无人机（jī）的飞行控制是无人（rén）机研究领（lǐng）域主要问题之（zhī）一。在飞行过程中会受到各种干扰，如（rú）传感器（qì）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（mó）型（xíng）变动等等（děng）。这些（xiē）都（dōu）会严（yán）重影（yǐng）响飞行器的飞行品质，因此无人（rén）机的控制技术便显得尤（yóu）为（wéi）重（chóng）要。传统（tǒng）的控制方法主（zhǔ）要集中于姿态和（hé）高度的控制，除此之外还（hái）有（yǒu）一（yī）些（xiē）用（yòng）来（lái）控制速度（dù）、位置、航向、3D轨迹跟踪控制。多旋翼无（wú）人机的控制方法可以总结（jié）为以下三（sān）个主要的方面（miàn）。
一、线性（xìng）飞行控（kòng）制方（fāng）法（fǎ）
常（cháng）规的飞行器控制方法以（yǐ）及早期（qī）的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（shàng）的，这其中就又有诸如PID、H∞、LQR以及（jí）增益调度法。
1.PID PID控制属于传统控（kòng）制方法，是目（mù）前最（zuì）成功、用的最（zuì）广泛的控（kòng）制（zhì）方法（fǎ）之一。其控制（zhì）方法简单，无需前期（qī）建模工（gōng）作，参数物理意义明确，适用于飞行精度要求（qiú）不高（gāo）的控制（zhì）。
2.H∞ H∞属（shǔ）于鲁棒（bàng）控制（zhì）的（de）方法。经典的控（kòng）制理论（lùn）并不（bú）要求（qiú）被控对象（xiàng）的（de）精（jīng）确数学模型来解（jiě）决多输入（rù）多输出非线性系统问题。现代控制理论可（kě）以定量地（dì）解决多输入多（duō）输出非（fēi）线性系统问题，但完全依赖于描述被控对（duì）象的动态特性的数学模型。鲁棒（bàng）控制可以很（hěn）好解决因干扰（rǎo）等（děng）因素（sù）引起的建模（mó）误差问题，但它（tā）的计算（suàn）量（liàng）非常大，依（yī）赖（lài）于高（gāo）性（xìng）能的处理器，同时，由（yóu）于是频域设计方法，调参也相对困难。
3.LQR LQR是（shì）被运用来控制无人机的比较成功的方（fāng）法之一，其对象是能用状态空间表达式表（biǎo）示（shì）的线性（xìng）系统，目标函数为（wéi）是状态变量或控（kòng）制变（biàn）量的二（èr）次函数（shù）的积分。而且Matlab软件的使用为LQR的（de）控制方法提（tí）供了良好的仿真（zhēn）条件，更为工程实现提（tí）供了便利。
4.增益调度法 增益调度（Gain scheduling）即在系统运行时，调度变量的变（biàn）化导致控（kòng）制器的参（cān）数随着（zhe）改变，根据调（diào）度变量使系统以不（bú）同的控制规（guī）律在不同的（de）区域（yù）内运行，以解决系（xì）统（tǒng）非线（xiàn）性的问题。该算法由两大部分组（zǔ）成（chéng），第一部分主要完成事件（jiàn）驱动，实现参数（shù）调整（zhěng）。 如果系统的运行情况改变，则可（kě）通（tōng）过该部分来识别并切（qiē）换模态（tài）；第二（èr）部（bù）分为误（wù）差驱动，其控（kòng）制功能由选定的模态来实（shí）现。该控制方法在旋翼无（wú）人（rén）机的垂直（zhí）起降、定点悬停及路径跟踪等控制上有着优异（yì）的（de）性能。
二、基于学习的（de）飞行控制方法（fǎ）
基于学习的飞行（háng）控制方法的特（tè）点（diǎn）就是无需了解飞行器（qì）的动（dòng）力学模型，只要一（yī）些飞行试验和飞行数据。其中研究（jiū）最热门的有模糊（hú）控（kòng）制（zhì）方法（fǎ）、基于人（rén）体学习的方法以及神经网（wǎng）络法（fǎ）。
1.模糊控制方法（fǎ）（Fuzzy logic）模糊控制是解决模型不确定性的方法（fǎ）之（zhī）一（yī），在（zài）模（mó）型未知的情况下（xià）来实现对无人机的控制。
2.基于人（rén）体学习的方法（Human-based learning） 美（měi）国MIT的科研人员为（wéi）了寻找能更好（hǎo）地控制小型无（wú）人飞行器的控制（zhì）方法，从参加军事演习进行（háng）特技飞（fēi）行的（de）飞机中采集数据，分析飞行（háng）员对不同情况下飞机的操作，从（cóng）而更好地理解无人机的输入序列和反馈（kuì）机制。这种方法已经被运用到小型无人机的自主飞行中。
3.神经网络（luò）法（fǎ）（Neural networks） 经典PID控（kòng）制结构（gòu）简单、使用方便、易于实现, 但当被控对象具有复（fù）杂的非（fēi）线性特性（xìng）、难（nán）以建立精确的（de）数学（xué）模型时，往往难以达到（dào）满（mǎn）意的控制效（xiào）果。神经网络自适应控制技术能有效地实现多种（zhǒng）不确定的、难（nán）以确切描述的非线性复杂过程的控制，提（tí）高（gāo）控（kòng）制（zhì）系统的鲁棒性、容错性，且控制参（cān）数具（jù）有自（zì）适应和自学习能力。
