无（wú）人机的飞行控制是无人机研（yán）究领（lǐng）域主要问题之（zhī）一。在（zài）飞行过程中会（huì）受到各种（zhǒng）干扰，如传感器的（de）噪音与漂移、强风（fēng）与乱气流、载重量变化及倾（qīng）角过大引（yǐn）起的模型（xíng）变动等等（děng）。这些都会（huì）严重影响（xiǎng）飞（fēi）行器的（de）飞行品质，因此无人机的控制技术（shù）便显得（dé）尤为重要。传统的控制方（fāng）法（fǎ）主（zhǔ）要集中于姿态和高度的控制，除此之（zhī）外还有一些用来控制速度、位置、航（háng）向、3D轨迹（jì）跟（gēn）踪控（kòng）制。多旋翼（yì）无人机（jī）的控制方法可以总结为以下三个（gè）主要的方面。

一、线性飞行控制方（fāng）法（fǎ）

常（cháng）规的（de）飞行器控制（zhì）方法（fǎ）以及早期（qī）的对飞行（háng）器控（kòng）制的（de）尝试都是建（jiàn）立在线性飞行控制理论（lùn）上的（de），这其（qí）中就又有诸如PID、H∞、LQR以及增益调度法。

1.PID PID控制属于（yú）传（chuán）统控制方法，是目前最（zuì）成功、用的最（zuì）广泛的控制方法之一。其控制方（fāng）法简（jiǎn）单（dān），无需前期建模工作，参数物理意（yì）义明确，适用（yòng）于飞行精度要求不（bú）高的控制。

2.H∞ H∞属于鲁棒控制的方法。经（jīng）典的控制理论并不要求被控对象的精确数学模型来解决多输入多输出非线性系统问题。现代（dài）控（kòng）制（zhì）理论可以定量（liàng）地（dì）解（jiě）决多输入多（duō）输（shū）出（chū）非（fēi）线性系统（tǒng）问题，但完全依赖于描述被控对象的动态特性的数学模型（xíng）。鲁棒控制可以（yǐ）很（hěn）好解决因干扰等（děng）因素引起的（de）建模（mó）误差（chà）问题，但（dàn）它的计算量非常大，依赖于高（gāo）性能的处（chù）理器，同时，由于是频域（yù）设（shè）计方法，调（diào）参也相（xiàng）对困难。

3.LQR LQR是被运用来（lái）控制无人机（jī）的比（bǐ）较成功的方法（fǎ）之一，其对（duì）象（xiàng）是能用状态空（kōng）间表达式表（biǎo）示（shì）的线性系统，目标函数（shù）为是状态变量或（huò）控制变量（liàng）的二次函数的积分。而且Matlab软件的使用（yòng）为LQR的控制（zhì）方法提供了良好（hǎo）的（de）仿真（zhēn）条件，更为工程实现提（tí）供（gòng）了便利。

4.增（zēng）益调度（dù）法 增益调度（Gain scheduling）即在系（xì）统运行时，调度变量的变化导致控制器的参数随着改变，根据调度变量使系统以（yǐ）不同的（de）控制规律在（zài）不同的区域内运行，以（yǐ）解决系统非线性的问题。该算法由两大部分（fèn）组成（chéng），第一部分主要完成（chéng）事件驱动，实现参数调（diào）整。 如果（guǒ）系统的运行情况（kuàng）改（gǎi）变（biàn），则可通过该部（bù）分来识别并切换（huàn）模态；第（dì）二部分为误差驱动（dòng），其控制功能（néng）由选定的模态来（lái）实现（xiàn）。该（gāi）控制方法在旋（xuán）翼无（wú）人（rén）机的垂直起（qǐ）降、定点悬停及（jí）路径跟踪等控制上有着优异的性（xìng）能。

二、基于学习的飞行控制方法（fǎ）

基（jī）于学（xué）习的（de）飞（fēi）行控制方法的特点就是无（wú）需了解飞行器的动力学模型，只要一些飞（fēi）行试验和飞（fēi）行数据。其（qí）中研究最热门（mén）的有模糊控制方（fāng）法、基于人体学（xué）习的方法以及神经网络法。

1.模糊控制方法（Fuzzy logic）模（mó）糊控制是解决（jué）模型不确定性的方（fāng）法之一，在模型未知的情况下来实现对无人机的（de）控制。

2.基于人（rén）体学习（xí）的（de）方法（Human-based learning） 美国MIT的科研人员为了寻找能更好地控制小型无人飞行器的（de）控制方法，从参加军事演（yǎn）习（xí）进行特技（jì）飞（fēi）行的飞机中采集（jí）数据，分析飞行员（yuán）对（duì）不（bú）同情况下（xià）飞机的操作（zuò），从而更好地理（lǐ）解（jiě）无人机的输入序列和（hé）反（fǎn）馈机制。这（zhè）种方法（fǎ）已经被运用到小型无（wú）人机的自（zì）主飞行中。

3.神经网络法（Neural networks） 经典PID控制结构简单、使（shǐ）用方便、易于实现, 但当被控对象具有（yǒu）复杂的非线（xiàn）性特性、难（nán）以建（jiàn）立（lì）精确的数学模型时（shí），往往难以达（dá）到满意的控（kòng）制效果。神经网络自适应控制技术能有（yǒu）效地实现（xiàn）多种不（bú）确定的、难以（yǐ）确切描述（shù）的非线性复杂过程的控制，提高控（kòng）制系统的鲁棒性、容错性（xìng），且（qiě）控制（zhì）参数具有自适应和自学习能力。

