梳理完控（kòng）制（zhì）以及飞行力（lì）学的一（yī）些基本原理之后，就该正式进入无人机导航、制（zhì）导与控制的讨论（lùn）了。导航制导与控制是无人机系统中（zhōng）最复杂的分系（xì）统，其功能可以有多种划分方法，本文中，我们就以（yǐ）下面框图（tú）所示的划分方法为（wéi）例，对无人机导航制导与控制系（xì）统的（de）基本原理（lǐ）和常用方法做一（yī）下介（jiè）绍和归纳（nà）。
由于（yú）GPS、室内定位甚至自（zì）动（dòng）驾驶在生活中的广泛（fàn）应用，“导航”、“制导”、“控制（zhì）”这几（jǐ）个词也越来越为大（dà）众所熟悉和使用，但是（shì）对于这些词的（de）定义，我们日常生活中的使用和理解方（fāng）法可能与无（wú）人（rén）机语境有所不（bú）同，所以有必（bì）要对（duì）其在本系列文章中的含义做（zuò）一（yī）下（xià）解释：
导航：即无人机获（huò）得自己当前（在某个（gè）参（cān）照系下）的位置、速度等（děng）信息，必要时还需要获得当前（相对于（yú）某个参照系）的（de）姿态（tài）、姿态角速度等信息。例如（rú），采（cǎi）用纯惯性导航可以获得无人机（jī）在（zài）某（mǒu）个惯性系下（xià）的位置、速度和加速度，以及相对于该惯性系的姿态角（jiǎo）和角速（sù）度；GPS导航系统则（zé）可以提供无人机在WGS84坐标系下（xià）的速度、位置（zhì）和航向角等信（xìn）息；而借（jiè）助如Vicon、UWB等室内定位系（xì）统则可以获得无人机（jī）相对于室（shì）内某个坐标系的速（sù）度、位置（zhì）等信息。因此，简（jiǎn）要概括导航的主（zhǔ）要（yào）工作就是（shì）要“知（zhī）道自己在哪，知道（dào）自己（jǐ）的姿（zī）态”。
制导：即无人机发现（或外部输（shū）入）目（mù）标的位置、速度（dù）等信息，并根据（jù）自（zì）己的位置、速度以及内部（bù）性能和外部环境的（de）约束条件，获得抵达目标所（suǒ）需的（de）位置或速度指令。例如，按（àn）照规划的航路点飞（fēi）行时，计算无人机径直或者沿某个航线飞抵航路点的指令（lìng）；采（cǎi）用基于计算机视觉目标跟踪的光（guāng）学制导时，根据（jù）目标在视场中的位置（以及摄像头可能存在（zài）的离（lí）轴角）计算跟踪目（mù）标所（suǒ）需的（de）过载或者（zhě）姿态角速度指令；而当预装（或SLAM获（huò）得（dé）的）地图中存在需要规避的障碍（ài）物或禁（jìn）飞区（qū）时，根据无人机（jī）飞（fēi）行性能计算可行的规避路线或者（zhě）速度（dù）指令。因此，简要（yào）概括制导的主要工作（zuò）就是要“知道目标在哪，如何抵达（dá）目标”。
控制：即无人机（jī）根据当前（qián）的（de）速度、姿态（tài）等信（xìn）息，通过执（zhí）行机（jī）构作用（yòng）来改变姿态、速度等参数，进而实现稳定（dìng）飞行或跟（gēn）踪制导指（zhǐ）令。例如，当（dāng）固（gù）定翼无人机需要爬升（shēng）高（gāo）度时（shí），计算需要的俯仰角和俯仰角速度指（zhǐ）令，以及为了让空速（sù）不至于大幅降低所需的油门指令；当沿着航线飞行，但是存在侧风时（shí），计算所需的偏航角指令以（yǐ）利用侧滑抵消侧（cè）风影响；或者当多（duō）旋翼无人机的某个（gè）旋翼失效时，计算（suàn）如何为剩余（yú）旋翼分配指令以尽（jìn）可能实（shí）现稳定（dìng）飞行。因（yīn）此，简（jiǎn）要概括控制的（de）主（zhǔ）要工作（zuò）就是“改变（biàn）飞行姿态，跟踪（zōng）制导（dǎo）指令”。
