梳理完控制以及飞行（háng）力学（xué）的一些（xiē）基本原理之后，就该（gāi）正式进（jìn）入无人机（jī）导航、制导与（yǔ）控制的讨论了。导航制（zhì）导（dǎo）与控（kòng）制是无人机系统中最复杂的分系统，其功能可以有（yǒu）多种划（huá）分（fèn）方（fāng）法（fǎ），本文（wén）中，我们就以下面（miàn）框图所示的划分方法为例，对无人机导航制导与控制系统的基本原理和常用方法做（zuò）一（yī）下介绍和归纳。
由（yóu）于GPS、室内（nèi）定位甚至（zhì）自动驾驶（shǐ）在生活中的（de）广泛应用（yòng），“导（dǎo）航”、“制（zhì）导”、“控制”这（zhè）几个词也越（yuè）来越为大众所熟（shú）悉（xī）和使（shǐ）用，但是对于这些词（cí）的定义，我们日常生活中的使（shǐ）用和理解方法可能与无人机语境有所不（bú）同，所以（yǐ）有必要对其在本系列文章（zhāng）中的含义做一下解释（shì）：
导航：即无人机获得自己当前（在某个（gè）参照系下）的位置、速度等信息（xī），必要时还需要（yào）获得（dé）当前（qián）（相对于某个参照系）的（de）姿态、姿态角速（sù）度等信（xìn）息。例（lì）如，采用纯惯性导航可（kě）以获（huò）得无人机（jī）在某（mǒu）个惯性系下的位（wèi）置、速（sù）度和加速度，以及（jí）相对于该（gāi）惯性系的姿态角和角速（sù）度；GPS导航系统（tǒng）则可（kě）以提供无人机在WGS84坐标系下的速度、位置和航向角等信（xìn）息；而借助如（rú）Vicon、UWB等室内定位（wèi）系统则可以获得无人机相对（duì）于室内某个坐标系的速度、位置等信息。因此，简要概括（kuò）导（dǎo）航的主要工作就是要“知道（dào）自己在（zài）哪，知道自己的姿态”。
制导（dǎo）：即无人（rén）机发（fā）现（或（huò）外（wài）部输入（rù））目标的位置（zhì）、速度等信息，并根据自（zì）己的（de）位置、速度以及（jí）内部性能和外部环境的约束条件，获得抵达目标所（suǒ）需的位置或速度（dù）指令（lìng）。例如，按照规划的航路点飞行时（shí），计算无（wú）人机径直（zhí）或者沿某个航线飞抵航路点的指令；采（cǎi）用基于计算机视觉（jiào）目标（biāo）跟踪的光学制导时，根据目标（biāo）在视场中（zhōng）的位置（以及摄像头可能存在（zài）的离轴角）计算跟踪目标所（suǒ）需的（de）过载或者姿态角速度指令；而当预装（zhuāng）（或SLAM获得（dé）的）地图（tú）中（zhōng）存在需要规避的障碍物或禁飞区时，根据无人机飞行性能（néng）计算可行的规避路线或者速度指令。因此，简要概括制导的主要工作就（jiù）是要“知道（dào）目标在哪，如何抵达目标”。
控制：即无人机根据（jù）当（dāng）前的速度、姿态等信息，通过（guò）执（zhí）行机构（gòu）作用来（lái）改变姿态、速度等（děng）参数，进而实现稳定飞行或跟踪制（zhì）导指令。例如，当固定翼无人机需要爬升高度（dù）时（shí），计算需要的俯仰角和俯仰角（jiǎo）速度（dù）指（zhǐ）令（lìng），以（yǐ）及为（wéi）了让空速不（bú）至于大幅降（jiàng）低所需的油门指令；当（dāng）沿着航线飞行，但是存在侧风时，计算所需的偏航角指（zhǐ）令以（yǐ）利用侧滑抵消（xiāo）侧风（fēng）影响；或（huò）者当多（duō）旋翼（yì）无人（rén）机的某个旋（xuán）翼（yì）失效（xiào）时，计算如何为剩余旋翼分配指令以（yǐ）尽可（kě）能实现稳定（dìng）飞行。因此，简要（yào）概括（kuò）控制的主要工作就是“改变飞行姿（zī）态，跟踪（zōng）制（zhì）导指令”。
