无人机的（de）飞行控制（zhì）是无人机研究领（lǐng）域主要（yào）问题之一。在（zài）飞行过（guò）程中会受到（dào）各种干扰，如传感器的噪音与漂移、强风与乱气流（liú）、载重量变化及（jí）倾角过（guò）大引起的模型（xíng）变动等等。这些都会严重影响飞行（háng）器的（de）飞（fēi）行（háng）品质，因此无人（rén）机的控制（zhì）技术便显得（dé）尤为重（chóng）要。传统（tǒng）的控制方法主要集中（zhōng）于姿态和（hé）高度的控（kòng）制，除此之外还有（yǒu）一些用来控制速度、位置（zhì）、航向、3D轨迹跟踪控（kòng）制。多旋翼无人机的控制方法可以总结为以下三个主要的方面。
一、 线性飞行控制方法
常规的飞行器控（kòng）制方法以及早期的对飞（fēi）行器控制的（de）尝（cháng）试都是建立在线（xiàn）性飞行控制理论上的，这其中就（jiù）又有诸如PID、H∞、LQR以及增益调度法（fǎ）。
1.PID PID控制属于传统控制方法，是目前最成（chéng）功、用的最广泛的控制方法之（zhī）一。其控制（zhì）方法（fǎ）简单，无需（xū）前期建模（mó）工（gōng）作，参数物理意义明确，适用于飞行精度要求不高的控（kòng）制。
2.H∞ H∞属于鲁棒控（kòng）制的方法（fǎ）。经典（diǎn）的控制理论并（bìng）不要求被（bèi）控对象（xiàng）的（de）精确（què）数学模（mó）型来解决多输（shū）入（rù）多输（shū）出（chū）非线性系统问题。现代控制理论可以定（dìng）量地解决多输（shū）入多输（shū）出非线性系（xì）统问题，但完全依赖于描（miáo）述被控（kòng）对象的动态特（tè）性的数学（xué）模型。鲁棒控制可以很好解决（jué）因干扰（rǎo）等因素引起的（de）建模（mó）误差问题，但（dàn）它（tā）的（de）计算量非常（cháng）大，依赖于高性（xìng）能的处理器，同时，由于是频域设计方法（fǎ），调参也相对困难。
3.LQR LQR是被运用来控制无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表（biǎo）示的线性（xìng）系统，目标函数为（wéi）是状态（tài）变（biàn）量或控制变量的二次函（hán）数的积分。而且Matlab软件的使用为LQR的控（kòng）制方（fāng）法（fǎ）提供了良好的仿真条件（jiàn），更为工程实现（xiàn）提供了（le）便利。
4.增益调度（dù）法 增益调度（Gain scheduling）即在系统运行（háng）时（shí），调度变量的变化导致（zhì）控制器的参数随着（zhe）改（gǎi）变（biàn），根据调度（dù）变（biàn）量使（shǐ）系统以不同的（de）控制规律在（zài）不同的区域内运行，以（yǐ）解决（jué）系统非线性的问题。该算法由（yóu）两大部分组成，第一部（bù）分（fèn）主要完成事件驱动，实现（xiàn）参（cān）数调整。 如果系统的运行情况改变，则（zé）可通过（guò）该部分来识别（bié）并切换模态；第二部分为误差驱动，其控制功能由选定的模（mó）态来实现。该（gāi）控制方法在旋翼无人机的（de）垂直起降、定点悬（xuán）停及路径（jìng）跟（gēn）踪等控制上有着优异的性能（néng）。
二、 基（jī）于（yú）学习的飞行控制方法
基于学习的飞行控制方法的特点就是无需了解飞行器的动力学模型，只要一些飞行试验和飞行数（shù）据。其中研究（jiū）最（zuì）热门的（de）有模糊控制方法、基于人体学习的方法以及神经网络（luò）法。
1.模糊控制方法（Fuzzy logic）模糊（hú）控制是（shì）解决模型不确定性的方法之一，在模（mó）型未知（zhī）的情况下来实现对无人机的（de）控制。
2.基于人体学习的方法（Human-based learning） 美国MIT的科研（yán）人员为（wéi）了寻找能更好地控制小型无人（rén）飞行器的控制方法，从参加军事演习进行特技飞行的飞机中采（cǎi）集数据（jù），分析飞行员对不同情（qíng）况（kuàng）下飞机的操（cāo）作，从而更好地理解无人机的（de）输入（rù）序列和反馈（kuì）机制。这种（zhǒng）方法已经被运用（yòng）到（dào）小型无（wú）人机的（de）自主飞行中。
3.神经网络法（Neural networks） 经（jīng）典PID控制结构简（jiǎn）单（dān）、使用方（fāng）便、易（yì）于实现, 但当被（bèi）控对象具有（yǒu）复杂的非线性特性、难以建立精确的数（shù）学模型时，往往难以达到满（mǎn）意（yì）的控制效（xiào）果。神经（jīng）网络（luò）自适（shì）应（yīng）控制技术能（néng）有效地（dì）实现多种（zhǒng）不确定的、难以（yǐ）确切描（miáo）述的非（fēi）线性复杂过程的控制，提高控制系统的鲁棒（bàng）性、容错（cuò）性，且控制参数（shù）具有自（zì）适（shì）应和自（zì）学习能力。
三、 基于模型的非线性控制方法