虽然理论（lùn）上，导航、制导（dǎo）和控制这三者（zhě）各司其职（zhí），只是在指令（lìng）计（jì）算和执（zhí）行上有顺承关系，但是在实际系统中，三者可能会有很多交叉因（yīn）素。例（lì）如，导（dǎo）航系（xì）统中所测量或估计出（chū）的角速度，既要用于导航系统的速度和（hé）位（wèi）置（zhì）估计，又要用于姿态（tài）控制；而在一些高（gāo）机动性（xìng）的飞行器（如直接碰撞杀伤的动（dòng）能拦截器等）和空天飞行（háng）器（如升力体再入返回的制导控制（zhì））上也有制导与（yǔ）控制一体化设计的趋势。但（dàn）在本文中，仍然根据无人机的（de）固有特（tè）性，尽量将三者作为具有独立功能的分系统看待。其中，导航系统原理可以（yǐ）大致分为以下几个（gè）类（lèi）型：
基于绝对参考系的导航。如（rú）惯性导航、磁罗盘导航（háng）等。惯性导航运用牛（niú）顿力学原（yuán）理，通过构（gòu）建一个与（yǔ）机体固联的惯性平台，从而根据加速度计测量的（de）惯性加速度计算（suàn）在某惯性参考系（xì）下的速（sù）度和位置（zhì），根据陀螺仪测量所得的角速度计（jì）算（suàn）机体相对于惯性平台的姿态角，从而只需要加速度计和（hé）陀螺仪满足一定的精度要求，就可（kě）以在不需要（yào）外部信（xìn）息的情况下获得机体相对于（yú）惯（guàn）性参考系的速（sù）度（dù）、位置和姿（zī）态角。之所以（yǐ）将与机体固联的移动参照系成为（wéi）惯（guàn）性平台，是因为早期的平台式惯性导（dǎo）航设备中确实存在一个（gè）物理上的框（kuàng）架，该框架基于陀（tuó）螺进动原理（lǐ）始终与惯性系（或当（dāng）地铅锤坐标系）保（bǎo）持平行。高精（jīng）度的平台惯导系统可以（yǐ）长期不需（xū）要外部（bù）信（xìn）息进行导航，例如有些核潜艇（tǐng）所装备的惯导（dǎo）系统可以（yǐ）保证水下航行数月的导（dǎo）航（háng）误差在数海（hǎi）里的量级。
虽然（rán）平台惯（guàn）导的精度很（hěn）高，但是由于系统复杂且体积巨大，不（bú）便于在小型飞行器上装（zhuāng）备，随（suí）着计算机（jī）技（jì）术和导航（háng）器件技术的发展，捷联惯导（dǎo）越来越（yuè）多地被使用。与平台惯导（dǎo）所用的物理（lǐ）平（píng）台（tái）不同，捷联惯导（dǎo）的陀螺仪和加速度计（jì）都与机（jī）体（tǐ）固连，因此采用虚拟（nǐ）的数学惯（guàn）性（xìng）平台，即惯（guàn）性（xìng）器件测量所得数据都会（huì）经过坐（zuò）标变（biàn）换的数学运算转换到惯性坐标系下，由于（yú）去（qù）掉了物理平台，捷联惯导系（xì）统的体积（jī）大幅缩减。特别（bié）是近二十年来快速（sù）发展的MEMS（微机（jī）电（diàn）系（xì）统（tǒng））器件，已经可以将捷联惯导系统的体积缩小到几立（lì）方厘米的量级。
当然，惯性导航并非完美，由于导航过程依赖惯性器（qì）件的输出数据、坐标变换以及数值积（jī）分，所以器件误差和数值（zhí）计算（suàn）的（de）截断误差会不断累积，在缺乏额外的相对于绝对（duì）坐标（biāo）系的信息（xī）时（shí），该误差无法被修正，因此，惯导系统通常作为飞（fēi）行器（qì）的主（zhǔ）要（yào）导航（háng）系统（tǒng），但同时还需要（yào）其他导航信息对惯导结果（guǒ）进行修正。
