梳理完控制以（yǐ）及飞行力学的一（yī）些基本（běn）原理之后，就该正式进入无人（rén）机导航、制导（dǎo）与控制的（de）讨论了。导航制（zhì）导与控（kòng）制（zhì）是无人机系统（tǒng）中最（zuì）复杂（zá）的分系统，其功（gōng）能可以有多种划（huá）分方法，本文中（zhōng），我（wǒ）们就以下（xià）面框图所示的划分（fèn）方法（fǎ）为例（lì），对无人机导航制导（dǎo）与控制系统的基（jī）本原理和常用方法做一（yī）下介绍和（hé）归纳。
由（yóu）于GPS、室（shì）内定位（wèi）甚至自动（dòng）驾驶在生活中的广泛应用，“导航”、“制导”、“控制”这几（jǐ）个词也越来越为大众所熟悉和使用，但是对于这些词的定义，我们日常生活（huó）中的使用和理解方法可能与（yǔ）无人（rén）机语境有所（suǒ）不同（tóng），所以有（yǒu）必要对（duì）其在本（běn）系（xì）列文章中的含义（yì）做一下解释：
导航：即无人（rén）机获得自己当前（在某个参照系下）的位置、速度等（děng）信息，必要时还需要获得（dé）当前（相对于某个参照（zhào）系）的姿态、姿态角（jiǎo）速（sù）度等（děng）信息。例如，采（cǎi）用纯惯性导航可以获得无人机（jī）在某个惯性系下的位置、速度（dù）和（hé）加速度，以及相对于该惯性系（xì）的姿态（tài）角和角速度；GPS导航系统则（zé）可以提供（gòng）无人机在WGS84坐标系下的速（sù）度（dù）、位置（zhì）和航向（xiàng）角（jiǎo）等信息；而借助如Vicon、UWB等室内定位系（xì）统则（zé）可（kě）以获得无人机（jī）相对于室内某个（gè）坐标系的速度、位置等信息。因此，简要概（gài）括导航的主要工（gōng）作就（jiù）是要“知（zhī）道自己在哪，知道自己的姿态”。
制导：即无人机发现（或外（wài）部输（shū）入）目标的位置（zhì）、速度等（děng）信息（xī），并根据自己的位置、速度以及（jí）内部性能和（hé）外部环境的约束条（tiáo）件，获（huò）得抵达目标所需（xū）的位置或（huò）速度指令。例如，按照规（guī）划的航路点飞行时，计算（suàn）无人机径直或（huò）者沿某个（gè）航（háng）线（xiàn）飞（fēi）抵航路点（diǎn）的指令（lìng）；采用（yòng）基于（yú）计算机视觉目标跟踪的光学制导（dǎo）时（shí），根（gēn）据目（mù）标（biāo）在（zài）视场中的（de）位置（以及摄像头可能存在的（de）离轴（zhóu）角）计算跟踪目标（biāo）所需的过（guò）载或者姿态角速度指令（lìng）；而当（dāng）预装（或SLAM获（huò）得（dé）的）地图中（zhōng）存在需要规避的障碍物或禁飞区时，根据无人机飞行性能（néng）计算可（kě）行（háng）的规避路线或者（zhě）速（sù）度指令。因（yīn）此，简要概括制导的主要工（gōng）作就是（shì）要“知道目标在（zài）哪（nǎ），如何（hé）抵达目标”。
控制：即无人机根（gēn）据当前的速度、姿态等信息，通过执行机构作用来改变姿（zī）态（tài）、速度等参数，进而实现稳定飞行或（huò）跟踪制导指令。例如（rú），当（dāng）固定翼无人机需（xū）要爬升高度时，计算需要的俯（fǔ）仰角和俯仰角速度（dù）指令，以及为（wéi）了让空速不至（zhì）于大幅降低所（suǒ）需的油门指令；当沿着航线飞行，但是存在侧风时，计算所需的偏航角指令以利用侧滑抵（dǐ）消侧风影响（xiǎng）；或者当多旋翼无人（rén）机的某个旋翼失效时，计（jì）算如何为剩余旋翼分（fèn）配指令以尽可能实现稳定飞行。因此，简要概括控（kòng）制的主要工作就是“改变飞行（háng）姿态，跟（gēn）踪制导指令”。