虽（suī）然（rán）理论上，导航、制导和控（kòng）制这三者各司其（qí）职（zhí），只（zhī）是在指令计算和执（zhí）行上有顺承关系，但（dàn）是在实际系统中，三者可能会有很多（duō）交（jiāo）叉因素。例如，导航系统中所（suǒ）测量或（huò）估（gū）计出的角速度（dù），既要（yào）用于导航系统的速（sù）度和位置估计，又要用于姿态控制；而（ér）在（zài）一（yī）些高机动性的飞行（háng）器（如直接碰撞（zhuàng）杀伤的动（dòng）能拦截器（qì）等（děng））和空（kōng）天飞行（háng）器（如升力体再入返回（huí）的制导控（kòng）制（zhì））上也有制导与（yǔ）控（kòng）制一体化（huà）设计的趋（qū）势。但在本文中，仍然根（gēn）据无人机的固有特性，尽量将三者（zhě）作为（wéi）具有独立（lì）功能（néng）的（de）分系统看待。其中，导航系统原理可以大致分为以下几个类（lèi）型：
基于绝对参考系的导航。如惯性导航、磁罗盘导（dǎo）航等。惯（guàn）性导航（háng）运（yùn）用牛顿力学原理，通（tōng）过构建一个与机体固（gù）联的（de）惯性平台，从而根（gēn）据加速（sù）度计测量的惯性加速（sù）度计（jì）算（suàn）在某惯性参考系下的速度和位置（zhì），根据陀螺（luó）仪测（cè）量所得的角速度计算机体相对于惯性（xìng）平（píng）台的姿态角，从而只需要加速度（dù）计和陀（tuó）螺仪满足一定的精度要求，就可以在（zài）不需要外（wài）部（bù）信（xìn）息的情况下（xià）获得机体相对于惯性（xìng）参考系的速度、位置（zhì）和姿态（tài）角。之所以将与（yǔ）机体固联的移动参照系成为（wéi）惯性平台，是因为早期的平台式惯（guàn）性（xìng）导航设备中确（què）实存在一个物理（lǐ）上的框架（jià），该框架基于陀螺进动原理始（shǐ）终与惯（guàn）性系（或（huò）当地铅（qiān）锤坐标系）保持平行。高精度的平台惯导（dǎo）系（xì）统可以长（zhǎng）期不需要外部信息进行导航，例如有（yǒu）些核潜艇所装备的惯导系统可以保证水下航（háng）行（háng）数月的导航（háng）误差在（zài）数海里的量级。
虽然平台惯（guàn）导（dǎo）的（de）精度很（hěn）高，但是由（yóu）于系统复杂（zá）且体积巨大，不便于在小型飞（fēi）行器上装备，随着计算机技术和导航器件技（jì）术（shù）的发（fā）展，捷联惯导越来越多地（dì）被使用（yòng）。与（yǔ）平台惯（guàn）导所用的物理平台不（bú）同，捷（jié）联（lián）惯导的陀螺仪和加速度计都与机体固连，因此（cǐ）采用虚拟的数学惯性平台，即惯性器（qì）件测量所得数据都会经过坐（zuò）标变换的数学（xué）运（yùn）算转换到惯性坐标系下，由于（yú）去掉了物理平台，捷联惯导系（xì）统的体积大幅缩（suō）减。特别是近（jìn）二十年来（lái）快速发展的MEMS（微机电系统）器件（jiàn），已经可以将捷联惯导系统的体积缩小到几立方厘米的量级。
当然，惯性（xìng）导航并非完美，由（yóu）于（yú）导航过程依赖（lài）惯（guàn）性器件（jiàn）的输出数据、坐标变换以（yǐ）及数值积分，所以器件误差和数值计算（suàn）的截断（duàn）误差会（huì）不断累积，在（zài）缺乏额外的相对于绝对坐标系的信息时，该误差无（wú）法（fǎ）被修正，因此，惯导系统通常作为飞行器的主要导航系统，但同（tóng）时还需要其（qí）他导航信息（xī）对惯（guàn）导结果进行修（xiū）正。