几乎其他所（suǒ）有导航方（fāng）法都可（kě）以用于（yú）修正惯导系统误差，甚至是惯导（dǎo）系统本身，如（rú）AHRS（航姿参考系统），这种（zhǒng）系（xì）统除了（le）采用陀（tuó）螺仪积分得出（chū）姿态角，还（hái）能根据加（jiā）速（sù）度计测量的重力方向以及磁（cí）罗盘测量的磁（cí）航向对姿态角结果进行修正，从而在陀螺仪精度（dù）不（bú）高（gāo）的情况下获得长期稳定的姿态角输出，不过由于低精（jīng）度器（qì）件所（suǒ）得的姿态角结果短（duǎn）期和（hé）长期均有不（bú）同程（chéng）度的误（wù）差，该系统无法进行精确（què）的航位（wèi）推算。
基于距离测量的导航。如卫星导航、室内（nèi）定位等。这类（lèi）导航方式一般是通（tōng）过测量飞行器与已知精（jīng）确位置（zhì）的参考点之间的距离，从而解算出飞行（háng）器位（wèi）置。例如卫星导航系统就是通（tōng）过（guò）接收多颗（kē）卫星发射出来的（de）星（xīng）历信息，从中得出时间（jiān）差并根据光速计算出距离，从而（ér）解（jiě）算出飞行器在WGS84坐标系下的位置和经纬高度（dù）信息。同样采（cǎi）用类似方式的还有室内（nèi）定位应用中很火（huǒ）的（de）WIFI定位和UWB定位技术（shù），均是利用（yòng）信号强（qiáng）度（dù）或发送（sòng）接收的（de）时（shí）间差计（jì）算飞行器（qì）与各参（cān）考点之间（jiān）的（de）距离（lí），从而解（jiě）算（suàn）飞行器实时位置（zhì）。
基于特（tè）征匹（pǐ）配的（de）导航。如地形匹配、运动捕捉系统等。这类导航方式通常是通过（guò）飞行器实时提取地磁、地貌（mào）、图像等特征，并与特征库（kù）进行比对或（huò）进行（háng）相应（yīng）计算（suàn），从而得到飞行器位置、速（sù）度等信（xìn）息实（shí）现导航功能，如巡（xún）航导弹中（zhōng）所使用的地形（xíng）匹配方法和现在比较火的SAR（合成孔径雷（léi）达）地貌匹配方法，都是通过提取（qǔ）飞行路径上（shàng）的一维或二维地形地貌信息，并（bìng）与（yǔ）数字（zì）高程（chéng）地图库进行比对，从而获知当前位置、速度（dù）等信息，这在卫星导航信（xìn）号丢失（shī）时的长期导（dǎo）航具有重要意（yì）义。运用计算机视觉技术，通过识别已知位（wèi）置上的（de）标记物特征完（wán）成位（wèi）置、速度估（gū）计的方法也（yě）归属此类。还有另一（yī）类（lèi）导航方法就是类（lèi）似于Vicon的运动（dòng）捕捉（zhuō）系统（tǒng），这种系统则是通过已知位（wèi）置的（de）光学等（děng）传（chuán）感器识（shí）别飞行器上设置的标记物，从而解算出飞行（háng）器实时位（wèi）置、速度。
而（ér）既然（rán）说（shuō）到（dào）基于特（tè）征，就不得不关注计算机视觉在导航中的应用，例如在（zài）消费级无人机上运用多（duō）年的稀疏光流算法，就（jiù）是根据灰度图像（xiàng）中特征（zhēng）点的（de）运动计（jì）算出无人机（jī）的运动速度，近（jìn）年来火爆的（de）SLAM则更（gèng）是（shì）将计算机（jī）视觉（jiào）发挥到极致，这种算法通过将运动中实时采集的图像特征性（xìng）信息（xī）与惯导等系统信（xìn）息进行融合，从而可（kě）以在未知环境中一边完成周围场景的三维模型重建，一（yī）边进行自身在场景（jǐng）中（zhōng）相对位置和（hé）速度的（de）解算。