为了克服某些线（xiàn）性（xìng）控制（zhì）方法的限（xiàn）制，一些非线性的控制方法被提出并且被运用到飞行器（qì）的控制中（zhōng）。这些非线性的控制方法（fǎ）通常可以归（guī）类为基于模型的非（fēi）线性控（kòng）制方法。这其中有反馈线性（xìng）化、模型（xíng）预测控（kòng）制、多饱和控（kòng）制、反步法以及自适应控制。
1.反馈线性化（feedback linearization） 反馈线性化是（shì）非线性（xìng）系（xì）统常用的一种方法。它（tā）利（lì）用数（shù）学（xué）变换的方（fāng）法和微分几何学（xué）的知识，首先，将状态（tài）和控制变量（liàng）转变（biàn）为线性形式（shì），然后，利用常（cháng）规（guī）的线性设计的方（fāng）法（fǎ）进行（háng）设（shè）计（jì），最（zuì）后，将设计的结果通过（guò）反变（biàn）换（huàn），转换为（wéi）原始的状态和（hé）控（kòng）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（qí）中动态（tài）逆（nì）方（fāng）法（fǎ）较微分几何法具（jù）有（yǒu）简单（dān）的推算特点，因此更适合用（yòng）在飞（fēi）行控制系（xì）统的设计上。但是（shì），动态逆方法需要（yào）相当（dāng）精确的飞行器的模型，这在实际情（qíng）况中是十分困难（nán）的。此外，由于系统建模误差，加上外界的各种干扰，因此，设计时要重（chóng）点考虑鲁棒性的因素。动态逆的方（fāng）法有一定的工程应用（yòng）前景，现已（yǐ）成为（wéi）飞控研究领域的一个热点话（huà）题。
2.模型预（yù）测（cè）控（kòng）制（model predictive control）模型（xíng）预测（cè）控制是一类特（tè）殊（shū）的控制方法。它是通过（guò）在每（měi）一个采样瞬间求解一个有（yǒu）限时域开环的最（zuì）优控制问（wèn）题获（huò）得当前控制动作。最优（yōu）控制问题的初始状态为过程的当前状态，解得的最优控制序列只施加在第一个控制作用（yòng）上，这是它和那些预（yù）先（xiān）计算控制律的算（suàn）法的最（zuì）大（dà）区别。本质（zhì）上看模型预（yù）测控制是求解一（yī）个开环最优控制的问题（tí），它与具体的（de）模型无关（guān），但是（shì）实现则（zé）与模型（xíng）相关。
3.多饱和控（kòng）制（nested saturation）饱和现象（xiàng）是一种非常普遍的（de）物（wù）理现象，存（cún）在于大量的工程问题中。运用多饱和（hé）控制的方法设（shè）计多旋翼无人机，可以解决其它控制方法所不能解决的很多实际的问题（tí）。尤其是对于（yú）微（wēi）小型无人机而言，由于大（dà）倾角的动作（zuò）以及外部干扰，致动器会频（pín）繁（fán）出现饱和（hé）。致动（dòng）器饱和会限制（zhì）操作的范围并（bìng）削弱控制系统的稳定性。很多方法都已（yǐ）经被（bèi）用（yòng）来解决饱和输入的问（wèn）题，但（dàn）还没有取得理（lǐ）想的（de）效果。多饱（bǎo）和控制在（zài）控制饱和输入方面有着很（hěn）好的全（quán）局（jú）稳定性，因（yīn）此这种方（fāng）法（fǎ）常用（yòng）来控制微（wēi）型无人机的稳定性（xìng）。
4.反步（bù）控制（Backstepping）反（fǎn）步控制（zhì）是非线性系统（tǒng）控制器设（shè）计最常（cháng）用的方法之一，比较适合（hé）用来进行（háng）在线控（kòng）制，能够减少在线计算的（de）时（shí）间。基于Backstepping的控制器（qì）设计方法，其基本思路是（shì）将复杂（zá）的系统分解成不（bú）超过系统阶数（shù）的（de）多个子系统，然后通过（guò）反向递推为每个（gè）子系统设（shè）计部分李雅普诺夫（fū）函数和中间虚拟控制（zhì）量，直（zhí）至设计（jì）完成整个控制器。反（fǎn）步方法运用于飞控系统控制（zhì）器的设（shè）计可以处理一类非（fēi）线性、不确定性（xìng）因素的影响，而且（qiě）已经被证明具（jù）有比较好稳定（dìng）性及误差的（de）收敛（liǎn）性。
5.自（zì）适应（yīng）控制（zhì）(adaptive control) 自适（shì）应（yīng）控制（zhì）也是一种基（jī）于数学（xué）模（mó）型（xíng）的（de）控制方法，它最大的特（tè）点就是对于系统（tǒng）内部（bù）模（mó）型和（hé）外部扰动的信息（xī）依赖比较（jiào）少（shǎo），与模（mó）型相关的（de）信息是在（zài）运行系统的（de）过（guò）程中不断（duàn）获取的（de），逐步地使（shǐ）模型趋于完善（shàn）。随着模型的不断改善，由模型得到的控制（zhì）作用也（yě）会跟（gēn）着改进，因此控制系统具有（yǒu）一定的（de）适应能力。但同时，自适应（yīng）控制比常规反馈控制要复杂，成本也很高，因此只（zhī）是（shì）在用常规（guī）反馈达不到所期望的性能时，才会考虑采（cǎi）用（yòng）自适应的方法。
咨（zī）询航拍服务可（kě）加昆明俊鹰无人机飞控手老鹰的微信laoyingfly |