虽然（rán）理论上（shàng），导航、制（zhì）导和控（kòng）制这三者各司其职，只是在指令计（jì）算和执行（háng）上有顺承关（guān）系，但是在（zài）实际系统中（zhōng），三（sān）者（zhě）可能会有很（hěn）多交叉因素。例如，导航系统（tǒng）中所测量或估计出的角（jiǎo）速（sù）度，既要用于（yú）导航（háng）系统的（de）速度和位置估计，又要用（yòng）于姿态控（kòng）制；而在一（yī）些高机动（dòng）性的飞行器（如直（zhí）接碰撞杀（shā）伤的动（dòng）能（néng）拦截（jié）器等）和空天（tiān）飞行器（如升力（lì）体再入返回的制导控制）上（shàng）也有制导与控制一体化设计（jì）的趋势。但在本文中（zhōng），仍（réng）然（rán）根据无人机的固（gù）有特性（xìng），尽量将三者（zhě）作为具（jù）有（yǒu）独立功能的分（fèn）系统看待。其中，导航系统原（yuán）理可以大致分为（wéi）以下几个类型：
基于绝对参考系（xì）的导（dǎo）航。如惯性导航、磁罗盘导航等。惯性导（dǎo）航运（yùn）用（yòng）牛（niú）顿力（lì）学原理，通过（guò）构（gòu）建一个与（yǔ）机体固联的惯性平台，从（cóng）而根据加（jiā）速度计测量的惯性加速（sù）度计（jì）算在某惯性参考系下（xià）的速度和位（wèi）置，根（gēn）据（jù）陀螺仪测量所得的角（jiǎo）速度计（jì）算机（jī）体相对于惯性平台的姿（zī）态角，从而只（zhī）需要加速度计和（hé）陀螺仪满（mǎn）足（zú）一定（dìng）的精度要求，就可以在不需要外部（bù）信（xìn）息的情（qíng）况下获（huò）得机体相（xiàng）对于惯性（xìng）参考系的速度、位置和（hé）姿态角。之所以将（jiāng）与机体固联的移动（dòng）参照系（xì）成为惯性平台（tái），是因为早期的平台式惯性导航设备中确实存在一个物理上（shàng）的框架，该框架基于（yú）陀（tuó）螺进动原理始终与惯性系（或当地铅锤坐标（biāo）系）保持平行。高精度（dù）的平台惯导系统可以长期不需要外部信息进行（háng）导航，例如有（yǒu）些核潜艇所装（zhuāng）备的惯导系统可以保证水下（xià）航行数月的导航误（wù）差在数海里的量级。
虽然平台惯导的精（jīng）度（dù）很高（gāo），但（dàn）是由于系统复杂（zá）且体积巨大，不便于在小型飞（fēi）行（háng）器（qì）上装（zhuāng）备，随着计算机（jī）技术和导航器件（jiàn）技术的（de）发展，捷（jié）联惯导越来越（yuè）多地被使用。与平台（tái）惯导所用的（de）物理（lǐ）平台不同，捷联惯（guàn）导的陀（tuó）螺（luó）仪和加速度计都与机体固连，因此采用虚拟的（de）数学惯性平（píng）台，即惯性器件测量所得数据都会经过坐（zuò）标变换的数学运算转换到惯性坐标系下，由于去（qù）掉了物理平台，捷联惯（guàn）导系统的体积大幅（fú）缩减（jiǎn）。特别是近（jìn）二十年来快速发（fā）展的MEMS（微机电系统）器件，已经可以将捷联惯导系统（tǒng）的（de）体（tǐ）积缩小到几立方厘（lí）米的量级。