几（jǐ）乎其他所有导航方法都可以用于修正惯导系统误差，甚（shèn）至是惯导系统本身，如AHRS（航姿参考（kǎo）系统（tǒng）），这种系统除了采（cǎi）用陀螺仪积分得出姿态角，还能根据加速度（dù）计测量（liàng）的重力方向以及磁罗（luó）盘测量（liàng）的磁航向对（duì）姿态角结果进（jìn）行修正，从而在（zài）陀螺仪精度不高的情况（kuàng）下获（huò）得长期稳（wěn）定的姿态角输出，不过由于低精度器（qì）件所得的姿态角结果（guǒ）短（duǎn）期和长期均有不同程度的误差（chà），该系统无法（fǎ）进行精确的航位推算。
基于距离测（cè）量的（de）导（dǎo）航。如卫星导航（háng）、室内定位等。这类导航方（fāng）式一（yī）般（bān）是通过测量飞行（háng）器与已知精确位置（zhì）的参考点（diǎn）之间（jiān）的距（jù）离，从而解算出飞行器位（wèi）置（zhì）。例如卫星导航系统就是通过接收多（duō）颗卫星发射出（chū）来的星历（lì）信息（xī），从（cóng）中得出时（shí）间差并根据光速计算出（chū）距离，从而解算出（chū）飞行（háng）器在WGS84坐标（biāo）系（xì）下（xià）的位置（zhì）和经纬高度信息。同样采用（yòng）类（lèi）似方（fāng）式的还有室（shì）内定位应用（yòng）中很火的WIFI定位和UWB定位技术，均是利（lì）用信号强（qiáng）度或发送接（jiē）收的时间（jiān）差计算飞行（háng）器与各参考点之间的距离，从而解算飞行器实（shí）时位置。
基于特征匹配（pèi）的导航。如地形匹配、运（yùn）动捕（bǔ）捉系统等。这类（lèi）导（dǎo）航方（fāng）式（shì）通常（cháng）是通过（guò）飞行（háng）器（qì）实时提取地磁、地（dì）貌、图像（xiàng）等特（tè）征（zhēng），并与特征库（kù）进行（háng）比对或进行（háng）相应计算，从而（ér）得（dé）到飞行（háng）器位置、速度等信息实现导航功能，如（rú）巡航导弹中所（suǒ）使用的地形匹配方法和现在比较火（huǒ）的SAR（合成（chéng）孔径雷（léi）达（dá））地貌匹配（pèi）方法，都是通过（guò）提取飞行路径（jìng）上的一维或二维地形地貌信息，并（bìng）与（yǔ）数字高程地图库进（jìn）行比对，从而获知（zhī）当前位置、速度（dù）等信息，这在卫星导（dǎo）航信（xìn）号丢（diū）失时的长期导航具（jù）有重要意义。运用计算机（jī）视觉技术，通过（guò）识别已知位置上的标记物特征（zhēng）完成位置、速度估计的方（fāng）法也归（guī）属此类。还有另一（yī）类导（dǎo）航方（fāng）法就（jiù）是类似于Vicon的运动捕捉系统，这种（zhǒng）系统则是（shì）通过已（yǐ）知位置的光学等（děng）传感（gǎn）器识别飞行器上设置的标记（jì）物（wù），从（cóng）而解（jiě）算出飞（fēi）行（háng）器实时位置、速（sù）度。
而既然说到基于（yú）特征，就（jiù）不得不关注计算机（jī）视觉（jiào）在导航中的应（yīng）用，例如在消费级（jí）无（wú）人（rén）机上运用多年（nián）的稀疏光流算法，就是根（gēn）据灰度图像（xiàng）中特征点的运动计算出无人机的运动速度，近年（nián）来（lái）火爆（bào）的SLAM则更是将计算机视觉发挥到极致（zhì），这种算法通过将运动中实时采集的图像特征性信息与惯导等系统信息进行融（róng）合，从而可以在未（wèi）知环（huán）境（jìng）中一（yī）边（biān）完成（chéng）周围场（chǎng）景的（de）三维模型（xíng）重建，一边（biān）进行自身在场景中相（xiàng）对位置和速度的解算。
