梳理（lǐ）完（wán）控制以（yǐ）及飞行力学的一些基本（běn）原理之后，就该正式进（jìn）入无人机导航、制导与（yǔ）控（kòng）制的讨论了。导航制导与控（kòng）制是无人机系统中最复杂的分（fèn）系统，其功（gōng）能可以有多种（zhǒng）划分方法，本文中（zhōng），我（wǒ）们就（jiù）以下面框图所示的划分方（fāng）法为例，对无人机导航制导与控制系统的（de）基本原理和（hé）常（cháng）用方法做（zuò）一下（xià）介（jiè）绍和归纳。
由于GPS、室内（nèi）定位（wèi）甚至自动驾驶在生活中的广（guǎng）泛应用，“导航”、“制导”、“控制”这几个词也越（yuè）来越为大众所熟悉和使用，但是对于（yú）这些（xiē）词的定义，我们日常生活中的使用和理解方（fāng）法可（kě）能与无人机语境有（yǒu）所不（bú）同，所以（yǐ）有必要对其在本系列文章中的含义做一下解释：
导航：即无人（rén）机获得自己当前（在某个参照系下）的位置、速度（dù）等信息，必（bì）要时（shí）还需要获得当前（相对（duì）于某个参照系（xì））的姿态、姿态角速度等信息。例如，采用纯（chún）惯性导（dǎo）航可（kě）以获（huò）得（dé）无人机在某个（gè）惯性系下（xià）的（de）位置、速度和加速（sù）度，以及相对于该（gāi）惯性系的姿态（tài）角和角（jiǎo）速（sù）度；GPS导航（háng）系（xì）统则可以提供无人机在WGS84坐标系（xì）下的速度、位（wèi）置（zhì）和航向角等信息；而借助（zhù）如（rú）Vicon、UWB等室内定位系统则可以获（huò）得无人机相（xiàng）对于室内（nèi）某个坐标系的速度（dù）、位置（zhì）等信息。因此，简要概括导航的主（zhǔ）要（yào）工作就是要“知道自己在哪，知道自己的（de）姿态”。
制导：即无人机发现（或外部输（shū）入）目标的位置、速度等信（xìn）息，并根据自己的位（wèi）置、速度以（yǐ）及内部性（xìng）能和外部环境的约束（shù）条件，获（huò）得抵达（dá）目（mù）标所需（xū）的位（wèi）置（zhì）或（huò）速度指（zhǐ）令。例如（rú），按照规划的航路点（diǎn）飞行时，计算无人机径（jìng）直或者沿某个航（háng）线飞抵航路点（diǎn）的指令；采用基于计（jì）算机视觉目标跟踪（zōng）的光学制（zhì）导时，根据目标在视场中的位置（以及摄像头可能存在的离轴角）计算跟踪目（mù）标（biāo）所需的过载（zǎi）或者姿态（tài）角速（sù）度指令；而当预装（或SLAM获得（dé）的）地图中存在需要规（guī）避的障碍物或禁飞区时（shí），根据无人机飞行性（xìng）能计算可行（háng）的（de）规避路线或者速（sù）度指令。因此（cǐ），简要概括制导的主要工（gōng）作就是（shì）要“知道目标（biāo）在哪，如何抵达目标（biāo）”。
控制：即无（wú）人机根据（jù）当前的速度、姿态等信息，通过执行机构（gòu）作用（yòng）来改变姿态、速度等参数，进而实现稳定飞行（háng）或跟踪（zōng）制（zhì）导指令。例如，当固定翼无人机需要爬升高度时，计算需（xū）要的俯仰角和俯仰角速度指令，以及为了让空（kōng）速不至（zhì）于大幅降低所需的（de）油门指（zhǐ）令；当沿着（zhe）航线飞行，但（dàn）是存在侧（cè）风时，计（jì）算（suàn）所需的偏航角指令以利用侧滑抵消（xiāo）侧风影（yǐng）响；或者当多旋翼无人机的某个旋翼（yì）失效时，计算如何（hé）为剩余旋翼（yì）分配指令以（yǐ）尽可能实现稳定飞行。因此，简（jiǎn）要（yào）概括控制的主要工作就是“改变飞行姿态，跟踪（zōng）制导指令（lìng）”。
