无人机的飞行控（kòng）制是无（wú）人机研究领域主要问题（tí）之一（yī）。在飞行过程中会受到（dào）各（gè）种（zhǒng）干扰（rǎo），如传（chuán）感器的噪（zào）音与漂移、强风与乱气流、载重量变化及倾角过大引起的模型变动等等（děng）。这些都（dōu）会严重影响飞行器（qì）的飞（fēi）行品质（zhì），因此无人机的控制技（jì）术便显得尤（yóu）为重要（yào）。传统的控制方（fāng）法主要集中于姿态（tài）和高度的控（kòng）制，除此之外还有（yǒu）一些用（yòng）来控制速度、位置、航向、3D轨迹跟踪控制。多旋翼无人（rén）机的控制（zhì）方法（fǎ）可以总结为以下三个主要的方面。
一、 线（xiàn）性飞行（háng）控制方法
常规（guī）的飞行器控制方法（fǎ）以及早期（qī）的对飞行器控制的尝试都是建立在线性飞行控制理论（lùn）上的，这其中就又有诸如PID、H∞、LQR以及增益调度法。
1.PID PID控制属（shǔ）于传统控制方法，是目（mù）前最成功、用的最广泛（fàn）的控（kòng）制方法（fǎ）之（zhī）一。其控制（zhì）方法简单，无需前期建模工作，参数物理意义明确，适用（yòng）于（yú）飞行精度要求不高的（de）控制。
2.H∞ H∞属于鲁棒控制的方法。经（jīng）典的（de）控制（zhì）理论并不要求（qiú）被控对象的精确（què）数学模（mó）型来解（jiě）决多输（shū）入多输出非线性系统问题（tí）。现代控制理论可以定量地解决（jué）多输入多输出（chū）非（fēi）线性系统（tǒng）问题，但（dàn）完全依赖于描述被控对象的动态特性的数学（xué）模型。鲁棒控（kòng）制可以很好（hǎo）解决因干扰等因素引起的建模误差问题，但（dàn）它的计算（suàn）量非常大，依（yī）赖于高性能（néng）的处理器，同（tóng）时，由于是频域设（shè）计方法，调参也（yě）相对困难。
3.LQR LQR是被运用来控制无人机（jī）的（de）比较（jiào）成功的方（fāng）法之一，其对象是（shì）能用状（zhuàng）态（tài）空间表达式（shì）表示的线（xiàn）性系统，目标（biāo）函数为（wéi）是状态变量或控制变量的二次（cì）函数（shù）的积分。而且Matlab软件的使（shǐ）用为LQR的控制方法提供了良好的仿真条件，更为工（gōng）程实现（xiàn）提供了便利（lì）。
4.增益调度法 增益调度（dù）（Gain scheduling）即在系统（tǒng）运行（háng）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（biàn）量使（shǐ）系统以不（bú）同（tóng）的控制规律在不（bú）同的区域（yù）内运行，以解（jiě）决系统非（fēi）线性的问题。该算法由两大部分组成，第一（yī）部（bù）分主要完成事件（jiàn）驱动，实现参数调整。 如果（guǒ）系统的运行情况改变，则可通过该（gāi）部分（fèn）来识别并（bìng）切换模态；第二部分（fèn）为（wéi）误差驱动，其控制功（gōng）能由选定的模态（tài）来实现。该控（kòng）制方法在旋翼无人机的垂直起（qǐ）降、定点悬停及路径（jìng）跟踪（zōng）等控制（zhì）上（shàng）有着优异的性能。
二、 基（jī）于学习（xí）的飞行控制方法
基于学习的飞行控制方法的特点（diǎn）就是无需了解飞行器的动力学模型，只（zhī）要（yào）一些飞行（háng）试验和飞行（háng）数据。其中研究最热门（mén）的有模糊控制方法、基于人体学习的方法以及神经网络法。
1.模糊控（kòng）制方法（Fuzzy logic）模糊控制是解决模型（xíng）不确定性的（de）方法之一，在模型未（wèi）知（zhī）的情况下来（lái）实现对无（wú）人机的控制。
2.基（jī）于人体学习的方法（Human-based learning） 美国MIT的（de）科研人员为了（le）寻找能（néng）更好地控制小型无人飞行器的控（kòng）制方法，从参（cān）加军（jun1）事演习进行特技飞行的飞机（jī）中采集（jí）数据，分（fèn）析飞行员对不同（tóng）情况（kuàng）下飞机的操作，从而更好地理解（jiě）无人机的输（shū）入（rù）序（xù）列和（hé）反馈机（jī）制。这种方法已经被（bèi）运用（yòng）到（dào）小（xiǎo）型无人（rén）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、使用（yòng）方便（biàn）、易于实现, 但当被控对象具有复杂的非线性特性、难以（yǐ）建立（lì）精确（què）的数学模（mó）型时，往往难以达到满意（yì）的控制效果。神经网络（luò）自适应控（kòng）制技术能有效地实现多种不确定的、难以确切描述的非线性复杂过（guò）程的控制，提高控制系（xì）统的鲁棒性、容错性，且控制（zhì）参数（shù）具有自适应和自学习（xí）能力。
三、 基于模（mó）型的非线性控制（zhì）方法
