无人机（jī）的飞行控制是无（wú）人机研究领域主要问题之一。在（zài）飞行（háng）过程中会受到各（gè）种干扰，如传感器的（de）噪音（yīn）与漂移、强风与乱气流（liú）、载重（chóng）量变化及倾角过（guò）大引起的模型变动等等。这些都会严重影响（xiǎng）飞（fēi）行器的飞行（háng）品（pǐn）质（zhì），因此无人机的控（kòng）制技（jì）术便显（xiǎn）得尤为重要。传（chuán）统（tǒng）的控制方（fāng）法主要集中于姿态和高度的控制，除此之外还有一些用来（lái）控（kòng）制速（sù）度、位置、航向、3D轨迹（jì）跟踪控制。多旋翼（yì）无（wú）人机的控制方法（fǎ）可以总（zǒng）结为（wéi）以下三个主要的方面。
一、 线性飞行（háng）控（kòng）制方（fāng）法
常规的飞行（háng）器控（kòng）制方法以及早期（qī）的对飞（fēi）行（háng）器控制的尝试都是建立在线（xiàn）性（xìng）飞行控制理论上的，这（zhè）其中（zhōng）就又有诸（zhū）如PID、H∞、LQR以及增（zēng）益调度法。
1.PID PID控制属于传统控制方法（fǎ），是目前最成功、用的最广泛（fàn）的控制方法之一（yī）。其控制方法简单，无（wú）需前期建模（mó）工（gōng）作（zuò），参数物理（lǐ）意（yì）义明确，适用于飞（fēi）行精度要求不高的控（kòng）制。
2.H∞ H∞属于鲁（lǔ）棒（bàng）控制的方法。经典的（de）控制理论并（bìng）不要求（qiú）被控对象的精确（què）数学模型来（lái）解决（jué）多（duō）输入多输（shū）出非线性系统问题。现代（dài）控制理论（lùn）可以定（dìng）量（liàng）地解决多输入（rù）多输出非线（xiàn）性系统（tǒng）问题，但（dàn）完全依赖（lài）于（yú）描述被控对象的动态（tài）特性的数学模型。鲁棒控制可（kě）以很好解决因干扰（rǎo）等因素引起（qǐ）的建模误差问题，但它的（de）计算量非常大，依赖（lài）于高（gāo）性能的处理器，同（tóng）时，由（yóu）于（yú）是（shì）频域（yù）设计方法，调参（cān）也相对困难。
3.LQR LQR是被运用来控（kòng）制无（wú）人机的比较成功的（de）方法之一，其对象（xiàng）是能用（yòng）状态空（kōng）间（jiān）表达（dá）式表示的线性系（xì）统，目标函数为是状（zhuàng）态变量或控（kòng）制变（biàn）量（liàng）的二次函（hán）数的积分。而（ér）且Matlab软件（jiàn）的使用为LQR的控制方法提（tí）供（gòng）了良好的仿真条件，更为工程实现（xiàn）提供了便（biàn）利。
4.增益调度法 增益调度（Gain scheduling）即在系统运行时，调度（dù）变量（liàng）的（de）变化导致控制（zhì）器的参数随着改变，根据调度变量使系统以不（bú）同的控制规律在不同的（de）区域内运（yùn）行，以解决（jué）系统非线性的问（wèn）题。该（gāi）算法由（yóu）两（liǎng）大部分组（zǔ）成，第一部分主要（yào）完（wán）成事（shì）件驱动，实现参（cān）数调整。 如果系（xì）统的运（yùn）行情况改变，则可（kě）通过该部分来识（shí）别并切换模态；第二部分（fèn）为误差（chà）驱动，其控制功能由选定的模态来实现。该控制方（fāng）法在旋翼无（wú）人机的垂直起降、定点悬停及路径跟（gēn）踪等控制上有着优异的性能。
二（èr）、 基于学（xué）习的飞行控制方法
基于学习的飞（fēi）行控制方法的（de）特点就是无需了解飞行器的（de）动力学模型，只（zhī）要一些（xiē）飞行试（shì）验和飞（fēi）行数据。其中研究最热门（mén）的有模糊控（kòng）制方法、基于人体学习的（de）方法以及神（shén）经网络法。
1.模糊控制方法（Fuzzy logic）模糊控制是解决模型不确定性的方法之一，在模型未（wèi）知的情况下来实现对无（wú）人机的控制。
2.基于人体学习（xí）的方法（Human-based learning） 美国MIT的科研人（rén）员（yuán）为了寻找能更好地控制（zhì）小型（xíng）无人飞（fēi）行（háng）器的控制方法，从（cóng）参（cān）加军事（shì）演习进行特技飞行的飞机中（zhōng）采（cǎi）集数据，分析飞行员对不同（tóng）情况下飞（fēi）机（jī）的操作，从而更好地理解（jiě）无人机的输入序列和反馈机制。这（zhè）种方法已经被运用（yòng）到小型无人机的自主飞行中。
3.神经网（wǎng）络法（fǎ）（Neural networks） 经典PID控制结构简（jiǎn）单（dān）、使用方便（biàn）、易于实现, 但（dàn）当被控对象具有复杂的非线性特性、难以建立（lì）精确的数学模型时（shí），往往难以（yǐ）达到满意的（de）控制效果。神（shén）经网络自适应控制技术能有效（xiào）地实现多种不（bú）确定的、难以确（què）切描述的非线性复杂过程的控制（zhì），提（tí）高控制系统的鲁（lǔ）棒性、容（róng）错（cuò）性，且控制参数具有自适应和自学习能力（lì）。
三、 基于模型的非线（xiàn）性控制方法