虽然理论上，导航、制导（dǎo）和控制这三者各司其职，只（zhī）是在（zài）指令计算（suàn）和（hé）执行上（shàng）有顺承关系，但是在实（shí）际（jì）系（xì）统中，三者可能会有很（hěn）多交叉因素。例如，导（dǎo）航系统中所测量或估计出的角速度，既要用于（yú）导航系统（tǒng）的速度和位置（zhì）估（gū）计，又要用于姿态控制；而在一些高（gāo）机（jī）动性的飞行器（如直接碰撞杀伤的动能拦（lán）截器等（děng））和空天（tiān）飞行器（如升（shēng）力体（tǐ）再入返回（huí）的（de）制（zhì）导控制）上也有制导与控制一（yī）体化设计的趋势（shì）。但在本文中，仍然根据无人机（jī）的固有特性，尽（jìn）量（liàng）将三者作为具有独（dú）立功能（néng）的（de）分系（xì）统看待。其中，导航系统原理可以大致分（fèn）为（wéi）以下几个（gè）类型（xíng）：
基于绝对（duì）参考系的（de）导（dǎo）航。如惯（guàn）性（xìng）导（dǎo）航、磁罗盘导航等。惯性导航运用牛顿力学原理，通过构建一个（gè）与机体固（gù）联的惯性平台（tái），从（cóng）而根据加速度计测量的惯性加速度计算在某惯性参（cān）考系（xì）下的速度（dù）和位置，根据陀螺仪测量所得的角（jiǎo）速度计算（suàn）机体（tǐ）相对（duì）于惯性平台的姿态角，从而只需要加（jiā）速度计（jì）和陀螺（luó）仪满足一定（dìng）的精度要（yào）求，就可以在不需（xū）要外部（bù）信息（xī）的情况下获得机体相对（duì）于惯性参考系（xì）的速度（dù）、位置和（hé）姿态角（jiǎo）。之所以将与机体固联的移动参照（zhào）系成为（wéi）惯性平（píng）台，是因为早期的平台式惯性导航设备（bèi）中（zhōng）确实存在一个物理（lǐ）上的框架（jià），该框架基于陀螺进（jìn）动原理始终与惯性系（或当地铅锤坐标（biāo）系（xì））保持平行。高精度（dù）的（de）平台惯（guàn）导系统可以长（zhǎng）期不需要外部信息进行导航，例如有些核潜艇（tǐng）所装备（bèi）的惯导系统可以保证水下航行数月的（de）导航误差在数海里的量级（jí）。
虽然平（píng）台惯导的（de）精度很（hěn）高，但是由于系统复杂且体积巨大（dà），不便（biàn）于在（zài）小（xiǎo）型飞行器上装备，随着计算（suàn）机技术和导（dǎo）航器件技术的发展，捷联惯导越来（lái）越多地被使用。与平台惯导所用的物理平台不同（tóng），捷联惯（guàn）导的陀螺仪和加速（sù）度（dù）计（jì）都与机体固连（lián），因（yīn）此（cǐ）采用（yòng）虚拟的数学惯（guàn）性平台，即（jí）惯性器件（jiàn）测量所得数据都会经过（guò）坐标变换的（de）数学运算转换到惯性坐标系下，由于去掉了（le）物理（lǐ）平台，捷联惯导系统（tǒng）的体积大幅缩减。特别是近二十年来（lái）快速发（fā）展的MEMS（微机（jī）电系统）器件，已（yǐ）经（jīng）可以将捷联惯导系统的体（tǐ）积（jī）缩小（xiǎo）到几立方厘米的量级。
当然，惯性导航并非（fēi）完（wán）美，由于导航过程依赖惯性器件（jiàn）的输出（chū）数（shù）据（jù）、坐标变（biàn）换（huàn）以及数值积（jī）分，所以（yǐ）器件误差和数（shù）值计算的截断误差会不断累积（jī），在缺乏额外的相对于绝对坐标系的信息时，该误差无法（fǎ）被修（xiū）正，因此（cǐ），惯导（dǎo）系统通（tōng）常作为飞行器的主要导航系统，但同（tóng）时还需要其他导航信息对惯（guàn）导结果进行修正。