说（shuō）回无人机的导（dǎo）航，当前多数无人机采（cǎi）用惯导/卫星导航组合作为基本的导航方（fāng）式，可以保证绝大多（duō）数（shù）场景下的稳定导航。大型军用无人机由于对导航系统的轻量化（huà）和成本要求不高，为（wéi）了（le）实现较高的导航（háng）精度，其通常仍（réng）采用光纤/激光陀螺（luó）和石英加（jiā）速度计组成的高精度惯导系统（tǒng），而中小（xiǎo）型和（hé）民用无人机则采用更轻小更廉价，但是（shì）精度（dù）较低的MEMS器件（jiàn）组成惯导或航姿参考系统（tǒng），与卫星导航组合后，仍能提供有（yǒu）效的导（dǎo）航信息（xī）输出。
而在某些特殊应用场景下，卫星（xīng）导航信号会丢失，如微型无人机在室内和（hé）城（chéng）市（shì）楼群之间飞行，这时就需要其他的导航方（fāng）式进行辅助。常用的比（bǐ）如气压计的使（shǐ）用就可以以（yǐ）较低的综（zōng）合成本获得低精（jīng）度的（de）海拔（bá）高（gāo）度（误差100米量级（jí））和较高（gāo）精度的相对高度信息（误差0.1米（mǐ）量级）。无人机（jī）在（zài）室内飞行时，可（kě）以架（jià）设前文提到的WIFI、UWB或Vicon等需要复杂外部（bù）设备的（de）室内定位（wèi）系统，或者外部设置（zhì）已知位置的标记物，通过无人（rén）机的（de）视觉（jiào）系统完成识别（bié）和自身（shēn）定位。而在极为特殊的场景下，如各（gè）种高危未知（zhī）环境（jìng）的勘测，使得常用辅助导航（háng）系统都难以使（shǐ）用时，就不（bú）得不祭出SLAM这一杀手锏了，SLAM技术正处于高（gāo）速发展中，且已经有多种实用的方（fāng）案出（chū）现了，完（wán）美的SLAM系统可以完成科幻电影里那种放出（chū）去几驾微型无人（rén）机（jī）自由飞行，配合一个便携地面站，便（biàn）可以实时地（dì）重（chóng）建周围环境的3D模型，这种性能在未来五年（nián）之（zhī）内肯定（dìng）可以实现。当（dāng）然绝大多数辅助的导航方式（shì）都（dōu）难以输出用于制导控制的高频（pín）率（200Hz以（yǐ）上）导航信息，因此通常（cháng）情（qíng）况下仍（réng）是将辅助导航系统与惯性导（dǎo）航（háng）相结合。
下面来讨论（lùn）无人机（jī）的制导，现阶段大多数（shù）军（jun1）用还是民（mín）用无人机在自动飞行过（guò）程中仅（jǐn）需完成航路点或航线的跟（gēn）踪，因此制导策略相对简单。多旋翼无（wú）人机（jī），跟踪航路（lù）点时只（zhī）需要将飞行速度方向（xiàng）对准下一个航路点，跟踪航线（xiàn）也（yě）仅需首先飞到（dào）航线上距离当前（qián）位置最近的（de）点即可；而这项（xiàng）任务对（duì）于固定翼无人（rén）机相对复杂。因为固定翼无人（rén）机的速度方向（xiàng）需（xū）要通过（guò）航向来改变（biàn），而航向则需要（yào）通过滚转（zhuǎn）来改变，这就使得滚转角与速（sù）度方（fāng）向之间形成了近（jìn）似二阶环节的过程，这（zhè）通常可以运用导弹（dàn）的比（bǐ）例导引（yǐn）法（fǎ）来实（shí）现航（háng）路点（diǎn）跟踪。比例（lì）导引法的基本原理就是让飞行器速度（dù）矢量在空间中的转动角（jiǎo）速度（dù）正（zhèng）比于飞（fēi）行器与目标间的视线角变化率（lǜ），对于航路点（diǎn）这一静止（zhǐ）目标，只（zhī）需要（yào）无人机与航路点之间的距离足够，就可以（yǐ）保（bǎo）证准确（què）抵达下一个（gè）航路点，而对于航线跟踪，则需要选择一（yī）个虚拟（nǐ）的目标（biāo）点使得无人机首先向航线靠近（jìn），然后再逐（zhú）步（bù）将（jiāng）方向对（duì）准航线方向。例如现在被广泛（fàn）使用的L1制（zhì）导算（suàn）法，就是在（zài）航线上选择与（yǔ）无人（rén）机距离为L1的参考点，然（rán）后根（gēn）据速度方向与到（dào）参（cān）考（kǎo）点连线（xiàn）方向（xiàng）之间的夹（jiá）角计算横向机动（dòng）的需用过载，进而实现航线跟踪。
