無(wú)人機(jī)的飛行控制是無(wú)人機(jī)研究領(lǐng)域主要問題之一。在飛行過程中會(huì)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(dòng)等等。這些都會(huì)嚴(yán)重影響飛行器的飛行品質(zhì)，因此無(wú)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。多旋翼無(wú)人機(jī)的控制方法可以總結(jié)為以下三個(gè)主要的方面。
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(duì)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 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(jiǎn)單，無(wú)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∞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(duì)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?，F(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(duì)象的動(dòng)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(jì)算量非常大，依賴于高性能的處理器，同時(shí)，由于是頻域設(shè)計(jì)方法，調(diào)參也相對(duì)困難。
3.LQR LQR是被運(yùn)用來控制無(wú)人機(jī)的比較成功的方法之一，其對(duì)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L(zhǎng)QR的控制方法提供了良好的仿真條件，更為工程實(shí)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(shí)，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(dòng)，實(shí)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(shí)別并切換模態(tài)；第二部分為誤差驅(qū)動(dòng)，其控制功能由選定的模態(tài)來實(shí)現(xiàn)。該控制方法在旋翼無(wú)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(wú)需了解飛行器的動(dòng)力學(xué)模型，只要一些飛行試驗(yàn)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(shí)現(xiàn)對(duì)無(wú)人機(jī)的控制。
2.基于人體學(xué)習(xí)的方法（Human-based learning）美國(guó)MIT的科研人員為了尋找能更好地控制小型無(wú)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(duì)不同情況下飛機(jī)的操作，從而更好地理解無(wú)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(wú)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(jiǎn)單、使用方便、易于實(shí)現(xiàn), 但當(dāng)被控對(duì)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(shí)，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(shí)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(cuò)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(cè)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(shí)，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(jì)的方法進(jìn)行設(shè)計(jì)，最后，將設(shè)計(jì)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(gè)重要分支：微分幾何法和動(dòng)態(tài)逆法，其中動(dòng)態(tài)逆方法較微分幾何法具有簡(jiǎn)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(jì)上。但是，動(dòng)態(tài)逆方法需要相當(dāng)精確的飛行器的模型，這在實(shí)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(jì)時(shí)要重點(diǎn)考慮魯棒性的因素。動(dòng)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(gè)熱點(diǎn)話題。
2.模型預(yù)測(cè)控制（model predictive control）模型預(yù)測(cè)控制是一類特殊的控制方法。它是通過在每一個(gè)采樣瞬間求解一個(gè)有限時(shí)域開環(huán)的最優(yōu)控制問題獲得當(dāng)前控制動(dòng)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(gè)控制作用上，這是它和那些預(yù)先計(jì)算控制律的算法的最大區(qū)別。本質(zhì)上看模型預(yù)測(cè)控制是求解一個(gè)開環(huán)最優(yōu)控制的問題，它與具體的模型無(wú)關(guān)，但是實(shí)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(jì)多旋翼無(wú)人機(jī)，可以解決其它控制方法所不能解決的很多實(shí)際的問題。尤其是對(duì)于微小型無(wú)人機(jī)而言，由于大傾角的動(dòng)作以及外部干擾，致動(dòng)器會(huì)頻繁出現(xiàn)飽和。致動(dòng)器飽和會(huì)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(wú)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(jì)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(jì)算的時(shí)間?；贐ackstepping的控制器設(shè)計(jì)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(gè)子系統(tǒng)，然后通過反向遞推為每個(gè)子系統(tǒng)設(shè)計(jì)部分李雅普諾夫函數(shù)和中間虛擬控制量，直至設(shè)計(jì)完成整個(gè)控制器。反步方法運(yùn)用于飛控系統(tǒng)控制器的設(shè)計(jì)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(duì)于系統(tǒng)內(nèi)部模型和外部擾動(dòng)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(huì)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(shí)，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(shí)，才會(huì)考慮采用自適應(yīng)的方法。
參考書籍：
Kenzo NONAMI, Wei WANG, et al. Autonomous Flying Robots: Unmanned Aerial Vehicles and Micro Aerial Vehicles[M]. Berlin: Springer, 2010.
作者：量子黑洞
?