無人機(jī)在飛行過程中會受到各種干擾，如傳感器的噪音與漂移、強(qiáng)風(fēng)與亂氣流、載重量變化及傾角過大引起的模型變動等等。這些都會嚴(yán)重影響飛行器的飛行品質(zhì)，因此無人機(jī)的控制技術(shù)便顯得尤為重要。傳統(tǒng)的控制方法主要集中于姿態(tài)和高度的控制，除此之外還有一些用來控制速度、位置、航向、3D軌跡跟蹤控制。以多旋翼無人機(jī)為例，其控制方法有線性飛行控制方法、基于學(xué)習(xí)的飛行控制方法及基于模型的非線性控制方法。
1、線性飛行控制方法
常規(guī)的飛行器控制方法以及早期的對飛行器控制的嘗試都是建立在線性飛行控制理論上的，這其中就又有諸如PID、H∞、LQR以及增益調(diào)度法。
（1）PID控制屬于傳統(tǒng)控制方法，是目前最成功、用的最廣泛的控制方法之一。其控制方法簡單，無需前期建模工作，參數(shù)物理意義明確，適用于飛行精度要求不高的控制。
（2）H∞屬于魯棒控制的方法。經(jīng)典的控制理論并不要求被控對象的精確數(shù)學(xué)模型來解決多輸入多輸出非線性系統(tǒng)問題。現(xiàn)代控制理論可以定量地解決多輸入多輸出非線性系統(tǒng)問題，但完全依賴于描述被控對象的動態(tài)特性的數(shù)學(xué)模型。魯棒控制可以很好解決因干擾等因素引起的建模誤差問題，但它的計算量非常大，依賴于高性能的處理器，同時，由于是頻域設(shè)計方法，調(diào)參也相對困難。
（3）LQR是被運(yùn)用來控制無人機(jī)的比較成功的方法之一，其對象是能用狀態(tài)空間表達(dá)式表示的線性系統(tǒng)，目標(biāo)函數(shù)為是狀態(tài)變量或控制變量的二次函數(shù)的積分。而且Matlab軟件的使用為LQR的控制方法提供了良好的仿真條件，更為工程實現(xiàn)提供了便利。
（4）增益調(diào)度法增益調(diào)度（Gain scheduling）即在系統(tǒng)運(yùn)行時，調(diào)度變量的變化導(dǎo)致控制器的參數(shù)隨著改變，根據(jù)調(diào)度變量使系統(tǒng)以不同的控制規(guī)律在不同的區(qū)域內(nèi)運(yùn)行，以解決系統(tǒng)非線性的問題。該算法由兩大部分組成，第一部分主要完成事件驅(qū)動，實現(xiàn)參數(shù)調(diào)整。 如果系統(tǒng)的運(yùn)行情況改變，則可通過該部分來識別并切換模態(tài)；第二部分為誤差驅(qū)動，其控制功能由選定的模態(tài)來實現(xiàn)。該控制方法在旋翼無人機(jī)的垂直起降、定點(diǎn)懸停及路徑跟蹤等控制上有著優(yōu)異的性能。
2、基于學(xué)習(xí)的飛行控制方法
基于學(xué)習(xí)的飛行控制方法的特點(diǎn)就是無需了解飛行器的動力學(xué)模型，只要一些飛行試驗和飛行數(shù)據(jù)。其中研究最熱門的有模糊控制方法、基于人體學(xué)習(xí)的方法以及神經(jīng)網(wǎng)絡(luò)法。
（1）模糊控制方法（Fuzzy logic）模糊控制是解決模型不確定性的方法之一，在模型未知的情況下來實現(xiàn)對無人機(jī)的控制。
（2）基于人體學(xué)習(xí)的方法（Human-based learning）美國MIT的科研人員為了尋找能更好地控制小型無人飛行器的控制方法，從參加軍事演習(xí)進(jìn)行特技飛行的飛機(jī)中采集數(shù)據(jù)，分析飛行員對不同情況下飛機(jī)的操作，從而更好地理解無人機(jī)的輸入序列和反饋機(jī)制。這種方法已經(jīng)被運(yùn)用到小型無人機(jī)的自主飛行中。
（3）神經(jīng)網(wǎng)絡(luò)法（Neural networks）經(jīng)典PID控制結(jié)構(gòu)簡單、使用方便、易于實現(xiàn), 但當(dāng)被控對象具有復(fù)雜的非線性特性、難以建立精確的數(shù)學(xué)模型時，往往難以達(dá)到滿意的控制效果。神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制技術(shù)能有效地實現(xiàn)多種不確定的、難以確切描述的非線性復(fù)雜過程的控制，提高控制系統(tǒng)的魯棒性、容錯性，且控制參數(shù)具有自適應(yīng)和自學(xué)習(xí)能力。