为了克服某些线性（xìng）控制方法的限制，一（yī）些（xiē）非线（xiàn）性的控制方法（fǎ）被提出并且被运用到飞行器的控制（zhì）中。这些（xiē）非线性的控制方法通（tōng）常可以归类为基于模型（xíng）的（de）非线性控（kòng）制方法。这其中有（yǒu）反馈线性化（huà）、模（mó）型预测控制、多饱和控制（zhì）、反（fǎn）步（bù）法（fǎ）以（yǐ）及自适（shì）应控制。
1.反（fǎn）馈线性（xìng）化（feedback linearization） 反馈（kuì）线性化（huà）是非线性（xìng）系统常用的（de）一种方（fāng）法（fǎ）。它利用数学变换的方法和微分几何学的知识，首（shǒu）先（xiān），将状态和控制变量（liàng）转变（biàn）为线性形式（shì），然后，利（lì）用常规的线（xiàn）性设计（jì）的方法进行设计，最后，将设计的（de）结果通过（guò）反变换（huàn），转换（huàn）为原（yuán）始的状态（tài）和控制形式。反馈线性化（huà）理论有两个重要分支（zhī）：微分几何法和（hé）动（dòng）态逆法，其中（zhōng）动态逆方法较微分几何法具有简单的推算特（tè）点，因此更适合用在飞行控制（zhì）系统的设（shè）计上。但是，动态逆方法需要相（xiàng）当（dāng）精确的飞行器的模型，这（zhè）在实际情况（kuàng）中是十（shí）分（fèn）困难的。此（cǐ）外，由于系统建模误差，加（jiā）上外界（jiè）的各种干扰，因（yīn）此，设（shè）计时要（yào）重点考虑鲁（lǔ）棒性的因素。动态逆的方（fāng）法有一（yī）定（dìng）的工程应用前景，现已成为飞控研（yán）究（jiū）领域（yù）的一（yī）个热点话题。
2.模型（xíng）预（yù）测控（kòng）制（model predictive control）模型预测控制（zhì）是（shì）一类特（tè）殊（shū）的控制方法。它是通过（guò）在（zài）每一个（gè）采样瞬间（jiān）求解一（yī）个有限（xiàn）时域（yù）开环的最优控制问（wèn）题获得当前控制动作。最优（yōu）控制问题的初始状态为过程的当前状态（tài），解得的（de）最（zuì）优控制序列只施加在第一（yī）个控制作（zuò）用上（shàng），这是它和（hé）那些预先计算控制律的算法的最大区别。本质上看（kàn）模型预测控制是求解一个开环最优控（kòng）制的问题，它与（yǔ）具（jù）体的模型无关，但是实现则（zé）与模型相关。
3.多饱和（hé）控制（nested saturation）饱和现象是一种非常普（pǔ）遍的物理（lǐ）现象（xiàng），存在（zài）于大量的工程问题中。运用多饱和控（kòng）制的（de）方法设计多（duō）旋翼（yì）无人机，可以解决其它控制方法所不能解决的很（hěn）多实际的（de）问题。尤其是对（duì）于（yú）微小型（xíng）无人机（jī）而（ér）言，由于大倾角的动作以及外部干扰，致动（dòng）器会频繁出（chū）现饱和。致动器饱和（hé）会限制操作的范围并削弱控制（zhì）系统的（de）稳定性。很多方法都已经被用来解决饱和输入（rù）的（de）问题（tí），但还没有取得理想的效果。多饱和控制在控制饱（bǎo）和输入方（fāng）面有着很好的全局稳定性，因此这种方法（fǎ）常（cháng）用（yòng）来控制微型无（wú）人机的稳定性。
4.反步（bù）控制（Backstepping）反步控制是非（fēi）线性系统控制器设计（jì）最常用的方（fāng）法之（zhī）一，比较（jiào）适合用来进（jìn）行在线控制，能够减少在线计算的时间。基于Backstepping的控制器设计方法，其基本思路是将复杂的系统分解成不（bú）超过系统阶数的多个子系统，然后通过（guò）反向递推为每个子系统设（shè）计部分李雅普诺夫函数和中（zhōng）间（jiān）虚拟控制量，直至设计完成整个控（kòng）制器。反步方法运用（yòng）于飞控系统（tǒng）控制器的设计可以处理一类非线（xiàn）性（xìng）、不确定性因素（sù）的影响（xiǎng），而且已经被证明具有比较好稳定性及误差的收敛性。
5.自适应控制(adaptive control) 自适（shì）应控制也是（shì）一种基于数学模型的控制方法（fǎ），它（tā）最大（dà）的特（tè）点就是对于系（xì）统内部模型和外（wài）部扰动的信息（xī）依赖比（bǐ）较少，与模型相关的信息是在（zài）运行系统的过程中不（bú）断获取的，逐步地使（shǐ）模型趋于完善。随着模型的不断（duàn）改善，由模型得到（dào）的控（kòng）制作（zuò）用也会跟着改进，因（yīn）此控制（zhì）系统具有一定的（de）适应能力。但（dàn）同（tóng）时，自适应控制比（bǐ）常规反馈控制（zhì）要复杂，成本也很高，因（yīn）此（cǐ）只是在用常规反馈达不到（dào）所期望（wàng）的（de）性能时（shí），才会（huì）考（kǎo）虑（lǜ）采用自（zì）适应的（de）方法（fǎ）。
咨询航拍（pāi）服务可加昆明俊鹰无人机飞（fēi）控手老鹰的微信（xìn）laoyingfly |
