无人机的飞行控制是（shì）无人机研究领域主要问题之一。在飞行过（guò）程（chéng）中会受到（dào）各种干扰，如（rú）传感器的噪音与漂移、强（qiáng）风与（yǔ）乱（luàn）气流（liú）、载重量变化（huà）及倾角（jiǎo）过大引（yǐn）起的模型变动等等。这些都会严重影响飞（fēi）行器的飞（fēi）行品质，因此无人机的控（kòng）制技术便（biàn）显得尤（yóu）为重要。传统（tǒng）的控制方法主要集中于姿态和（hé）高度的（de）控制，除此之外还（hái）有一些用来（lái）控（kòng）制速度、位（wèi）置、航向、3D轨迹跟踪控制。多旋翼无（wú）人机的控制方（fāng）法可以总结为（wéi）以下三个主要的（de）方面。
一、线性飞行控制方法
常规的飞行器控制方法（fǎ）以（yǐ）及（jí）早期的对飞行器控制（zhì）的尝试都（dōu）是建立在线性（xìng）飞行控制理论上的，这其中就又有（yǒu）诸如PID、H∞、LQR以及增（zēng）益调度法（fǎ）。
1.PID PID控制属（shǔ）于传统控（kòng）制方法，是目前最成功、用（yòng）的最（zuì）广泛的控（kòng）制方（fāng）法之一。其控制方法简单，无需前期（qī）建模工（gōng）作，参数（shù）物理意义明确（què），适用于（yú）飞（fēi）行精（jīng）度要求（qiú）不高的控制。
2.H∞ H∞属于鲁棒（bàng）控（kòng）制的方法（fǎ）。经典的控制理论并不（bú）要（yào）求被控对象的（de）精（jīng）确数（shù）学模型（xíng）来解决多输入多输（shū）出非线性系统问题（tí）。现代控制（zhì）理论可（kě）以定量地解决多输入多输出非线性系统问题，但完（wán）全（quán）依赖于描（miáo）述被控对象的动态特性（xìng）的（de）数学模型。鲁棒控制可以很好解决因干扰等因素引起的建模误（wù）差问题，但它（tā）的计算量（liàng）非常大，依赖（lài）于（yú）高性（xìng）能的处（chù）理器，同（tóng）时（shí），由于是频域设计方法，调参也相（xiàng）对困难。
3.LQR LQR是被运用（yòng）来控制无（wú）人机的比较成功的方法之一，其对（duì）象是能用状态空间表达式表示的线性系（xì）统（tǒng），目标（biāo）函数为是（shì）状态变量或（huò）控（kòng）制变量的二次函数的积分。而（ér）且Matlab软件的（de）使用为（wéi）LQR的控（kòng）制方法（fǎ）提供了良好的（de）仿真条件，更为工（gōng）程实（shí）现提（tí）供了（le）便利。
4.增益调度法 增（zēng）益（yì）调度（Gain scheduling）即（jí）在系统运行时，调度变量的（de）变化导致控制器的参数（shù）随着改（gǎi）变，根据调度变量使系统以（yǐ）不同（tóng）的控制规（guī）律在不同的区域内运行，以解决系统非线（xiàn）性的问题（tí）。该算法由两大部分组成，第一部分（fèn）主要完成事件驱动，实（shí）现（xiàn）参（cān）数（shù）调整。 如（rú）果系（xì）统的运（yùn）行情（qíng）况改变，则可通（tōng）过该（gāi）部（bù）分来识别并切（qiē）换模态；第二部分为误差驱（qū）动（dòng），其控制（zhì）功能由选定的模态来实现（xiàn）。该控（kòng）制方（fāng）法在旋翼无人（rén）机的（de）垂直起降、定点悬停及路（lù）径跟踪等（děng）控制（zhì）上（shàng）有着优异（yì）的性能（néng）。
二、基于学习的飞行控制方法
基于学习的（de）飞行控制方法的（de）特点就（jiù）是（shì）无（wú）需了解飞行器的动力学模型，只要一些飞行试（shì）验和飞行数据。其中研究最热门的（de）有模糊（hú）控制方法、基（jī）于人（rén）体学习（xí）的方（fāng）法以及神（shén）经网络法。
1.模糊控（kòng）制方法（Fuzzy logic）模糊（hú）控制是解决模型不（bú）确定性的方（fāng）法之一（yī），在（zài）模（mó）型（xíng）未知的情况下（xià）来实现对无（wú）人机（jī）的控制。
2.基于人体（tǐ）学习的方法（Human-based learning） 美国MIT的科研人员为了寻找能更好地控制小型无（wú）人飞行器的控制方法，从参加军事演习进（jìn）行特技飞行（háng）的（de）飞机（jī）中采集数据，分析飞行员对不同情（qíng）况下飞机的操（cāo）作，从（cóng）而更好地理（lǐ）解无人机的（de）输入序列和反馈机制。这种方法（fǎ）已经被运（yùn）用到小型无人机的自主（zhǔ）飞行中。
3.神经网络法（Neural networks） 经（jīng）典PID控制结构简单、使用方（fāng）便、易（yì）于实现, 但当被控对（duì）象（xiàng）具（jù）有复（fù）杂（zá）的非线性特（tè）性、难以建立精确的数学模型时，往（wǎng）往难以达到满意的控（kòng）制（zhì）效果。神经网络自（zì）适应控制技（jì）术能有效地实现多种不确定（dìng）的、难以确（què）切描述的非线性复杂过程的控制，提高控制（zhì）系统的鲁棒（bàng）性、容错性，且控制参数具有自适应和自学习能力。