当然，惯（guàn）性导航并非完美，由于导（dǎo）航过程依赖（lài）惯性（xìng）器件的输出（chū）数据、坐标变换以及数值积分，所以器件误（wù）差和数值计算的截断误差会不断累积，在（zài）缺乏额外的相（xiàng）对（duì）于（yú）绝对（duì）坐（zuò）标系的信息时（shí），该误差无法被修正，因此（cǐ），惯导系统通常作为飞（fēi）行器的主要导航系统，但同时（shí）还需（xū）要其他导航信（xìn）息对惯导结果进行修正。
几乎其他所（suǒ）有（yǒu）导航方法都可以用于修正（zhèng）惯导系统误差，甚至是（shì）惯导系统本身，如（rú）AHRS（航姿参考（kǎo）系统），这种（zhǒng）系统除了采（cǎi）用陀螺仪积分得出姿态角，还能（néng）根据加速度计测量的重力方（fāng）向以及磁罗盘（pán）测（cè）量的磁航向对姿（zī）态（tài）角结果进行修（xiū）正，从（cóng）而在（zài）陀螺仪精度不高（gāo）的情况下获得长期稳（wěn）定的姿态角输出，不过（guò）由于低精（jīng）度器件所得的姿态角结果短期和长（zhǎng）期均有（yǒu）不同程度的误差，该系统无法进行精确的航位（wèi）推（tuī）算。
基于（yú）距离测量的导航。如卫星（xīng）导航、室内定位等。这类导航方式一般是通过测（cè）量飞行器（qì）与已（yǐ）知精确位置的（de）参考点之间的距离，从（cóng）而解算（suàn）出（chū）飞行器（qì）位（wèi）置。例如卫星导航系统就是通过接收多颗卫星发射出（chū）来的星历信息，从中得出（chū）时间差（chà）并根据（jù）光速计算出距（jù）离，从（cóng）而解算出（chū）飞行器在WGS84坐标系下（xià）的位置和经（jīng）纬高度信息。同样采用类似方式的还（hái）有室内定位应用（yòng）中（zhōng）很（hěn）火的WIFI定位（wèi）和UWB定位技术（shù），均是利（lì）用（yòng）信号强度或发送接收的（de）时间差计算飞行器与各参考点之间的距离，从而解算飞行（háng）器（qì）实时位置。
基于特征匹配（pèi）的导航（háng）。如地（dì）形匹配、运（yùn）动（dòng）捕捉系统等。这类导（dǎo）航方式通常（cháng）是通过（guò）飞行器实（shí）时提（tí）取地磁、地貌（mào）、图像等特征，并与特征库进行（háng）比对或进（jìn）行相应计算，从而得到飞（fēi）行器位置、速度等信息实现导航功能，如巡航（háng）导弹（dàn）中所（suǒ）使（shǐ）用的地形匹配方法和现在比较火（huǒ）的SAR（合成（chéng）孔径雷（léi）达）地貌匹配方法，都是（shì）通过（guò）提取飞行路径上的一维（wéi）或二维地形地貌信（xìn）息，并与数字高程（chéng）地图库进行（háng）比（bǐ）对，从而（ér）获知当前位（wèi）置（zhì）、速度等信（xìn）息，这在卫（wèi）星导（dǎo）航信号丢失时的长期导航具有重要（yào）意义（yì）。运用计（jì）算机视（shì）觉技术（shù），通过识别已知位置上的标记物特征完成位置、速度估（gū）计的方（fāng）法（fǎ）也（yě）归属此类。还（hái）有（yǒu）另一（yī）类导航方法就是（shì）类似于Vicon的（de）运动捕捉系统，这种系统则是通过已知位置的光学等传感器识别飞行器上（shàng）设置的（de）标记物，从而解算（suàn）出飞（fēi）行（háng）器实时位置、速度。