3、基于模型的非線性控制方法
為了克服某些線性控制方法的限制，一些非線性的控制方法被提出并且被運(yùn)用到飛行器的控制中。這些非線性的控制方法通常可以歸類為基于模型的非線性控制方法。這其中有反饋線性化、模型預(yù)測控制、多飽和控制、反步法以及自適應(yīng)控制。 （1）反饋線性化（feedback linearization）反饋線性化是非線性系統(tǒng)常用的一種方法。它利用數(shù)學(xué)變換的方法和微分幾何學(xué)的知識，首先，將狀態(tài)和控制變量轉(zhuǎn)變?yōu)榫€性形式，然后，利用常規(guī)的線性設(shè)計的方法進(jìn)行設(shè)計，最后，將設(shè)計的結(jié)果通過反變換，轉(zhuǎn)換為原始的狀態(tài)和控制形式。反饋線性化理論有兩個重要分支：微分幾何法和動態(tài)逆法，其中動態(tài)逆方法較微分幾何法具有簡單的推算特點(diǎn)，因此更適合用在飛行控制系統(tǒng)的設(shè)計上。但是，動態(tài)逆方法需要相當(dāng)精確的飛行器的模型，這在實際情況中是十分困難的。此外，由于系統(tǒng)建模誤差，加上外界的各種干擾，因此，設(shè)計時要重點(diǎn)考慮魯棒性的因素。動態(tài)逆的方法有一定的工程應(yīng)用前景，現(xiàn)已成為飛控研究領(lǐng)域的一個熱點(diǎn)話題。
（2）模型預(yù)測控制（model predictive control）模型預(yù)測控制是一類特殊的控制方法。它是通過在每一個采樣瞬間求解一個有限時域開環(huán)的最優(yōu)控制問題獲得當(dāng)前控制動作。最優(yōu)控制問題的初始狀態(tài)為過程的當(dāng)前狀態(tài)，解得的最優(yōu)控制序列只施加在第一個控制作用上，這是它和那些預(yù)先計算控制律的算法的最大區(qū)別。本質(zhì)上看模型預(yù)測控制是求解一個開環(huán)最優(yōu)控制的問題，它與具體的模型無關(guān)，但是實現(xiàn)則與模型相關(guān)。
（3）多飽和控制（nested saturation）飽和現(xiàn)象是一種非常普遍的物理現(xiàn)象，存在于大量的工程問題中。運(yùn)用多飽和控制的方法設(shè)計多旋翼無人機(jī)，可以解決其它控制方法所不能解決的很多實際的問題。尤其是對于微小型無人機(jī)而言，由于大傾角的動作以及外部干擾，致動器會頻繁出現(xiàn)飽和。致動器飽和會限制操作的范圍并削弱控制系統(tǒng)的穩(wěn)定性。很多方法都已經(jīng)被用來解決飽和輸入的問題，但還沒有取得理想的效果。多飽和控制在控制飽和輸入方面有著很好的全局穩(wěn)定性，因此這種方法常用來控制微型無人機(jī)的穩(wěn)定性。
（4）反步控制（Backstepping）反步控制是非線性系統(tǒng)控制器設(shè)計最常用的方法之一，比較適合用來進(jìn)行在線控制，能夠減少在線計算的時間。基于Backstepping的控制器設(shè)計方法，其基本思路是將復(fù)雜的系統(tǒng)分解成不超過系統(tǒng)階數(shù)的多個子系統(tǒng)，然后通過反向遞推為每個子系統(tǒng)設(shè)計部分李雅普諾夫函數(shù)和中間虛擬控制量，直至設(shè)計完成整個控制器。反步方法運(yùn)用于飛控系統(tǒng)控制器的設(shè)計可以處理一類非線性、不確定性因素的影響，而且已經(jīng)被證明具有比較好穩(wěn)定性及誤差的收斂性。
（5）自適應(yīng)控制(adaptive control) 自適應(yīng)控制也是一種基于數(shù)學(xué)模型的控制方法，它最大的特點(diǎn)就是對于系統(tǒng)內(nèi)部模型和外部擾動的信息依賴比較少，與模型相關(guān)的信息是在運(yùn)行系統(tǒng)的過程中不斷獲取的，逐步地使模型趨于完善。隨著模型的不斷改善，由模型得到的控制作用也會跟著改進(jìn)，因此控制系統(tǒng)具有一定的適應(yīng)能力。但同時，自適應(yīng)控制比常規(guī)反饋控制要復(fù)雜，成本也很高，因此只是在用常規(guī)反饋達(dá)不到所期望的性能時，才會考慮采用自適應(yīng)的方法。
文章來源： 阿里巴巴新聞中心