几（jǐ）乎其他所有导（dǎo）航方法（fǎ）都可（kě）以用于修（xiū）正惯导系统误差，甚至是惯导系（xì）统本身，如AHRS（航（háng）姿（zī）参（cān）考系统（tǒng）），这种（zhǒng）系统除了采用陀螺仪积分得出姿态角（jiǎo），还（hái）能根（gēn）据（jù）加速度计测量（liàng）的重力（lì）方向以及磁罗（luó）盘测量的磁航向（xiàng）对姿态角结果进行修正，从而在陀螺仪精度不高的情况下获（huò）得长期稳定（dìng）的（de）姿态（tài）角输出，不过由于低（dī）精度器（qì）件（jiàn）所（suǒ）得的姿态角结果（guǒ）短期和长（zhǎng）期均有不（bú）同（tóng）程度的误差，该系统（tǒng）无法进行精确的航位推算。
基于（yú）距离测量的导航（háng）。如卫星导（dǎo）航、室内定位等（děng）。这类导（dǎo）航方式一般是通过测量飞行（háng）器与已知精确位置的参考点之间的距（jù）离，从（cóng）而（ér）解算（suàn）出（chū）飞行器（qì）位置。例（lì）如卫星导（dǎo）航系统（tǒng）就（jiù）是通过接收多（duō）颗卫星发射出来的星历信（xìn）息，从中得（dé）出时间差并根（gēn）据光速（sù）计算出距离（lí），从而解算出飞行器在（zài）WGS84坐标系下的位置和经纬高度信息。同样采用类似方式的还有室内（nèi）定位应用（yòng）中（zhōng）很火（huǒ）的WIFI定位和UWB定位技术，均是（shì）利用信号强（qiáng）度或发送（sòng）接收的时间差（chà）计算飞行（háng）器与（yǔ）各参考（kǎo）点之间的距离，从而解算飞行器实时位置。
基于特征匹配的（de）导航。如地形匹配、运动捕捉系统等。这类导航方（fāng）式通常（cháng）是通过飞行器实时提取地磁、地貌（mào）、图像等特征，并与特征库进行比对或进（jìn）行相应计算，从而得到飞行器位置、速（sù）度（dù）等信息（xī）实现导航功（gōng）能，如巡航导（dǎo）弹中所使用（yòng）的地形匹配方法（fǎ）和现在比较火（huǒ）的SAR（合成孔径雷达）地貌匹配方法，都（dōu）是通过（guò）提取飞行（háng）路径上的一维或二维地形地（dì）貌（mào）信（xìn）息，并与数字高程地图库进行比对，从而获知当前（qián）位置、速度（dù）等信息，这在（zài）卫星导航信号丢失时的长期（qī）导航具有重要意（yì）义。运用计算机视觉技术，通过（guò）识别（bié）已（yǐ）知位（wèi）置上的（de）标记物（wù）特征（zhēng）完成（chéng）位置、速度估（gū）计（jì）的方（fāng）法也（yě）归属（shǔ）此类。还（hái）有另一类导航方法就是类似于Vicon的运动捕捉系统，这种系统则是通（tōng）过已知位置的（de）光学等（děng）传感器识（shí）别飞行器上设置的标记（jì）物（wù），从（cóng）而解（jiě）算出飞行器实时位置、速（sù）度。
而既然说到（dào）基于特（tè）征，就不（bú）得不关注计算（suàn）机视觉在导航中的（de）应用，例（lì）如在消（xiāo）费级无人机上运用多（duō）年的稀疏光流算法，就是根据灰度图（tú）像中特征点的运（yùn）动（dòng）计算出（chū）无人机的运（yùn）动速（sù）度，近年（nián）来火（huǒ）爆的SLAM则更（gèng）是将计（jì）算机视觉发挥到极（jí）致，这种算法通过将运动中实时（shí）采集的图像特征性（xìng）信息与惯导等系统信息进行融合，从而可以在未知环（huán）境中（zhōng）一边完成周围场景的三维模型重建，一边进行自（zì）身在场（chǎng）景中相对位置和速度的解算。