三、基于模型的非线性控制方法
为了克服某（mǒu）些线性控制方法的限制，一些非（fēi）线性的控制方法（fǎ）被提出并且被（bèi）运用到飞（fēi）行器的（de）控制（zhì）中。这些非线性的控制方法通常可（kě）以归类为基于模型的非线性控制方法。这其中有反馈线性化、模型（xíng）预测控（kòng）制、多饱（bǎo）和控制、反步法以及自适（shì）应控制。
1.反馈（kuì）线性化（feedback linearization） 反馈（kuì）线性化（huà）是非线性系统常用的一种方法。它利用数学变换的方法（fǎ）和微（wēi）分几何学的知识（shí），首（shǒu）先，将状态（tài）和控制变量转（zhuǎn）变（biàn）为（wéi）线性形式，然后（hòu），利用常规的线性设计的方（fāng）法进（jìn）行（háng）设计，最后（hòu），将设计的结（jié）果通过反变换（huàn），转换为原始的（de）状态（tài）和（hé）控制形式。反（fǎn）馈线性化理论有两个（gè）重要（yào）分支：微分（fèn）几何法和动（dòng）态逆法（fǎ），其中动态逆方法较微分几何法具有简（jiǎn）单的推（tuī）算（suàn）特点，因（yīn）此（cǐ）更适合用（yòng）在飞行控制系统的设计上（shàng）。但是，动态逆方法需要相当精确的飞行器的模（mó）型，这在（zài）实际情况中是十分困难的（de）。此外，由于系统建模误差，加上外界的各种干扰，因（yīn）此（cǐ），设计时要重点（diǎn）考虑鲁（lǔ）棒性的因素。动态逆的方法有一定的工（gōng）程（chéng）应用（yòng）前景，现已（yǐ）成为（wéi）飞控研究（jiū）领域（yù）的（de）一个热点话（huà）题。
2.模（mó）型预测控制（model predictive control） 模型预测控制（zhì）是一类特殊（shū）的控制方法。它（tā）是通过在（zài）每一个采（cǎi）样瞬间求解一（yī）个有限时域开（kāi）环的最优控（kòng）制问题获得当前（qián）控（kòng）制动作。最优控制问题的初始状态为过（guò）程的当前状态（tài），解得的最优控（kòng）制（zhì）序（xù）列只施加在第一（yī）个控（kòng）制作（zuò）用上，这是它和（hé）那些预先计算（suàn）控制律的算法的最（zuì）大（dà）区别。本质上看模型预测控制（zhì）是求解一个（gè）开环最优控（kòng）制的问题，它与具体的模型无关，但（dàn）是实现则与（yǔ）模型（xíng）相关。
3.多（duō）饱和（hé）控制（nested saturation）饱和现象是一种非常普（pǔ）遍的物理现象，存在于（yú）大量（liàng）的工程（chéng）问题（tí）中。运用多饱和控制的方法设计多旋翼无人机，可（kě）以解决其它控制方法所不能解（jiě）决（jué）的很（hěn）多实际的问题。尤其（qí）是对于微小型无（wú）人机而言，由于大倾角的动（dòng）作以及外部干扰，致（zhì）动器会频繁出（chū）现饱和。致动（dòng）器饱和会（huì）限制（zhì）操作的范围并削（xuē）弱控制（zhì）系统（tǒng）的稳定性。很多方法都已（yǐ）经被用（yòng）来解决饱和（hé）输入的（de）问题，但还没有取得理想的效果。多饱和（hé）控（kòng）制（zhì）在（zài）控制饱和输入方面有着很好的全局稳定性（xìng），因此（cǐ）这种方法常用（yòng）来（lái）控制微型无人机的稳（wěn）定性。
4.反步控制（Backstepping）反（fǎn）步控制是非线性系统控（kòng）制器（qì）设计最常用（yòng）的方法之一，比较适合用来进行在线控制，能够减（jiǎn）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（tǒng）分解成不超过系统阶数的多个子系（xì）统，然（rán）后通过（guò）反向递推为（wéi）每个子系统设计部分李（lǐ）雅（yǎ）普诺夫（fū）函数和中间（jiān）虚拟控制量，直至（zhì）设计完（wán）成整个控制（zhì）器。反步方法运用于（yú）飞控系统控（kòng）制器的设计可以处理一类非线性、不确定性因（yīn）素的影响，而且已经被证明具有（yǒu）比较（jiào）好（hǎo）稳定性及误差的收敛性（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（de）控制方法，它（tā）最（zuì）大的（de）特点就（jiù）是对于系（xì）统内部模型和外部扰动（dòng）的信息（xī）依（yī）赖比较少，与模型相关的信息是在运（yùn）行系统的过程中（zhōng）不（bú）断（duàn）获（huò）取的，逐步地使（shǐ）模型趋于完善。随着（zhe）模型的不断改善，由（yóu）模（mó）型得到的控制（zhì）作用也会跟着改进，因此控制系统具有一（yī）定的（de）适应能力。但同（tóng）时，自适（shì）应控制比常规反馈（kuì）控制（zhì）要（yào）复（fù）杂，成本也很高，因此只是在用（yòng）常规反馈达不到所期望的性能（néng）时，才会考虑采用自（zì）适应的方法。
咨询航拍服务可加昆明（míng）俊鹰无人（rén）机飞（fēi）控手老鹰（yīng）的微信laoyingfly |