说回无（wú）人机的导航，当前多数无（wú）人机采（cǎi）用惯导/卫星导航组合作为（wéi）基（jī）本（běn）的导航方式，可以保（bǎo）证（zhèng）绝大多数场景下（xià）的稳定导航。大型军用无人机（jī）由于对导（dǎo）航系统的轻量化和成本要求不高，为了实现较高的导航精度（dù），其通常仍采用光纤/激光陀螺和石英（yīng）加速度计组（zǔ）成的高精度惯导系统，而中小（xiǎo）型和民用无人机（jī）则采用更轻小更廉价，但是精度较低的MEMS器件组成惯导或航（háng）姿参考（kǎo）系统，与（yǔ）卫星（xīng）导（dǎo）航（háng）组（zǔ）合后，仍（réng）能提（tí）供有效的导航信息输出（chū）。
而在某（mǒu）些（xiē）特殊（shū）应用场景（jǐng）下，卫星导航信号会丢失，如微型无人（rén）机在室内和城市楼群之间飞行，这（zhè）时就需要其他的导航方式进行辅助。常用（yòng）的（de）比（bǐ）如气压计的（de）使（shǐ）用就可以以较低（dī）的综合成本（běn）获得（dé）低精度的海拔高度（误差100米量级）和较高（gāo）精度的相对高度信息（误差0.1米量级（jí））。无人机在（zài）室内（nèi）飞行（háng）时，可（kě）以架设前文提到的（de）WIFI、UWB或Vicon等需要复（fù）杂外部设备的室内（nèi）定位系统，或者外部设（shè）置已知位置（zhì）的标（biāo）记物（wù），通（tōng）过无人机的视觉系统完成（chéng）识（shí）别和自身定位。而在极为特殊的场景下，如各种高（gāo）危未知环境的勘测，使得（dé）常（cháng）用辅助（zhù）导航系统都难以（yǐ）使用时，就不（bú）得不祭（jì）出SLAM这一杀手锏了，SLAM技术正处（chù）于高速发展中，且已（yǐ）经有多种实用的方（fāng）案出现了，完美（měi）的SLAM系（xì）统可以（yǐ）完（wán）成科幻电影里那种放出去几驾微型无人机自由飞行，配（pèi）合一个便携地（dì）面站，便可以实时地重建周围环境的（de）3D模型，这种性（xìng）能在未（wèi）来（lái）五年（nián）之内肯定可以实（shí）现。当（dāng）然（rán）绝大多数辅（fǔ）助的导航方式（shì）都难以输出（chū）用于（yú）制导控制的高频率（200Hz以上）导航信息（xī），因此通常情况下仍（réng）是将辅助导航系（xì）统与（yǔ）惯性导航相（xiàng）结合。
下（xià）面来讨论无人机（jī）的制（zhì）导，现阶（jiē）段大多数军用还是民（mín）用（yòng）无人机在自动飞行过（guò）程中仅需完成航路点或航线的跟踪，因此制导（dǎo）策略相对简单。多（duō）旋翼（yì）无人机，跟踪航路点时只需要将（jiāng）飞行速度方向对准（zhǔn）下一个航路点，跟（gēn）踪航线也仅需首（shǒu）先飞到（dào）航线上（shàng）距离当（dāng）前位置最近的点即可；而（ér）这（zhè）项任（rèn）务（wù）对于（yú）固定翼无人机相（xiàng）对复杂。因为固定（dìng）翼（yì）无人机的速（sù）度方向需要（yào）通过航向来改变，而航向则需要通过滚转来改变，这就使得滚转角与速度方向之间形（xíng）成了近似二阶环节的过程，这通（tōng）常可以运（yùn）用（yòng）导弹的比（bǐ）例导引法来（lái）实现航路（lù）点（diǎn）跟踪。比（bǐ）例（lì）导引法的基本原理（lǐ）就是让飞行器速（sù）度矢量（liàng）在空间中的转动角速度正比于飞行器与目标间（jiān）的（de）视线角变化率，对（duì）于航（háng）路点这一静止（zhǐ）目标，只（zhī）需要无人机与航路点（diǎn）之间（jiān）的距离足够，就可以（yǐ）保证准确抵达下一个航路点，而（ér）对于航线跟踪，则需要选择（zé）一个虚拟的目（mù）标点使（shǐ）得（dé）无人（rén）机（jī）首先向航线靠近，然后再逐（zhú）步将方向对准航线方（fāng）向。例如现在被广（guǎng）泛使用的L1制（zhì）导算（suàn）法，就是在航线（xiàn）上选择与无人机距（jù）离为L1的参（cān）考（kǎo）点，然后根据速度（dù）方向（xiàng）与到参（cān）考点（diǎn）连（lián）线方向（xiàng）之（zhī）间的夹角（jiǎo）计算横（héng）向机动（dòng）的需用过载，进而实现（xiàn）航线跟（gēn）踪。
