无人机的飞行控制（zhì）是无人机研究领（lǐng）域主要问题（tí）之一。在飞行过程中会受到各种干扰，如传（chuán）感器的噪音与（yǔ）漂移、强风与乱气流、载重量变化及（jí）倾角过大引起的模型变动等等。这些都会严重影响飞行器的飞行品质，因此无人机的控制技术便显得尤为重要（yào）。传统的控（kòng）制方法主要集（jí）中于姿态和高（gāo）度的控制，除此之外还（hái）有（yǒu）一（yī）些用来（lái）控制速度（dù）、位置、航向、3D轨迹（jì）跟踪控制。多旋翼无（wú）人机的控制方（fāng）法可以总结为（wéi）以下三（sān）个主要的方面。
一、线性飞行控（kòng）制方法
常（cháng）规的（de）飞行器控制方法以及早期（qī）的（de）对飞行器控制的尝试都是建立在（zài）线性飞（fēi）行控制理论上的，这其中就（jiù）又有诸（zhū）如PID、H∞、LQR以及增益调度法（fǎ）。
1.PID PID控制（zhì）属于传统控制方（fāng）法，是目前最成功、用的最广（guǎng）泛的控制方法（fǎ）之一。其控制方法（fǎ）简单，无需前（qián）期（qī）建模工（gōng）作，参数物理（lǐ）意义明（míng）确，适用于飞行（háng）精度要求不高的控制。
2.H∞ H∞属于鲁棒（bàng）控（kòng）制（zhì）的方法。经典的控制理论并不要求被控对象的（de）精确数学模型来解决多输（shū）入多（duō）输出非（fēi）线性系（xì）统问题（tí）。现代控制理论（lùn）可以定（dìng）量地解决多（duō）输（shū）入多输出非线（xiàn）性系统问题，但完全（quán）依赖（lài）于描述被控对象的动态特（tè）性的数学模型。鲁棒控制可（kě）以很好解（jiě）决因干扰等因（yīn）素引起的建模误差问题，但它的计（jì）算量非常大，依赖于高性能的处理器（qì），同时，由于是（shì）频域（yù）设计方法，调参（cān）也相对（duì）困难。
3.LQR LQR是被运用来控制无人机的比较成功的方（fāng）法（fǎ）之一，其对象是能用状态空间表达式表示（shì）的线性系统，目标函数为是状态（tài）变量或控制变量的二次（cì）函数的（de）积（jī）分（fèn）。而且（qiě）Matlab软件的使用（yòng）为LQR的（de）控制（zhì）方法提供了良好的仿真（zhēn）条（tiáo）件（jiàn），更为工程（chéng）实现提（tí）供了便利（lì）。
4.增益调度法 增益调度（Gain scheduling）即在（zài）系统（tǒng）运行时（shí），调度变量的变（biàn）化导致控制器（qì）的参数随着改变，根据调度变量（liàng）使（shǐ）系统以不同（tóng）的（de）控制规律在不同的区域（yù）内运行，以解决系统非（fēi）线性的（de）问题（tí）。该算法由两大部分组成，第一部分主要完成事件驱动，实（shí）现参数调整。 如果系统的运行情况改变，则可通（tōng）过该部分来识别并（bìng）切（qiē）换（huàn）模态；第二部分为误差驱动，其控制功能（néng）由（yóu）选定的模态来实（shí）现。该控制方法在旋翼无人机的垂直起降（jiàng）、定点悬（xuán）停（tíng）及（jí）路（lù）径跟踪（zōng）等控制上有着优异的性能（néng）。
二（èr）、基于学习（xí）的飞行控制方法（fǎ）
基于学习的飞行控制方法（fǎ）的（de）特点（diǎn）就（jiù）是无需了解飞行器的动力学模型，只要（yào）一些飞行试验和飞行数据。其中研究最热门的（de）有模糊控制方（fāng）法、基于人体学习的方法以（yǐ）及神（shén）经网络法。
1.模糊控（kòng）制方法（Fuzzy logic）模糊控制是（shì）解（jiě）决模型不确定性的方法之（zhī）一（yī），在模（mó）型未知的情况下来（lái）实（shí）现对无（wú）人机的控（kòng）制。
2.基于人（rén）体（tǐ）学（xué）习的方法（Human-based learning） 美国（guó）MIT的科研人员为了寻找能更好地控（kòng）制小（xiǎo）型无人飞行器（qì）的控制方（fāng）法（fǎ），从参加（jiā）军事演（yǎn）习进行（háng）特技飞行的飞机中采集数（shù）据（jù），分析飞行员对不同情况（kuàng）下飞机的（de）操作，从而更好地理解无人机（jī）的输入序列和反馈机制。这种方法已经被（bèi）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、使用方便（biàn）、易于实（shí）现, 但当（dāng）被（bèi）控对象具有复（fù）杂（zá）的非（fēi）线性特性、难以建立精确的数学模型时，往往难（nán）以达（dá）到满意的控制效（xiào）果。神经网络自适（shì）应控（kòng）制技术能有效地实现多种（zhǒng）不确（què）定（dìng）的、难以（yǐ）确切描述的（de）非线性复（fù）杂过程的控制，提高控制系统的鲁棒性、容错性，且控（kòng）制参数（shù）具（jù）有自适应和自学习（xí）能力。
三（sān）、基于模型的非线性控制（zhì）方（fāng）法
