小型四旋翼无人飞行器由于具有精确悬停、垂直起降以及机械结构简单等特点，已经成为众多控制研究机构的研究热点，无论是在军事领域，还是在民用领域，四旋翼无人机都有着广泛的应用，常见的包括灾害救援、对敌侦查、短距离运输等。从控制角度出发，四旋翼无人机与经典构型直升机类似，具有非线性、欠驱动、强耦合等特性，不胜枚举的控制技术和方法被应用于设计四旋翼无人机的飞行控制器。四旋翼无人机的飞行控制技术主要有以下几种：
第一种是线性经典控制方法，包括PID控制和LQR控制等。PID控制技术，包括PD反馈和级联PID结构。PID技术的特点是结构简单，实现方便，对模型参数没有要求，具有一定的鲁棒性。在平衡点附近和大扰动情况下PID控制器有较好的表现。可以预见，对PID控制器进行合理的优化，一定能够取得比较优异的控制效果；LQR技术的主要优点是通过求解Riccatti方程由系统的全状态反馈获得最优控制输入。然而，对于一般系统，求取Riccatti方程的解析解是比较困难的，这也限制了LQR方法在实际系统中的应用。
第二种是非线性控制方法，包括反步（Backstepping）控制、滑模（Sliding Mode）控制和自适应控制等。反步控制，从已发表的文献来看，能够保证多旋翼飞行器内部状态的收敛性，但是需要比较多的运算。然而，从相关实验结果来看，反步方法能够在存在较大扰动的情况下依然表现出较好的控制性能，因此对其进行优化以取得满意的效果是很有必要的；滑模控制方法，从仿真结果来看，能够在模型参数确定与不确定条件下实现多旋翼飞行器姿态稳定，位置稳定。但在实际飞行测试中，只有斯坦福大学比较成功，验证了惯性导航定位和高度控制，以用于多无人机编队项目。因此，如何消除实际系统在滑模面内的抖动是需要解决的问题；自适应控制方法，其基本思想是根据当前的信息来设计在不确定条件下表现出相同动态特性的非线性系统，针对被控制系统的不确定性和参数缓慢时变的问题，该方法进行控制律的修改。为了克服以上滑模控制存在的缺点，自适应控制可以用来进行控制增益的调整，使增益动态自适应尽可能小但又足够大以保证满足滑模运动的条件。
第三种方法是智能控制方法，包括神经网络控制、模糊控制和强化学习技术等。神经网络控制方法，从已发表的文献来看，可用于在线学习包括未建模动态的四旋翼非线性动态特性，是控制系统的性能得到提高，也可用于控制器的训练中使得系统具有深度学习的能力；模糊控制方法，结合PID等经典线性控制方法，可用于解决模型不确定性和外部干扰并降低对系统模型的依赖，同时降低控制器参数整定难度，提高控制精度和响应速度；强化学习技术，是通过操纵环境中的四旋翼无人机，通过与环境互动，而改进四旋翼无人机行为的框架，使用强化学习框架的四旋翼控制方法具有一定的智能性，并且可以通过合适的方法在实际系统中实现。上述智能控制方法的缺点是由于计算量大，对运算和存储要求较高，需要更高性能的计算系统实现计算，因此罕见在实际四旋翼系统中实现。 |