说回无人机（jī）的导航，当前（qián）多数无（wú）人机采用惯（guàn）导/卫星导航组合作为基本的（de）导航方（fāng）式，可以保证绝（jué）大多数场景下（xià）的稳（wěn）定导航。大型军用无人机由（yóu）于对导（dǎo）航系（xì）统的轻量（liàng）化（huà）和成本要求不高，为了实现较高的导航精（jīng）度，其通常仍（réng）采（cǎi）用光纤/激光陀螺（luó）和（hé）石（shí）英加（jiā）速度计组成的高精度惯导（dǎo）系统（tǒng），而中小型和（hé）民用无人机则（zé）采用更（gèng）轻小更廉价，但是精度较低的MEMS器件组成（chéng）惯导（dǎo）或（huò）航姿参考系（xì）统，与卫星导航组（zǔ）合（hé）后，仍能提供有（yǒu）效的导航信息输出。
而在某（mǒu）些（xiē）特殊应用场景下，卫星导航信号会丢失，如微型无（wú）人机在（zài）室内和城市楼群（qún）之（zhī）间飞行（háng），这时就需要其他的导航方式进行（háng）辅助。常用的（de）比如气压（yā）计的使用就（jiù）可以以（yǐ）较低的综合成本获得（dé）低精度的（de）海拔（bá）高（gāo）度（dù）（误（wù）差100米量级）和较高精度（dù）的相对高度信息（误差0.1米量级（jí））。无人机在室内飞（fēi）行时（shí），可以架设前（qián）文提到的（de）WIFI、UWB或Vicon等（děng）需（xū）要复杂外（wài）部设备的室内（nèi）定位系统，或者外部设置已知位置的标记物（wù），通过无人（rén）机的视觉系（xì）统完成识别和自身定位。而在极为特殊的场景下，如各种高危（wēi）未知环境的勘测，使得常用辅助导（dǎo）航系统都难以使用时，就不得不祭出（chū）SLAM这一杀手锏了，SLAM技术正（zhèng）处（chù）于高速发展中（zhōng），且已（yǐ）经有多种实用（yòng）的方（fāng）案出现了（le），完美的SLAM系统可以完成（chéng）科幻电影里那（nà）种放（fàng）出去几驾微型无人机自由飞行，配合一个便携地面站，便可以实时（shí）地重建周围环境的（de）3D模型，这种（zhǒng）性能在未来五年之内（nèi）肯定可以实现。当（dāng）然绝（jué）大多数辅助（zhù）的导航方式都难（nán）以（yǐ）输（shū）出用于制（zhì）导控制的高频率（200Hz以上（shàng））导航信息（xī），因此（cǐ）通常情况下（xià）仍是（shì）将辅助导（dǎo）航系统与（yǔ）惯性（xìng）导航（háng）相结合（hé）。
下面来（lái）讨论无（wú）人机的制导（dǎo），现阶段（duàn）大多数军用还是民用无人（rén）机在自动飞行过程中仅需完（wán）成航（háng）路点（diǎn）或航线的跟踪，因此制导策略相对简单。多旋翼（yì）无人（rén）机（jī），跟踪航路点时只需要将飞（fēi）行速度方向（xiàng）对准下一（yī）个航路点，跟踪航线也仅需首（shǒu）先飞到航（háng）线上（shàng）距（jù）离（lí）当前位置最（zuì）近（jìn）的点即可；而这项任务对（duì）于固定翼（yì）无人（rén）机相对复杂。因为固定（dìng）翼无人机的速度方（fāng）向需要通过航（háng）向来改变，而航向则（zé）需（xū）要通过滚转来改变，这就使得滚转角与速（sù）度方向（xiàng）之间（jiān）形成了近（jìn）似二阶（jiē）环节的（de）过（guò）程，这通常可以（yǐ）运用（yòng）导弹的比（bǐ）例导引法来实现航路点跟踪。