而既然说到（dào）基于特（tè）征（zhēng），就不得不（bú）关注计算机视觉在导航中的应用，例如在消费级（jí）无人机上运（yùn）用（yòng）多年（nián）的稀疏（shū）光流算（suàn）法，就是根据灰度图像中特（tè）征点的运动计算出无人机的运动速度，近（jìn）年来火爆的SLAM则更是将计算机视觉发挥到极致，这种算法通过将运动中实时采（cǎi）集的图像特征性信息（xī）与惯导（dǎo）等系统（tǒng）信（xìn）息（xī）进（jìn）行融合，从而可（kě）以（yǐ）在未知（zhī）环境中一边（biān）完成周围（wéi）场景的（de）三维模型重建（jiàn），一边进行自身在场景中（zhōng）相对位置和速度的解算。
说回无人机（jī）的导航（háng），当前（qián）多数无人机采用惯（guàn）导（dǎo）/卫星导航组（zǔ）合作（zuò）为（wéi）基本的导航方（fāng）式，可（kě）以保证绝大多数（shù）场（chǎng）景下的（de）稳定导航。大型军用无人机由于对（duì）导航系统的（de）轻量化（huà）和成本要求不高，为了实（shí）现较高（gāo）的导航精（jīng）度，其（qí）通常仍（réng）采用光纤/激光陀螺（luó）和石英加速度计组成的（de）高（gāo）精度惯导系统，而中（zhōng）小型和（hé）民（mín）用无（wú）人机则采用（yòng）更轻小更（gèng）廉（lián）价，但（dàn）是精度较低的MEMS器（qì）件组成惯（guàn）导或航（háng）姿参考系统，与卫星导航组合后，仍能提供有效的导（dǎo）航信息输出。
而（ér）在（zài）某（mǒu）些（xiē）特（tè）殊应用（yòng）场（chǎng）景下（xià），卫星导航信号会（huì）丢失，如微型无人机在（zài）室内和城市楼群之间飞（fēi）行，这时（shí）就需要其（qí）他的导航方式（shì）进行辅助。常用的比如气压（yā）计的使（shǐ）用就可（kě）以以较低的综合（hé）成本获得低精度的海拔高度（误差100米量级）和（hé）较高精度的相对高度信息（误差0.1米量级）。无人机在室内飞行（háng）时，可以架设前文（wén）提到（dào）的WIFI、UWB或Vicon等需要复（fù）杂外部设备的室内定位系（xì）统，或者外（wài）部设置已（yǐ）知（zhī）位置的标记物（wù），通过无人机的视（shì）觉（jiào）系统完成识别和自身（shēn）定位。而（ér）在（zài）极（jí）为特殊的（de）场景（jǐng）下，如各种高危未知（zhī）环境的勘测，使（shǐ）得常用辅助（zhù）导航系统（tǒng）都难以使用时，就不（bú）得（dé）不祭出SLAM这一杀手锏了，SLAM技（jì）术正处（chù）于高速发展中，且已经有多种实用的方案出现（xiàn）了，完美的SLAM系统可（kě）以完成科幻电影里那种放出去几驾微型无人机（jī）自由（yóu）飞行，配合（hé）一（yī）个便携地（dì）面站，便可以实（shí）时地重（chóng）建周围环境的3D模型，这种性能在未来五年（nián）之内肯定（dìng）可以实现。当然绝大多（duō）数辅助的（de）导（dǎo）航方式（shì）都难（nán）以输出用于制（zhì）导控制（zhì）的高频（pín）率（200Hz以上）导航信（xìn）息，因此通常情况下仍是将辅助导航系统与（yǔ）惯（guàn）性导航相（xiàng）结合。
