测（cè）控制、多（duō）饱和控制、反步法以（yǐ）及自适应控制。

1.反馈线（xiàn）性化（huà）（feedback linearization） 反馈线性（xìng）化是非线（xiàn）性系统常用的一种方法。它利用数学变换（huàn）的方法和微分几何（hé）学的知（zhī）识，首先，将状态和控制变量转变为线性形（xíng）式，然后，利用常规的线性设计的方法（fǎ）进行设计（jì），最后，将设计的结果通过反（fǎn）变换，转（zhuǎn）换为原始的（de）状（zhuàng）态和控制形式。反（fǎn）馈线性化理论（lùn）有两个重要分支（zhī）：微分几（jǐ）何（hé）法和动态逆法，其中（zhōng）动态逆方法较微分几何法具有简单的推算特点（diǎn），因此更适合用在飞行控制系统的（de）设计上。但是，动态逆方法（fǎ）需要相当精确的飞行器的（de）模型，这在（zài）实际情况中（zhōng）是十分困难（nán）的。此（cǐ）外，由于系统（tǒng）建模误差，加（jiā）上外界的各种干扰，因此，设计时要（yào）重点考虑鲁棒（bàng）性的因（yīn）素。动态逆的方法（fǎ）有一定的工程应用前景，现已成为飞（fēi）控研究领域（yù）的一个热点话题。

2.模型预测控制（model predictive control）模（mó）型预测（cè）控制是一类特殊的（de）控（kòng）制方（fāng）法。它是（shì）通过在（zài）每（měi）一（yī）个采（cǎi）样瞬间求解一个有限时域开环的最（zuì）优（yōu）控制问题获得当前控制（zhì）动作。最优控制问题的初始（shǐ）状态为过程（chéng）的（de）当前状（zhuàng）态，解得的最（zuì）优控制（zhì）序列只施加（jiā）在第（dì）一个（gè）控制作用上，这是它和那些预先计（jì）算控制律的算法的最（zuì）大区别。本（běn）质上看（kàn）模型预测控制是求（qiú）解一个开环最（zuì）优控制的问题，它与（yǔ）具体的模型无关，但是实现（xiàn）则与模型相（xiàng）关。

3.多饱（bǎo）和控制（nested saturation）饱和（hé）现象是一种（zhǒng）非常（cháng）普（pǔ）遍的物理（lǐ）现象，存（cún）在于（yú）大量的工程（chéng）问题中。运用多饱和控（kòng）制的方法设计多旋翼无人机，可以解（jiě）决其它控制（zhì）方法所（suǒ）不能解决的（de）很多实（shí）际的问题。尤其是（shì）对于微小（xiǎo）型无人机而言，由于大倾角的动作以及外部干扰，致动器会频繁出现饱（bǎo）和。致动器饱和会限制操作的范围并削弱（ruò）控制系统的稳定（dìng）性。很多方法都已经被用来解决饱和输入的问（wèn）题，但还没有取得理（lǐ）想的效果。多饱和（hé）控制在控制饱和输入（rù）方（fāng）面有着很好（hǎo）的全（quán）局（jú）稳定性，因此（cǐ）这（zhè）种方法（fǎ）常用来（lái）控制微（wēi）型（xíng）无人机（jī）的稳（wěn）定（dìng）性（xìng）。

4.反步控制（Backstepping）反步控制是非线性（xìng）系统控制（zhì）器设计最常用的（de）方法之（zhī）一，比较适合（hé）用来进行在线控制，能够减少在线计算的时间。基于（yú）Backstepping的控制器设计（jì）方法，其基本（běn）思路是将复（fù）杂的系（xì）统分解成不（bú）超过系统阶数的多个子（zǐ）系统，然后（hòu）通过反向递推为（wéi）每个子系统设计部分李（lǐ）雅普（pǔ）诺夫函数和中间虚拟控（kòng）制（zhì）量，直至（zhì）设计完成整（zhěng）个控制器。反步方法运用于飞控系统控（kòng）制器的设（shè）计（jì）可以处理一类非线性、不确定性因素的影响，而且（qiě）已经被证明具有比较好稳定性（xìng）及（jí）误差的收敛性。

5.自适应控制(adaptive control) 自适应控制也是（shì）一种基于数学模型的控制方法，它最大的特点就（jiù）是对于系统内部模（mó）型和外部扰动（dòng）的信息（xī）依赖比较少，与模型相关的（de）信息是在运（yùn）行系统的过程中不断获（huò）取的，逐步地使模型趋于完善。随（suí）着模（mó）型的（de）不断（duàn）改善，由模型得到的控制（zhì）作用也会跟着（zhe）改进（jìn），因此控（kòng）制系统具有一（yī）定（dìng）的适应能力。但同时，自适应控制比（bǐ）常规反馈（kuì）控制要复杂，成本（běn）也（yě）很高，因（yīn）此只是在（zài）用（yòng）常规反馈达不（bú）到所期望（wàng）的（de）性能时，才会考虑（lǜ）采用自适应的方法。

咨询航拍服（fú）务（wù）可加昆明俊鹰无人机飞控手老鹰的微信laoyingfly