比例导（dǎo）引法（fǎ）的基本（běn）原理就（jiù）是（shì）让飞行器速度矢（shǐ）量在（zài）空间中的（de）转动（dòng）角速度正比于飞行（háng）器与目（mù）标间（jiān）的（de）视线角变化率，对于航路点这一静（jìng）止目标，只需要无（wú）人机与航路点之（zhī）间的距离足（zú）够，就可以保证准确抵达下一个航（háng）路点，而对于航线跟踪，则需要选择一个虚拟的目（mù）标点使（shǐ）得无人机首先向航线靠近，然后再逐（zhú）步将方向（xiàng）对准航线方向。例如现在被广泛使用的L1制导算法，就是在航线上（shàng）选择与无人机距离为L1的参考（kǎo）点，然（rán）后根据速度方向（xiàng）与到参考点（diǎn）连线方（fāng）向之间（jiān）的夹（jiá）角计算横向机动的需用过载，进而实（shí）现航（háng）线跟踪。
而随着无人机在多种（zhǒng）场（chǎng）景下应用的不断深入（rù），除（chú）了航（háng）路点和航线的跟（gēn）踪以外（wài），无人机抵达（dá）目标的最优路径选择，障（zhàng）碍（ài）物或禁（jìn）飞区规避以及多机协同工（gōng）作所需（xū）要的（de）制导策略越来（lái）越复杂。我（wǒ）们（men）知道最优控制方（fāng）法在航天器轨道转移、火箭入轨制导等问（wèn）题（tí）中起到了良好的效果，但（dàn）是（shì）对于大（dà）气中飞（fēi）行的无（wú）人机路（lù）径规划，基于间接（jiē）法（fǎ）的最优控制问题很（hěn）难求（qiú）解（jiě），因此无（wú）人（rén）机（jī）路（lù）径规划往往采用基于网格（gé）地图的搜（sōu）索算法，或者蚁群算（suàn）法、遗传算法（fǎ）等特殊的路径优化方法。例如在基于概率地图（tú）的搜索算法（fǎ）中（zhōng），首先运用随机概率方法在自由空间（任务空间中（zhōng），除去障碍物后的空间）中选取采样点，并选取距离当前点最近的k个点构成（chéng）当前点的临近点（diǎn）集（jí），然后利（lì）用局部规划器（qì）将当（dāng）前（qián）点与其临近点（diǎn）集（jí）中的所有点（diǎn）用直线段连接起来，同时进（jìn）行相交检验，将不与（yǔ）障碍物相交的直线段保留下来构成一个图，作（zuò）为初始路径， 完成路径规（guī）划的学习阶段；在查询阶段，运用优化方法（fǎ）对上述（shù）图进（jìn）行搜索，从而得到由图（tú）的边构成（chéng）的从出（chū）发（fā）点到目的点并满足优化目（mù）标的路（lù）径（jìng）。
另一类常用（yòng）的算法并不是基于网格（gé）地（dì）图进（jìn）行搜索（suǒ），例如人工势场法，其基本（běn）思想（xiǎng）是将（jiāng）无（wú）人（rén）机的（de）运动，设计成一种（zhǒng）在抽象的人造引力（lì）场中的运动，如下图（tú）所示，目标物（wù）对（duì）无人机产生“引力”，而（ér）障（zhàng）碍（ài）物对（duì）无人机产生“斥力”，通过求解目标和所有（yǒu）障碍物对无人机产生的（de）合（hé）力，就可以得到（dào）无人机运动速度或加速度指令。相对于大多数搜索算法，人工势场法（fǎ）运（yùn）算量更小（xiǎo），且（qiě）得到的轨（guǐ）迹更平滑。
以上这两类制导算法通常适用于一架无人机（jī）的航路（lù）跟踪或路径规划，而当（dāng）设计（jì）无（wú）人机编队甚至（zhì）集群时，问（wèn）题复杂程度则骤（zhòu）增（zēng）。对于集群中的（de）某个无人（rén）机来说（shuō），其（qí）他无人机（jī）既是可以协作和互通信息的伙伴，同时又是快速移（yí）动的障碍物，而整个集群的路径（jìng）规划有（yǒu）需（xū）要考虑集群以（yǐ）及其中（zhōng）每（měi）一架无人机特性所形成的约束条件，或者（zhě）当集群（qún）处（chù）于协同作战模式时，又需要对（duì）目标自发形成各角度的全向饱（bǎo）和攻（gōng）击，当然（rán），这其中需要解决的问（wèn）题正是当前研究的热点（diǎn）。