为了克服某些（xiē）线性（xìng）控制方法的限制，一些非线性（xìng）的控制方（fāng）法被提出并且被（bèi）运（yùn）用到（dào）飞行器的控制中（zhōng）。这些非线性（xìng）的控（kòng）制方法（fǎ）通常可以归类为基于（yú）模型的非线（xiàn）性（xìng）控制方法。这其中（zhōng）有反馈线性化、模（mó）型预测控制、多饱和控制（zhì）、反（fǎn）步法以及自适应控制。
1.反馈线（xiàn）性化（feedback linearization） 反馈（kuì）线性化是非（fēi）线性系统（tǒng）常用的一（yī）种方法。它利（lì）用数学变换的（de）方法和微分几何学的知识，首先，将状态和控制（zhì）变量转变为线性（xìng）形式，然后，利用常规的（de）线性设计的方法进行设计，最后（hòu），将（jiāng）设（shè）计的结果通过（guò）反（fǎn）变换（huàn），转换为原始的状态和控制（zhì）形式。反（fǎn）馈线性（xìng）化（huà）理论有两个重要（yào）分支（zhī）：微分几何法和动态逆法，其中动（dòng）态逆方法较（jiào）微分几（jǐ）何法具（jù）有简单的推算特点，因此更适合用在飞行控制系统的设（shè）计上。但（dàn）是，动态（tài）逆方法需（xū）要相当精（jīng）确的飞（fēi）行器的模型（xíng），这在实际情况中是（shì）十分困难的。此外，由于（yú）系（xì）统（tǒng）建（jiàn）模误差，加上外界的各种干扰，因此（cǐ），设计（jì）时要重点考（kǎo）虑鲁棒性的因素。动态（tài）逆的（de）方法有一（yī）定的工（gōng）程应（yīng）用前景，现（xiàn）已成为飞控研究领域的一个热点话（huà）题。
2.模型预测（cè）控制（model predictive control）模型预测控制是一（yī）类特殊的控制方法。它是（shì）通（tōng）过在每（měi）一个（gè）采样瞬间求解一个有限时域（yù）开环的最（zuì）优（yōu）控制（zhì）问题获得（dé）当前控制（zhì）动作。最（zuì）优控制问题的初始状态（tài）为（wéi）过程的当前状（zhuàng）态，解（jiě）得的（de）最优控制（zhì）序列只施加（jiā）在第一个控制作用（yòng）上，这是它和那些（xiē）预先计算控制律的算法的最大区别。本质上（shàng）看模（mó）型预测控制是求解一个开环最优控制的（de）问题（tí），它与具（jù）体的（de）模型（xíng）无关，但是实现则与模型相关。
3.多饱（bǎo）和控制（nested saturation）饱和现（xiàn）象是一（yī）种非（fēi）常普遍的物理现（xiàn）象，存在于大量的工程问题中。运用多（duō）饱和控制的方法设（shè）计多（duō）旋翼无人机，可（kě）以（yǐ）解决其它（tā）控制方法所（suǒ）不能解决（jué）的很（hěn）多实际的问（wèn）题。尤其是对于微小型无人机而（ér）言（yán），由于大倾角的动作（zuò）以（yǐ）及外部干（gàn）扰，致（zhì）动器会（huì）频繁出现饱和。致动器饱和会限（xiàn）制操作的范（fàn）围并（bìng）削弱控制系（xì）统（tǒng）的稳（wěn）定性。很多方法都（dōu）已经被用来解决饱和（hé）输入的问（wèn）题，但还没有取得理（lǐ）想的（de）效果。多（duō）饱和控制在控制饱和（hé）输入方面有着很（hěn）好的全局稳（wěn）定性（xìng），因此（cǐ）这种方法常用来控制微型无人机的（de）稳定性。
4.反步控制（zhì）（Backstepping）反步控（kòng）制是非线性系统控制器（qì）设计最常用的方法之一，比较适（shì）合用（yòng）来进行在线控制（zhì），能够减少在线计算的时间。基于Backstepping的（de）控制器设（shè）计（jì）方（fāng）法，其基本思路是（shì）将（jiāng）复（fù）杂的系统分（fèn）解（jiě）成不超过（guò）系统阶数（shù）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（hán）数和中间虚拟控制量，直至设（shè）计完成整个控制器。反步（bù）方法运用于飞控系统控制器的设计可以（yǐ）处理一类（lèi）非线性、不确定性因（yīn）素的（de）影响，而（ér）且（qiě）已经被证（zhèng）明（míng）具有比较好稳定性及（jí）误（wù）差的收（shōu）敛性（xìng）。
5.自适应控制(adaptive control) 自适应控制也是一种基于数学模型的控制方（fāng）法，它最大的特点（diǎn）就是（shì）对于系统内部（bù）模型和外部扰动的信息依赖比较少，与模型相关的信（xìn）息是在运行系统的过程中不断获取的（de），逐步地使模型趋于（yú）完（wán）善。随着模型的不断改善，由模型（xíng）得到的控制作用（yòng）也会（huì）跟（gēn）着改进（jìn），因（yīn）此控制系统具（jù）有一定的适应能力。但同时（shí），自适（shì）应控制比（bǐ）常规反馈控制要复（fù）杂，成本也很高，因此只是在用常规反馈达（dá）不到所期望的（de）性（xìng）能时，才会考虑采用自适应的方法。
咨询航拍服务可加昆明俊鹰无人机飞（fēi）控手（shǒu）老鹰（yīng）的微信laoyingfly |