而随着无人机在多（duō）种场景下应用的（de）不（bú）断（duàn）深入，除（chú）了航路点和航线的跟（gēn）踪以外，无人（rén）机（jī）抵达目标的最（zuì）优路径选择（zé），障碍物或禁飞区规避以及（jí）多机（jī）协（xié）同工作所需要的制（zhì）导策略越来（lái）越复杂。我（wǒ）们知道最优控制方（fāng）法在航天器轨道（dào）转移、火箭入轨制（zhì）导等问（wèn）题中起到了良好的（de）效果，但是（shì）对于（yú）大气中飞行的无（wú）人机路径规划，基（jī）于间接法的最优（yōu）控制问题（tí）很难求解，因此无人（rén）机路（lù）径规划往往采用基于网（wǎng）格地图的（de）搜索算法（fǎ），或者蚁群算法、遗传算法等特殊的路径优（yōu）化方法。例如在（zài）基（jī）于概率地图的搜索算法中，首先运用随机（jī）概率方（fāng）法（fǎ）在自由空间（任务空间中，除去障（zhàng）碍物后（hòu）的空间）中选取采样点，并（bìng）选（xuǎn）取距离当前（qián）点最近的k个点构成当前点的临近点（diǎn）集，然后（hòu）利用局部规（guī）划（huá）器将（jiāng）当（dāng）前点与其临近点集中的所有点用（yòng）直线段连接（jiē）起来，同（tóng）时进行相交检验，将（jiāng）不（bú）与障碍物相交的直线段保留（liú）下来（lái）构成一个图，作为初（chū）始路径（jìng）， 完（wán）成路径规划（huá）的学习阶段；在查询阶（jiē）段，运用优化方法对上（shàng）述图进行搜索，从而得到由（yóu）图的边构成的从出发点到目的点（diǎn）并满（mǎn）足优化目标的路（lù）径。
另一类常用（yòng）的算法并（bìng）不是基于网（wǎng）格地图（tú）进行搜索，例（lì）如人工势场法，其基本思想是将无人机的运动，设计（jì）成一种在抽象的人（rén）造引力场中（zhōng）的运动，如下图所示，目（mù）标物对无人机产生（shēng）“引力”，而障碍物对无人机产生（shēng）“斥力”，通过（guò）求解目标和所有障碍物对无人机产生（shēng）的（de）合（hé）力（lì），就可以得到无人机运动速度或加速度（dù）指令。相对于大多数搜索算法，人工势场法运算量更小，且（qiě）得到的轨（guǐ）迹更平（píng）滑。
以（yǐ）上这两类（lèi）制导算法通（tōng）常适（shì）用（yòng）于一架无人机的航（háng）路跟踪或路径规划，而当设（shè）计无人（rén）机编队甚至集群（qún）时，问题复杂（zá）程度则骤增。对于集群中的某个无人机来说，其他无人（rén）机既是可以协作和互（hù）通信息的伙伴，同时又是快速移动的（de）障（zhàng）碍物，而（ér）整个集群的路（lù）径规划有需（xū）要考虑集群以及（jí）其中每（měi）一架无人机特性所（suǒ）形（xíng）成的约（yuē）束条件，或者（zhě）当（dāng）集群处于协同作战模式时，又（yòu）需要（yào）对目标自发形成各角度的全（quán）向饱和攻击，当然（rán），这其（qí）中需要（yào）解决的问题正是当前研究的热点（diǎn）。