而（ér）随着（zhe）无（wú）人机在（zài）多种场景下应用的不断深入，除了航路点和航（háng）线（xiàn）的跟踪以外（wài），无人机（jī）抵达目标的最优路径选择，障碍物或（huò）禁飞区规（guī）避以（yǐ）及多机协同工作（zuò）所需要的（de）制导策略越来越复杂（zá）。我们知道（dào）最优（yōu）控制方（fāng）法（fǎ）在航天器轨道转移、火箭入轨（guǐ）制（zhì）导等问题中（zhōng）起到了（le）良好的效果，但是对于（yú）大气中飞行的无人机路径规划，基于间（jiān）接法（fǎ）的最优控（kòng）制（zhì）问题（tí）很难求解，因此无人机路径规划往往采用（yòng）基于网（wǎng）格地图的搜索算法，或者蚁群算（suàn）法、遗传算法等特殊的路径优化方（fāng）法。例如（rú）在基于概（gài）率地图的搜索算法（fǎ）中（zhōng），首先（xiān）运（yùn）用随（suí）机概率方法在自由空间（jiān）（任（rèn）务空间中（zhōng），除去障碍物后的空间）中选取采样点，并选取距离当前点最近的k个点构成当前点的临近点集，然后利用局部规划器将当前点（diǎn）与其临近点集中的（de）所（suǒ）有（yǒu）点用直线（xiàn）段连接（jiē）起来，同时进行相交检验，将不与障碍物相（xiàng）交的（de）直线段保留（liú）下来（lái）构成一（yī）个图，作为初始路径， 完成路径规划的学习阶段；在查询（xún）阶段，运用优化（huà）方法对（duì）上述图进（jìn）行搜索，从而（ér）得到由图的边构成的从出发点到（dào）目的点（diǎn）并（bìng）满足优化目标的路径。
另一类常用的算法并不是基（jī）于网格地图进行搜索，例如人工（gōng）势场法，其基本思想是将无人机的运动，设计成一种在（zài）抽象的人造引力场中的运（yùn）动，如下（xià）图所示（shì），目标物对无（wú）人（rén）机（jī）产生“引力”，而障碍物对无人机（jī）产生“斥（chì）力（lì）”，通过求解目标和所有障碍（ài）物对（duì）无人机（jī）产生的合力，就（jiù）可以得到无人机运动（dòng）速度（dù）或加速度（dù）指（zhǐ）令（lìng）。相对于（yú）大多数搜索（suǒ）算法（fǎ），人工势场（chǎng）法（fǎ）运算量更小，且得到的（de）轨迹更平滑。
以（yǐ）上这两类制导算法通常（cháng）适用于一架（jià）无人机（jī）的航路跟踪或路径规划，而当设计无（wú）人机编队甚（shèn）至集（jí）群时，问题（tí）复（fù）杂（zá）程度则骤增。对于集群（qún）中的某个无人机（jī）来说，其他无人机既是可以（yǐ）协作和互通信息的伙（huǒ）伴，同时又是快速移动的障（zhàng）碍物，而整个集群的路（lù）径规划有需要考虑（lǜ）集群以及（jí）其中（zhōng）每一架无人机特性所形（xíng）成的（de）约束（shù）条件，或者当集群处于协同作战模式时，又需（xū）要对（duì）目标（biāo）自发形成各角（jiǎo）度的全向饱和攻击，当然，这（zhè）其中需要解决（jué）的问题正（zhèng）是当前（qián）研（yán）究的热点。