为了克服某些（xiē）线（xiàn）性控制方法的限制（zhì），一些非线性的控制方（fāng）法被提出并（bìng）且被（bèi）运用到飞行（háng）器的控制中。这些（xiē）非（fēi）线性的控制方法通常可以归类为基于模（mó）型的非线（xiàn）性控制方（fāng）法。这其中有反馈（kuì）线性（xìng）化、模型预测控制、多饱和控制、反步法以及（jí）自适（shì）应控（kòng）制。
1.反（fǎn）馈（kuì）线（xiàn）性化（feedback linearization） 反馈线性化是非线性系统常（cháng）用的一种方法。它（tā）利用数学（xué）变换的方（fāng）法和（hé）微分几（jǐ）何学的知识（shí），首先，将状（zhuàng）态和控制变（biàn）量转变为（wéi）线性形式，然后，利用常（cháng）规的线性设计的（de）方法（fǎ）进（jìn）行设计，最（zuì）后，将设（shè）计（jì）的结果（guǒ）通过（guò）反（fǎn）变换，转换（huàn）为原始的状态和（hé）控制形（xíng）式。反（fǎn）馈线性化理（lǐ）论有两个重要分支（zhī）：微分几何法和动态逆（nì）法，其中动态逆方法较微分几何法具有简单的推算（suàn）特点，因此更适合用在飞行控制（zhì）系统（tǒng）的设计上。但（dàn）是，动态逆方法（fǎ）需要相当精确的飞行器的模（mó）型（xíng），这在实际情况中是十分困难（nán）的。此外，由于系统建模误（wù）差，加上外界的（de）各种干扰（rǎo），因此（cǐ），设计（jì）时要重（chóng）点（diǎn）考虑鲁棒性的因素。动（dòng）态逆（nì）的方法有一定的工程应用前景，现已成为（wéi）飞控研究领域的一个热点话题。
2.模型（xíng）预测控制（model predictive control） 模型预测控制是一类（lèi）特殊（shū）的控制方法。它是通过在每一（yī）个采样（yàng）瞬（shùn）间求解（jiě）一（yī）个有限（xiàn）时域（yù）开（kāi）环的最优控制问题获得当前控制动作。最优控制（zhì）问题的初始状态（tài）为过程的当前状态，解得的最（zuì）优控制序列只施加（jiā）在第一个控（kòng）制作用上，这是它和那（nà）些预先计算控制律的算法的最（zuì）大区（qū）别。本质上看模型预（yù）测控制是求解一（yī）个开环（huán）最优控制（zhì）的问题（tí），它与具（jù）体的模型无关，但是实（shí）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（de）物（wù）理（lǐ）现象，存在于大（dà）量的工程问题（tí）中。运用（yòng）多饱（bǎo）和控制的方法设计多旋（xuán）翼无人（rén）机（jī），可以解决其它控制方法（fǎ）所不能解决的很多（duō）实（shí）际的问题。尤（yóu）其是对（duì）于微小（xiǎo）型无人（rén）机而言，由于（yú）大倾角的动作以及（jí）外部干扰，致动器会频繁出现饱和。致（zhì）动器饱和会限制操作的范围（wéi）并（bìng）削弱控制系统的稳定性。很多方法都已（yǐ）经被用来解决饱（bǎo）和输入的问（wèn）题，但还没（méi）有取得理想的效果。多饱和控（kòng）制在控制（zhì）饱和输入方面有着很好的全（quán）局稳定（dìng）性（xìng），因（yīn）此这种方法常（cháng）用来控制微型（xíng）无（wú）人机（jī）的稳定性。
4.反（fǎn）步控制（Backstepping）反步控制是非线性系统控制器（qì）设计最常用（yòng）的方法之（zhī）一，比较适合用来进（jìn）行在（zài）线控制，能够（gòu）减少（shǎo）在线计算的时（shí）间。基于（yú）Backstepping的（de）控制器设计方法，其（qí）基本思路是将复杂的系统分（fèn）解成不超过系统（tǒng）阶数的多个子（zǐ）系统，然后通过反向递推为（wéi）每个子（zǐ）系统设计部分李（lǐ）雅普诺夫函数和（hé）中（zhōng）间虚拟控制量，直至设计（jì）完（wán）成（chéng）整个控制器。反步方法运用于飞控（kòng）系统控制器的设计可以处（chù）理一类非（fēi）线性（xìng）、不确定性（xìng）因素的影响，而且已经被证明具有比较好稳定性及（jí）误差的（de）收敛性。
5.自适应控制(adaptive control) 自适应（yīng）控制也（yě）是一种基于数学（xué）模型的控制方法（fǎ），它最（zuì）大的特点就是对于（yú）系（xì）统内部（bù）模型和外部扰动的（de）信（xìn）息依赖比较少，与模型相关的信息是在运行系统的过程中不断获取的，逐步地使模型（xíng）趋于完善。随着模型的（de）不断改善，由模型得到的控（kòng）制（zhì）作用也会跟着改进，因此（cǐ）控制系统具有一定的适（shì）应能力。但同（tóng）时，自适应（yīng）控制比常规反（fǎn）馈控制要复杂（zá），成本也很高，因此只是在用常规反馈（kuì）达不到所（suǒ）期望的性能时，才会考虑采用自（zì）适应的方（fāng）法。
咨询航拍服务可（kě）加昆明（míng）俊鹰（yīng）无人机飞控手老鹰的（de）微（wēi）信laoyingfly |