最（zuì）后再讨（tǎo）论一下无人机（jī）的控制，导（dǎo）航系（xì）统获得（dé）了无人机当前位置速度和姿态信息，制（zhì）导系（xì）统完成路径规划和制导指令（lìng）生成（chéng），而控制的任务就是精（jīng）确、快（kuài）速稳定地跟踪（zōng）收到（dào）的制导指令（lìng），因此控（kòng）制也是最关键的（de）环（huán）节。最常用的控（kòng）制算法还是历久（jiǔ）弥新的PID，通过将被（bèi）控（kòng）参数参考值（zhí）与当前值误差的（de）比例、积分和（hé）微分（fèn）进行（háng）适当组合，便能够完成大部分近似线性（xìng）系统的有效控制。
而事实上，现在工程中（zhōng）所使用的很多PID算法，早已经不是基本的构型（xíng）了（le），常用的（de）改进方式（shì）主要有以下几种（zhǒng）：
增益调度：既然PID控（kòng）制器设计（jì）过程一般是在某个平衡点处（chù）做系（xì）统（tǒng）的小（xiǎo）扰（rǎo）动线性化方（fāng）程（平心而论，工（gōng）程中还真不都是这么（me）按流程来，各种野路（lù）子都有），进而完成设计的，那（nà）么（me）只要在正（zhèng）常工作范（fàn）围（wéi）（对于无人机来说（shuō）可以是飞行包线）内选取（qǔ）足够的平衡（héng）点，并根据每个平衡点的模型选择合适的PID控制参数，这样就可以在控（kòng）制器工作中通过插值等方式选择相应平衡点附近的控制参数，这种变参数的方法就是一种增益（yì）调度（dù）方法，而基于增益（yì）调度的PID控（kòng）制器（qì）就（jiù）可以针对具（jù）有一定非线性（xìng）特（tè）性（xìng）的系统进行控制。这（zhè）种方法在（zài）飞行控（kòng）制中已应（yīng）用多年。
参数自适应（yīng）：比（bǐ）如以系统积分（fèn）误差（chà）性能指标为准则，搜索（suǒ）使（shǐ）得误差性能指标为最小的参（cān）数作为控制器参（cān）数，又或者基于神经网络和遗（yí）传算法的参数自适应等，不过这（zhè）些方法（fǎ）在工程中（zhōng）使用的（de）比较少。
串级：通过（guò）将被（bèi）控系（xì）统分为内外（wài）环，只需（xū）要内外环（huán）的固有频率有一定的（de）差别（bié）（比如说内环频率是外（wài）环的五倍以上，无人机的姿态响应和位置响应（yīng）一般可以满足（zú）），即（jí）可用实现（xiàn）快变量和慢变量（liàng）的分别控制（zhì），通过简单的调参就可以（yǐ）实现（xiàn）快速的内（nèi）环响应和（hé）精确的外环控制，并具有比单个控制器更好（hǎo）的（de）抗干扰性能。
积（jī）分（fèn）抗饱和：PID控制中的积分作用虽然可用消除稳态误差，但是积分退饱和过程带来的超（chāo）调（diào）往（wǎng）往较大，因此可用在被控参（cān）数的误差较大时，停（tíng）止误差的积分过程，或（huò）者对误（wù）差的（de）积分值（zhí）进行限（xiàn）幅，这样就可以显著地降低超调量，缩短过程的稳定时间。
不完全微（wēi）分：虽然被（bèi）控参数一（yī）般不（bú）会出现突变，但是参考值却经常（cháng）会（huì）出现突变，这使得误差的微分（fèn）也会突变，为了降（jiàng）低这种突变造成（chéng）的控制量幅值（zhí），可（kě）以（yǐ）采用不完全微分策略，即微分（fèn）只作用于被控参数（如飞（fēi）行控制中的角速度阻尼）。