三（sān）、基于（yú）模型的非线性（xìng）控（kòng）制方法

为了克服某些线性（xìng）控制方法的限制，一（yī）些非线性（xìng）的控制方法（fǎ）被提出并且被运用（yòng）到飞行器的控制中。这些非（fēi）线性的控制方（fāng）法通常可（kě）以归类为基于模（mó）型的非线性控制方法。这其中（zhōng）有（yǒu）反（fǎn）馈线性化（huà）、模型预测控制、多饱和控制、反（fǎn）步法以及自适应控制（zhì）。

1.反（fǎn）馈线性化（feedback linearization） 反馈（kuì）线（xiàn）性化是非线性系统常（cháng）用的一种方（fāng）法。它利用数学变换（huàn）的方法和微分几何学的知识，首先，将状态和控制变（biàn）量转变为线性形式，然后，利用（yòng）常规的线（xiàn）性设计的方法进行设（shè）计，最后，将设计的（de）结果通过反变换，转换为原始的（de）状态（tài）和控（kòng）制形（xíng）式。反（fǎn）馈线性化理（lǐ）论有两个重要分支：微分几何法和动态逆法，其中动（dòng）态逆方（fāng）法（fǎ）较微分几何法具有简单的推算（suàn）特点（diǎn），因此更适（shì）合用（yòng）在飞行控（kòng）制系统的设计上。但是，动态（tài）逆方（fāng）法（fǎ）需要相当（dāng）精确的飞行器的模型，这在实（shí）际情（qíng）况中是十分困难的。此外，由于系统建模误差，加上外界（jiè）的各种干扰，因此，设计（jì）时要（yào）重点考虑鲁棒性的因素。动态逆的方（fāng）法有一（yī）定的工（gōng）程应用前景，现已成为飞控研究领域（yù）的（de）一个热点话（huà）题。

2.模型（xíng）预（yù）测控制（model predictive control） 模型预测控制是一类（lèi）特（tè）殊（shū）的控制方（fāng）法。它是（shì）通（tōng）过在每（měi）一个采样瞬间求解一个有限时域开环的最优（yōu）控制（zhì）问题（tí）获得当前控（kòng）制动作。最优（yōu）控制问题的初始状态为过程的当前（qián）状（zhuàng）态，解得的（de）最优控（kòng）制序列只施（shī）加在第一个（gè）控（kòng）制作用上，这是它和那（nà）些（xiē）预（yù）先计（jì）算控制律的算法的最（zuì）大区别（bié）。本（běn）质上（shàng）看（kàn）模型预测控（kòng）制（zhì）是求解（jiě）一个开环（huán）最优（yōu）控制（zhì）的（de）问题，它与（yǔ）具体的模型（xíng）无关，但是实（shí）现则与模型相关。

3.多（duō）饱（bǎo）和控制（nested saturation）饱和（hé）现（xiàn）象是一种非常普（pǔ）遍的物理现象，存在于大量的工程问（wèn）题中。运（yùn）用（yòng）多饱（bǎo）和控制的（de）方法设（shè）计多（duō）旋翼无人机，可以解决其它控制方法所（suǒ）不能解决（jué）的很多实际的问题。尤（yóu）其是对于（yú）微小型无人（rén）机而言，由于大倾角的动作以及外部干扰，致动器会频繁（fán）出现饱和。致动器饱和会限制操作的范围并削弱控（kòng）制系（xì）统的稳定性。很多方法都已经被用来解决饱和输入的问题，但（dàn）还没有取得理想（xiǎng）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局稳定性，因（yīn）此（cǐ）这种方（fāng）法常用来控制微（wēi）型无（wú）人机（jī）的（de）稳定性。

4.反步控制（Backstepping）反步控制是非（fēi）线性系统控制器设计最常用的方（fāng）法（fǎ）之一，比较适合用来（lái）进行在线控（kòng）制，能（néng）够减少在线计算的时间（jiān）。基于Backstepping的控制器设（shè）计方（fāng）法（fǎ），其基本思路是将复杂的（de）系统分解成不超（chāo）过系统阶数的多个子系统，然（rán）后通过反向递推为每个子系（xì）统设计部分李雅普（pǔ）诺夫函（hán）数和中（zhōng）间虚拟控制量，直至（zhì）设（shè）计完（wán）成整个（gè）控制器。反（fǎn）步方法运（yùn）用于飞控系统控制器的设（shè）计可以处（chù）理一类非线性、不确定性因素的影响（xiǎng），而（ér）且已经被证明具有比较（jiào）好稳定性及误差（chà）的（de）收敛性。

5.自适应控制(adaptive control) 自适应控制也（yě）是一种基于数学模型的控制方法，它最大的特点就是对于系统（tǒng）内部模型和外部扰动（dòng）的信息依赖比较（jiào）少，与模（mó）型（xíng）相关的信息是在运行系（xì）统的过程中不断获取的，逐步地使模型趋于完善。随着（zhe）模型的不断改善，由模型得到的控制作用也会跟（gēn）着（zhe）改进，因此控制系统具有一定（dìng）的（de）适（shì）应能力。但同时（shí），自适应控（kòng）制比（bǐ）常（cháng）规反馈控制（zhì）要复（fù）杂，成本（běn）也很高，因此只是在用（yòng）常规反（fǎn）馈达不到所期望的性能时（shí），才会考（kǎo）虑采（cǎi）用自（zì）适应的方法。

咨询航拍服（fú）务可加昆明（míng）俊鹰（yīng）无人机飞控手老（lǎo）鹰的微信laoyingfly