最后再讨论一（yī）下无人机的（de）控制（zhì），导航（háng）系统（tǒng）获得了（le）无人机当前位置速（sù）度和姿态信息（xī），制（zhì）导系统完成路径规划和制导指令生成（chéng），而控制的任务就是（shì）精确、快速（sù）稳（wěn）定地（dì）跟（gēn）踪收（shōu）到（dào）的制导指令，因此控制也是最关键的环节。最常用的控（kòng）制算法还是历久弥新的PID，通过（guò）将被控参（cān）数参考值与当前（qián）值误差（chà）的（de）比例、积分和微分（fèn）进行适当组（zǔ）合，便（biàn）能够完（wán）成大（dà）部分近似线性（xìng）系（xì）统的有效控制。
而事实上，现（xiàn）在工程中所使用的很（hěn）多PID算法，早（zǎo）已经不是基本（běn）的构型了（le），常（cháng）用的改（gǎi）进方式（shì）主要有以下几种：
增益调度：既然（rán）PID控（kòng）制（zhì）器设计过程一般是在某个（gè）平衡（héng）点处做系统的小扰动线性化方程（平心（xīn）而论，工（gōng）程中还真不都是这么按流程来，各（gè）种野路子都有），进而完（wán）成设计的（de），那么只要在正常工作范围（对于无（wú）人机来说可（kě）以是飞行包线）内（nèi）选取（qǔ）足（zú）够的平衡点，并根据每个（gè）平衡点的模型（xíng）选（xuǎn）择合适的（de）PID控制参数，这（zhè）样（yàng）就可以（yǐ）在控制器（qì）工作中（zhōng）通（tōng）过插值等方式选择相应平衡点附近的控制（zhì）参数，这种（zhǒng）变参数的方法（fǎ）就是一种增（zēng）益（yì）调度（dù）方法，而基于增益调（diào）度（dù）的PID控制器就可以（yǐ）针对具有一定非线性特性（xìng）的（de）系统（tǒng）进行控（kòng）制。这种方法在飞行控制中已应（yīng）用多年。
参（cān）数自适应：比（bǐ）如以系统积分误差性（xìng）能指标为准则，搜索（suǒ）使（shǐ）得误差性（xìng）能指标为最小（xiǎo）的参数作为控制器参数，又或（huò）者基于神经网络和遗传（chuán）算（suàn）法（fǎ）的参数自适应等，不过这些方法在工程中使用的比较少。
串（chuàn）级：通过将被（bèi）控系统分为内外环，只需要内外（wài）环的（de）固有（yǒu）频率（lǜ）有一定（dìng）的差（chà）别（比（bǐ）如说（shuō）内（nèi）环频率（lǜ）是外环的五倍以上，无人机的姿态响应和（hé）位置响应一般可（kě）以满足），即（jí）可用实现快变量和慢（màn）变量的分别（bié）控制，通过简（jiǎn）单的（de）调参就可以（yǐ）实（shí）现（xiàn）快速的内环响应（yīng）和（hé）精确的外（wài）环控（kòng）制，并具有比单个控制器（qì）更好的抗干扰（rǎo）性能。
积（jī）分抗饱和：PID控制中（zhōng）的积分作用虽然可用消（xiāo）除稳态误差，但是积（jī）分退饱和过程带来的（de）超调往往（wǎng）较大，因此可用在（zài）被控参（cān）数的误（wù）差（chà）较大时，停止误差（chà）的积（jī）分（fèn）过程，或者（zhě）对误差的积分值进（jìn）行限（xiàn）幅，这（zhè）样（yàng）就可（kě）以显著地降（jiàng）低超调（diào）量，缩短过程的稳定时（shí）间。
不完全（quán）微（wēi）分（fèn）：虽然被控参数一般不会（huì）出现突变（biàn），但是参考值却经常（cháng）会（huì）出现突变，这使得误差的微分也（yě）会突变，为了降低这种突变造（zào）成（chéng）的控制（zhì）量幅值，可以采用不完全微分策（cè）略，即微（wēi）分（fèn）只作（zuò）用于被控参数（如（rú）飞（fēi）行控制中（zhōng）的角速度阻尼）。