三、基于（yú）模（mó）型的非线（xiàn）性控制方法
为（wéi）了克服某些线性控制方法的限制，一些非线性的控制方法被（bèi）提出并且被运用到（dào）飞行器的控制中。这些（xiē）非线性的控制方法通常可以归类为基于模型（xíng）的非线性控制方法。这其（qí）中有反馈线（xiàn）性化、模型预测控制、多饱和控制、反（fǎn）步法以及自适应控制。
1.反馈线性化（feedback linearization） 反馈（kuì）线性化是非线性系统常用的一种方法。它利用（yòng）数学（xué）变换的方法（fǎ）和微分几何学的知识，首（shǒu）先，将状（zhuàng）态和控制变量转变为线性形（xíng）式，然后，利用常规（guī）的线性设计的（de）方法进行设计，最（zuì）后，将设（shè）计的结果通过反（fǎn）变换（huàn），转（zhuǎn）换为原始的状（zhuàng）态和控制形式。反馈线性化理（lǐ）论有两个重要分支：微分几何法（fǎ）和（hé）动态逆（nì）法，其（qí）中动态逆方（fāng）法较微分几（jǐ）何法（fǎ）具有简（jiǎn）单（dān）的推算特点，因此更适合用在飞行控制系统的（de）设计上。但是，动（dòng）态逆方法需要相当（dāng）精确的飞行器的模型，这在实际情况中是（shì）十分困难的。此外，由于系（xì）统建模（mó）误差，加上外界的各种干扰（rǎo），因此，设计时要重点考虑鲁（lǔ）棒（bàng）性（xìng）的因素。动态逆的方法有（yǒu）一定的工程应用前景，现已成为（wéi）飞控（kòng）研究领（lǐng）域的一个热点话题。
2.模型预测控制（model predictive control） 模型预测控制是一（yī）类特（tè）殊的控制方法（fǎ）。它是通过在（zài）每一个采样瞬间求解一个有限时（shí）域开环的最（zuì）优控制问题获（huò）得当前控制动作。最优控（kòng）制问题的初始状态为（wéi）过程（chéng）的当前（qián）状态，解得的最（zuì）优控（kòng）制（zhì）序（xù）列只（zhī）施（shī）加在第一个控制作用上，这是它和那些预先计算控制律的算法的最大区别。本质（zhì）上看模型（xíng）预测控制（zhì）是求解一个（gè）开环（huán）最优控制（zhì）的问题，它与具体的模型无（wú）关，但是实现（xiàn）则与模型相关。
3.多饱和（hé）控（kòng）制（nested saturation）饱和现象是一种非常普遍的物理现象，存在于大（dà）量的工程（chéng）问（wèn）题（tí）中。运用多饱和控制的方法设计多旋翼无人机，可以解（jiě）决其它控制方法所不能解（jiě）决的（de）很多（duō）实际（jì）的问题。尤（yóu）其是对于（yú）微小（xiǎo）型无人机而言，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（dòng）器（qì）饱和（hé）会限（xiàn）制操（cāo）作的范围并削弱控制（zhì）系统的稳定性（xìng）。很多方（fāng）法都已经被用来解（jiě）决（jué）饱和（hé）输入的问题，但还（hái）没有取得理想的效（xiào）果。多饱和控制在控制（zhì）饱（bǎo）和输（shū）入方面（miàn）有着很好的（de）全局（jú）稳定（dìng）性，因（yīn）此这种（zhǒng）方法常用来控制微型无人机（jī）的稳定性（xìng）。
4.反（fǎn）步控（kòng）制（zhì）（Backstepping）反步控制是非线性系统控制（zhì）器设计最常（cháng）用的方法之（zhī）一（yī），比较适合用来（lái）进行在线控制，能够减少在线计算的时间（jiān）。基（jī）于（yú）Backstepping的控（kòng）制器（qì）设（shè）计方（fāng）法，其基本思路是将复杂（zá）的系统分解成不超过（guò）系统阶数的多个子系统，然后通过反向递推为每个子（zǐ）系统设计部分李雅普诺夫函数和中间虚拟控（kòng）制量，直（zhí）至设计完成整个控制器。反步（bù）方法运用于飞控（kòng）系统（tǒng）控制器的（de）设计（jì）可以处理（lǐ）一类非（fēi）线性、不（bú）确（què）定性因素的影（yǐng）响（xiǎng），而且（qiě）已经（jīng）被（bèi）证明具有比较好稳定（dìng）性（xìng）及误差（chà）的（de）收（shōu）敛性。
5.自适（shì）应控制（zhì）(adaptive control) 自适（shì）应控制也（yě）是（shì）一种基于（yú）数（shù）学模型的控制方法，它最大的特点就是对于系（xì）统内部模型和（hé）外部扰动的信（xìn）息依赖比（bǐ）较少（shǎo），与模型（xíng）相关的信息（xī）是在运（yùn）行系统的（de）过（guò）程中不断（duàn）获取的（de），逐步地使模型趋于完（wán）善（shàn）。随着模型（xíng）的不断改善，由模型得到（dào）的控制作用也会跟着改（gǎi）进，因此（cǐ）控制系统具有一定的（de）适应能（néng）力（lì）。但同时，自适应控制（zhì）比常规反馈控制要复杂，成本也很高，因此只是在（zài）用常规反馈达不到所（suǒ）期（qī）望的性能时，才会考（kǎo）虑采用自（zì）适应的方（fāng）法（fǎ）。
咨询航拍服务可加昆明俊鹰无人机飞控手老鹰的微信laoyingfly |