最后再讨论一下无人（rén）机的控（kòng）制，导（dǎo）航（háng）系统（tǒng）获（huò）得了无（wú）人机当前位置速度（dù）和姿态信息，制导系统完成路（lù）径规（guī）划和制导指令生成，而控制的（de）任务（wù）就（jiù）是精（jīng）确、快速稳定地跟踪收到的制（zhì）导指令，因此控（kòng）制也是最关键（jiàn）的环节。最常用（yòng）的控制算法还是历久（jiǔ）弥新的PID，通过将被（bèi）控参（cān）数参考值与当前（qián）值误差的（de）比例、积分和（hé）微分进行适当组合，便能够完成大部分近（jìn）似线性（xìng）系统的有效控（kòng）制。
而事实（shí）上（shàng），现在工程中（zhōng）所（suǒ）使用的很多PID算法，早（zǎo）已经不是（shì）基本的（de）构型了，常用的改进方（fāng）式主要（yào）有以下几种：
增（zēng）益调（diào）度（dù）：既然PID控制（zhì）器设计过程一般是在某个平（píng）衡点处做（zuò）系统（tǒng）的小扰动线性化（huà）方（fāng）程（平（píng）心而论（lùn），工程中还（hái）真不都（dōu）是这么按流程（chéng）来，各（gè）种野（yě）路子都有），进而完成设计的，那么只（zhī）要在正常工作范围（对于无人（rén）机来说可以是飞行（háng）包线（xiàn））内选取（qǔ）足够的平衡（héng）点，并（bìng）根据每个平衡点的模型选择合适（shì）的PID控制参数，这样就可（kě）以在控制（zhì）器工作中通过插（chā）值等方式（shì）选择（zé）相应平衡点附近的控制参数，这种变参数的方法（fǎ）就是一种增（zēng）益调度方法，而基（jī）于增益调度的PID控（kòng）制器就可以针对具有一定非线性特性的系统进（jìn）行控制。这种方法在飞行控制中已应（yīng）用多年。
参数自（zì）适（shì）应：比如以系统积分误差性能（néng）指标（biāo）为准则，搜索使得（dé）误差性（xìng）能指标（biāo）为最小的参（cān）数作为控（kòng）制器参（cān）数，又或者（zhě）基于神经网络和遗传算法的参数（shù）自适应等，不过（guò）这些方（fāng）法在工程中使用（yòng）的比较少。
串级（jí）：通过将被控系统分为内外环，只需要内外环的固有（yǒu）频率有一定的差别（比如说内（nèi）环（huán）频率是外环的五倍以上，无（wú）人机的姿态响应和位置响应一般可以满足），即（jí）可用实现快变量（liàng）和慢变（biàn）量（liàng）的（de）分别控（kòng）制，通过简单（dān）的（de）调参就可以实现快速的内（nèi）环（huán）响应和精确的外环控（kòng）制，并具有比（bǐ）单（dān）个控（kòng）制器（qì）更好的（de）抗干扰性能。
积分抗饱和（hé）：PID控制中（zhōng）的积（jī）分作（zuò）用虽（suī）然可用消除稳态误差（chà），但是积分退饱和过（guò）程带（dài）来的超调往往较大，因此可用在被控参数的误（wù）差较（jiào）大（dà）时，停止误差（chà）的积分过（guò）程（chéng），或者（zhě）对误差的积分（fèn）值（zhí）进行限（xiàn）幅（fú），这样就可以显著地降低超调量，缩短（duǎn）过程（chéng）的（de）稳（wěn）定时间（jiān）。
不完（wán）全微分：虽然（rán）被（bèi）控（kòng）参数一般（bān）不（bú）会出现突（tū）变，但是参考（kǎo）值却经常会出现突变，这（zhè）使得误差的微分也会突变，为（wéi）了降低这种突（tū）变造成的控制（zhì）量幅值，可以采用不完全微（wēi）分策（cè）略（luè），即微分（fèn）只（zhī）作用于被（bèi）控参数（如飞行控制中的角速（sù）度阻尼（ní））。