PID算法的（de）改进方式还（hái）有（yǒu）很多，难以细数，不过这种改（gǎi）进终归难以解决所有问题，例如被（bèi）控对象的高度非线性、强耦合（hé）性、时变性等（děng）特性，因此（cǐ）新的控（kòng）制（zhì）方法（fǎ）层出不穷（qióng）。下面列举几种较为实用的其他控制方法。
反馈（kuì）线性化：利（lì）用数学（xué）变换的方法和微分几何学的知识，将状态和控制变量（liàng）转变（biàn）为线性（xìng）形（xíng）式，然后，利用（yòng）常规的线性设计的方法进行（háng）设（shè）计，将设计的（de）结果通过反变换，转换（huàn）为原始的状（zhuàng）态和控制（zhì）形式。反（fǎn）馈线性化（huà）可以将存在（zài）通道间耦合的非线性（xìng）系统变换为解耦（ǒu）的线性系统，方（fāng）便外环的线性控制器设计。不过该方法应用中或多（duō）或少（shǎo）会存（cún）在建模误差，因此设计时要重（chóng）点考虑鲁（lǔ）棒（bàng）性的因素。
滑模变结构：这种方法不需要对被控对象进行精确（què）建模（mó），而是在动态过程中，根据系统当（dāng）前的状态（tài）(如偏差（chà）及（jí）其各阶导数等)有目的地不断变（biàn）化，迫使系统（tǒng）按照预定（dìng）“滑动（dòng）模态”的状态轨（guǐ）迹运动。由于滑（huá）动模（mó）态可以进行设（shè）计（jì）且（qiě）与对象参数（shù）及扰（rǎo）动无关,这就使（shǐ）得滑模（mó）控制具有（yǒu）快速响应、对应参数变化及扰动不灵敏、无需系统（tǒng）在线辨识、物理实现简单等优点。但是基本的滑模（mó）变结（jié）构算法存在控制（zhì）参数抖振的（de）问（wèn）题，需要再趋近率设计时进行（háng）适当的优化策略。
反（fǎn）步控制（zhì）：其基本（běn）思路（lù）是将复杂（zá）的（de）系统分解（jiě）成不超过系统阶数的多个子系统，然后（hòu）通过反向递推为每个子系统设计部分李雅普诺夫函数和（hé）中（zhōng）间虚拟控制量，直至设计完成整个控制器。反（fǎn）步方法运用于（yú）飞控（kòng）系（xì）统控制（zhì）器的设计可（kě）以（yǐ）处理一类非线性（xìng）、不确定性因素的影响（xiǎng），而（ér）且已经被证明具（jù）有比较好稳定性及误差的收敛性。
自（zì）适（shì）应（yīng）逆：与（yǔ）动态逆的（de）思想（xiǎng）类似，这种方（fāng）法运（yùn）用各种（zhǒng）自适（shì）应逆滤（lǜ）波网络（如LMS滤波（bō）器网络、神经网络等）去拟合出被（bèi）控对象的逆（nì）系统，从而（ér）将控制器与（yǔ）被控对象构（gòu）成的前向通道变换成一一映射的线（xiàn）性（xìng）化解（jiě）耦系统，而之所以（yǐ）称为（wéi）“自（zì）适应（yīng）”，则是这个拟合出逆系（xì）统的网（wǎng）络可以在线学习被（bèi）控对象的特性。这种方法（fǎ）在仿真中可以取得比传统控制方法优越（yuè）很多的效果，但是由于滤波器网络（luò）可能存在无法检（jiǎn）出的内部缺陷，所以（yǐ）在某些状（zhuàng）态（tài）组合（hé）下，可能（néng）会（huì）出现故障（包括（kuò）深度神（shén）经（jīng）网络在（zài）内的所有神经网络都潜（qián）在此风险）。
本文简要梳理（lǐ）了可（kě）用（yòng）于无人机的导航（háng）、制（zhì）导和控制的方（fāng）法、策（cè）略或算法，其中部分算（suàn）法将在后续（xù）的（de）仿真系统相应的文章详细介绍并在代码中（zhōng）体现。（源（yuán）自：知乎）
咨询航拍服务可加昆明俊鹰无人（rén）机飞控手老鹰（yīng）的微信laoyingfly |