PID算法的改（gǎi）进方（fāng）式还有很多，难以细数，不过这种（zhǒng）改进终归（guī）难以解决（jué）所（suǒ）有问题，例如被控（kòng）对象（xiàng）的高度非线性、强耦合性、时变性等特性（xìng），因（yīn）此新的控制方法层出不穷。下面列（liè）举几种较（jiào）为实用的其他控（kòng）制方法。
反馈（kuì）线性（xìng）化：利用（yòng）数学变换的方（fāng）法和（hé）微分几（jǐ）何学的（de）知（zhī）识，将（jiāng）状态和控制变量转变为线性形式（shì），然后，利用常规的线性设计的方法进行设（shè）计，将设计（jì）的结果通（tōng）过（guò）反变换（huàn），转换为原始的状态和控制形式（shì）。反馈线性化可以将存在通道间（jiān）耦（ǒu）合的非线性（xìng）系统（tǒng）变换为解耦的线（xiàn）性（xìng）系统，方便外环的线性（xìng）控制器设（shè）计。不过该方法应用中或多或少会存在建模误差，因此设计（jì）时要重点考虑鲁（lǔ）棒性的因素。
滑模变（biàn）结（jié）构：这（zhè）种方法不需要对被控对（duì）象进行精（jīng）确建模，而是在动态过程中，根（gēn）据（jù）系统当前的（de）状态(如偏差及（jí）其各（gè）阶导数等)有目的地不断变化，迫（pò）使系（xì）统按照（zhào）预定“滑动模态”的状态轨迹运动。由于滑动模（mó）态可以进行（háng）设计且与对象参数（shù）及（jí）扰动无关,这就使得滑（huá）模（mó）控制（zhì）具有快（kuài）速响应、对应参（cān）数变化及扰动不灵敏、无（wú）需系（xì）统在线辨识、物理实（shí）现简单等优（yōu）点。但是（shì）基本的滑模变结构（gòu）算法存在控制（zhì）参数（shù）抖振的问题，需要再趋近率设计时进行适当的优化策（cè）略。
反（fǎn）步（bù）控制（zhì）：其基本思路是将复（fù）杂（zá）的系（xì）统分解成不超过系统阶数的多个子系统，然后通过反向递推为每个子系统设计部分李雅普诺夫函数和中间虚拟控制（zhì）量，直至设计完成整个控制器。反步方法运用于（yú）飞控（kòng）系统（tǒng）控制器的设计可以处理一类非线性、不确定性因素的（de）影响，而（ér）且已经被（bèi）证（zhèng）明具（jù）有比较好稳定性及误差的收敛性。
自适（shì）应逆（nì）：与动态逆的（de）思想类似，这种方法运（yùn）用各（gè）种自适应逆滤波网络（如LMS滤（lǜ）波器网络、神经（jīng）网络（luò）等）去拟合出被控对（duì）象的逆系统，从而将控（kòng）制器与被控对象构成的前向通（tōng）道变换（huàn）成一一（yī）映射的线性（xìng）化（huà）解耦系统（tǒng），而之所（suǒ）以称为“自适应”，则是这（zhè）个拟合出逆系统的网络可以在线学习被控（kòng）对象的特性。这种方法在仿真（zhēn）中可以（yǐ）取得比传（chuán）统控制方法优越很多（duō）的效果，但是由于（yú）滤波器网络可能存（cún）在（zài）无法检（jiǎn）出的内部缺陷，所以在某些状态组合下（xià），可能会出现故（gù）障（包括深度（dù）神（shén）经网络在（zài）内的所有神经网（wǎng）络都潜（qián）在此风险）。
本（běn）文简要梳（shū）理了可（kě）用于无人机的导航、制导和控制的方（fāng）法、策略或算法，其中部分算法将在后续的仿真（zhēn）系统相应（yīng）的文（wén）章详细介绍并在代码中体现。（源自：知乎）
咨询航拍服务可加昆（kūn）明俊鹰无人（rén）机飞控（kòng）手老鹰的微（wēi）信laoyingfly |