PID算（suàn）法的改进方式还有（yǒu）很多（duō），难（nán）以（yǐ）细数，不（bú）过这种（zhǒng）改（gǎi）进终归难以解决（jué）所有问题，例如被控对（duì）象的高度非线性、强耦合性（xìng）、时变性等特性，因此新的控制（zhì）方法层出（chū）不穷（qióng）。下（xià）面列举几种较为实用的其他控制（zhì）方法（fǎ）。
反馈线性化：利用数学变换的方法和微分几（jǐ）何学的知（zhī）识，将状（zhuàng）态和控（kòng）制变量转（zhuǎn）变为线性形式（shì），然后，利用（yòng）常规的线性设计（jì）的方法进行设计（jì），将设计的结果通过反变换，转换为原始的状态和控制（zhì）形式。反馈线性（xìng）化可以将存在通道间耦合（hé）的（de）非线性系统变（biàn）换为解（jiě）耦（ǒu）的线性（xìng）系统，方便外环的线（xiàn）性控制器（qì）设计。不过该方法应（yīng）用中或多或少会存在（zài）建模误（wù）差，因此设计时要（yào）重点考虑鲁棒性的因素。
滑模变结构：这种（zhǒng）方法（fǎ）不需要对被控（kòng）对象进行（háng）精确（què）建模，而是（shì）在动态（tài）过程（chéng）中，根据系统当（dāng）前的状态(如偏（piān）差及其各阶导数等)有目（mù）的地不断（duàn）变化，迫使系统按（àn）照预定“滑动（dòng）模态”的状态轨迹（jì）运动（dòng）。由于（yú）滑动模态可以进行（háng）设计且与（yǔ）对象参（cān）数及扰动无关,这就使得滑模控制（zhì）具有快速（sù）响应、对（duì）应参数变化及扰动不灵敏、无需系（xì）统在线辨识（shí）、物理实现简单（dān）等优点。但是基本的滑模（mó）变（biàn）结构算法存在控制（zhì）参数抖振（zhèn）的问题，需要再趋近率（lǜ）设计（jì）时进行适当的优化策略。
反步控制：其基本思路是将复（fù）杂的系统（tǒng）分解成不超过系统阶数的多个（gè）子系统（tǒng），然后通过反（fǎn）向递推为（wéi）每个子系统设计部分（fèn）李雅普诺夫函（hán）数（shù）和（hé）中间虚（xū）拟（nǐ）控（kòng）制量（liàng），直至设计完成整个控（kòng）制（zhì）器。反（fǎn）步方法运用于飞控系统控（kòng）制器的设计可（kě）以（yǐ）处理一类非线性（xìng）、不确定性因素（sù）的影（yǐng）响，而（ér）且已经被证明具有比较好稳定性及误差的收敛性（xìng）。
自适应逆：与动态逆的思想类似，这种方（fāng）法运用各种（zhǒng）自适应逆（nì）滤波网（wǎng）络（如LMS滤波器网（wǎng）络、神经网（wǎng）络等）去拟（nǐ）合出被（bèi）控对象（xiàng）的逆系统，从而将控制器与被控对象构成的前（qián）向通道变换成一（yī）一（yī）映射的线（xiàn）性化（huà）解耦系统，而之所以称为（wéi）“自适应”，则是这个（gè）拟合出逆系（xì）统的网络可以在线学（xué）习被控对象的特性。这种方（fāng）法在仿真中可以取得（dé）比传（chuán）统控制（zhì）方法（fǎ）优越很多的（de）效果，但是（shì）由于滤波器（qì）网络可能存在无法检出的（de）内部缺陷，所以在某些状态组合下，可能会出现（xiàn）故（gù）障（包括深度神经网络在内的所有神经网络都（dōu）潜在（zài）此风险）。
本文简要梳理了可用于无人机（jī）的导航、制导和控制的方法、策略或算（suàn）法，其（qí）中部分算（suàn）法将在（zài）后（hòu）续的（de）仿（fǎng）真系统相应的文章（zhāng）详细（xì）介绍并在代码中体现（xiàn）。（源自：知乎）
咨询航拍（pāi）服务可加昆明（míng）俊（jun4）鹰（yīng）无（wú）人机飞控手老鹰（yīng）的（de）微信laoyingfly |
