你知道多旋翼无人机飞行的有哪些控制方法吗?

无人机的飞行控制是无人机研究领域的主要问题之一。在飞行过程中，会有各种各样的干扰，比如传感器的噪声和漂移，强风和湍流，载荷变化和过度倾斜引起的模型变化等。这些都会严重影响飞行器的飞行品质，因此无人机的控制技术尤为重要。传统的控制方法主要集中在姿态和高度控制上，也有一些用于控制速度、位置、航向和三维轨迹跟踪控制。多旋翼无人机的控制方法可以归纳为以下三个主要方面。

一、线性飞行控制方法

常规的飞行器控制方法和早期的飞行器控制尝试都是基于线性飞行控制理论，其中有PID、H∞、LQR和增益调度方法。

1.PID

PID控制是一种传统的控制方法，也是目前最成功、应用最广泛的控制方法之一。控制方法简单，前期无需建模工作，参数物理意义明确，适用于飞行精度要求不高的控制。

2.H∞型
H∞是一种鲁棒控制方法。经典控制理论不需要被控对象的精确数学模型来解决MIMO非线性系统的问题。现代控制理论可以定量地解决多输入多输出非线性系统的问题，但它完全依赖于描述被控对象动态特性的数学模型。鲁棒控制可以解决由干扰和其他因素引起的建模误差问题，但它是计算密集型的，并且依赖于高性能处理器。同时，由于是频域设计方法，参数调整相对困难。

3.线性二次型调节器
LQR是控制无人机的成功方法之一。它的对象是可以用状态空间表达式表示的线性系统，目标函数是状态变量或控制变量的二次函数的积分。而且，Matlab软件的使用为LQR控制方法提供了良好的仿真条件，更便于工程实现。

4.增益调度方法
增益调度是指系统运行时，控制器的参数随着调度变量的变化而变化，系统根据调度变量在不同的区域以不同的控制律运行，以解决系统非线性的问题。该算法由两部分组成。第一部分主要完成事件驱动，实现参数调整。如果系统运行发生变化，可以通过这部分进行模式识别和切换；第二部分是误差驱动，其控制功能由选择的模式实现。这种控制方法在旋翼机的垂直起降、定点悬停和路径跟踪的控制中具有优异的性能。

二、基于学习的飞行控制方法

基于学习的飞行控制方法的特点是不需要知道飞机的动力学模型，只需要一些飞行试验和飞行数据。其中，最流行的研究方法有模糊控制方法、基于人体学习的方法和神经网络方法。

1.模糊控制方法
模糊控制是解决模型不确定性的方法之一，可以在模型未知的情况下实现对无人机的控制。

2.基于人体学习的方法
为了寻找小型无人机更好的控制方法，美国麻省理工学院的研究人员收集了参加军事演习的特技飞行飞机的数据，分析了飞行员在不同情况下对飞机的操作，以便更好地了解无人机的输入序列和反馈机制。该方法已应用于小型无人机的自主飞行。

3.神经网络方法
经典PID控制结构简单，使用方便，易于实现，但当被控对象具有复杂的非线性特性，难以建立精确的数学模型时，往往难以达到满意的控制效果。神经网络自适应控制技术能有效控制各种不确定和难以描述的非线性复杂过程，提高控制系统的鲁棒性和容错性，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

为了克服一些线性控制方法的局限性，一些非线性控制方法被提出并应用于飞行器的控制。这些非线性控制方法通常可以归类为基于模型的非线性控制方法。有反馈线性化、模型预测控制、多饱和控制、反步法和自适应控制。

1.反馈线性化
反馈线性化是非线性系统的一种常用方法。它运用了数学变换的方法和微分几何的知识。首先，将状态变量和控制变量转化为线性形式。然后，采用常规的线性设计方法进行设计。最后，通过逆变换将设计结果转化为原始状态和控制形式。反馈线性化理论有两个重要分支:微分几何方法和动态逆方法，其中动态逆方法具有比微分几何方法更简单的计算特点，因此更适合于飞行控制系统的设计。然而，动态逆方法需要相当精确的飞机模型，这在实践中是非常困难的。此外，由于系统建模误差和各种外部干扰，设计应重点考虑鲁棒性的因素。动态逆方法具有一定的工程应用前景，已成为飞行控制领域的研究热点。

2.模型预测控制
模型预测控制是一种特殊的控制方法。它通过在每个采样时刻求解有限时域开环的最优控制问题来获得当前的控制动作。最优控制问题的初始状态是过程的当前状态，得到的最优控制序列只作用于第一个控制动作，这是最优控制问题与那些预先计算控制律的算法的最大区别。本质上，模型预测控制是一个开环最优控制的求解问题，与具体模型无关，但实现与模型有关。

3.多饱和控制
饱和是一种非常普遍的物理现象，存在于大量的工程问题中。利用多饱和控制方法设计多旋翼无人机，可以解决许多其他控制方法无法解决的实际问题。特别是对于微型无人机，由于大倾角和外界干扰的作用，执行机构会频繁饱和。执行器饱和会限制操作范围并削弱控制系统的稳定性。很多方法被用来解决输入饱和的问题，但都没有取得令人满意的结果。多饱和控制在控制饱和输入方面具有很好的全局稳定性，因此常采用这种方法来控制微型无人机的稳定性。

4.反推控制
反推控制是非线性系统控制器设计最常用的方法之一，适用于在线控制，可以减少在线计算的时间。基于反推的控制器设计方法的基本思想是将复杂系统分解为多个不超过系统阶数的子系统，然后通过反向递推为每个子系统设计部分李亚普诺夫函数和中间虚拟控制量，直至设计出整个控制器。反步法应用于飞行控制系统控制器的设计，可以处理一类非线性和不确定性因素的影响，并被证明具有良好的稳定性和误差收敛性。

5.适应性控制
自适应控制也是一种基于数学模型的控制方法。其最大特点是较少依赖系统内部模型和外部扰动的信息。在系统运行过程中不断获取与模型相关的信息，使模型逐渐完善。随着模型的不断完善，从模型中得到的控制函数也会得到改善，因此控制系统具有一定的适应性。然而，与此同时，自适应控制比常规反馈控制更复杂且成本更高，因此只有当常规反馈未能达到期望的性能时，才会考虑自适应方法。