下（xià）面来讨论无（wú）人机的制导，现阶段大多数军用（yòng）还（hái）是民用（yòng）无人机在自动飞行过程中（zhōng）仅（jǐn）需完成航路点或航线的跟踪，因此制导策略相对简单。多旋（xuán）翼无人（rén）机，跟（gēn）踪航路点时只需（xū）要将飞（fēi）行（háng）速（sù）度方向对准下一个航路点，跟踪（zōng）航线也仅需首先飞到航线上距离当前位置最近的点即可（kě）；而这项任务对（duì）于固定翼无人（rén）机（jī）相（xiàng）对复杂。因为固定翼无人机的速度方向需要通过航向来改变，而航向则需要通（tōng）过（guò）滚（gǔn）转来改（gǎi）变，这就使得滚转角与速（sù）度方向（xiàng）之间（jiān）形成了近似二（èr）阶（jiē）环节的过程，这通常可以运用导弹的比例导引法来实现（xiàn）航路（lù）点跟踪。比例（lì）导（dǎo）引法（fǎ）的基本原理就是让飞（fēi）行器（qì）速度矢量在空间中（zhōng）的转（zhuǎn）动（dòng）角（jiǎo）速（sù）度正比于飞行器与目标间的视（shì）线角变化率，对于（yú）航（háng）路点这一静止目标，只需要（yào）无人机与（yǔ）航路点之间的距（jù）离足（zú）够，就可以保证准确（què）抵达下一（yī）个航路点，而对于航线跟踪，则需要选择一个虚拟的（de）目标点使（shǐ）得无人机首先（xiān）向航线靠近，然后（hòu）再逐步（bù）将方向（xiàng）对（duì）准航（háng）线（xiàn）方（fāng）向。例如现在（zài）被广泛（fàn）使用的L1制导算法，就是在（zài）航线上选择（zé）与无人（rén）机（jī）距离为（wéi）L1的参考点，然后根（gēn）据速度方（fāng）向（xiàng）与（yǔ）到参考点连线方（fāng）向之间的夹角计算横向机动的需用（yòng）过载，进而实现（xiàn）航（háng）线跟踪。
而随着无人机在多种（zhǒng）场景下应用的不断深入（rù），除了（le）航路点和航（háng）线的跟（gēn）踪以外，无（wú）人机抵达目标的最优路径选（xuǎn）择（zé），障碍物（wù）或禁飞区规避以（yǐ）及多（duō）机协同工作（zuò）所需要的制导策略越来越复（fù）杂。我们知道（dào）最优控制方法（fǎ）在航天器轨道转移、火箭入轨制导等问题中起到了良好的效果，但是对于大气中飞行的（de）无人机路（lù）径规划，基于间接法的最优控制问题很难求解，因此无人机路径规（guī）划往往采（cǎi）用基于网格地图（tú）的搜（sōu）索算法，或者蚁（yǐ）群算法、遗（yí）传算法等（děng）特殊的（de）路径优化方（fāng）法。例如在（zài）基于（yú）概率（lǜ）地图（tú）的搜索算法（fǎ）中，首先运用随机（jī）概（gài）率方法（fǎ）在自由（yóu）空（kōng）间（任务空间中，除去障碍物后（hòu）的空间）中选（xuǎn）取采样点，并选取距（jù）离当前点最近的k个点构成当前点的（de）临近点集，然后利用局部规划器将当前点与其临（lín）近（jìn）点集中的所有（yǒu）点用直线段连接起（qǐ）来，同时进行相交检验，将不与障碍物相交的直线段（duàn）保留下来构成一个图（tú），作为初始路（lù）径， 完成（chéng）路径规划的学习（xí）阶段；在查询（xún）阶（jiē）段，运用优化（huà）方法对上述（shù）图进（jìn）行（háng）搜索，从而得到由图的边（biān）构成的从出发点到目的点并满足优化（huà）目标的路径（jìng）。
另一类常用的（de）算法并不是基于网格地图进行搜索，例如（rú）人工（gōng）势（shì）场法，其基本思想是将无人（rén）机的运（yùn）动，设计成（chéng）一种（zhǒng）在抽（chōu）象的人造（zào）引力场中的运动，如下图所示（shì），目（mù）标（biāo）物（wù）对无人机产生（shēng）“引力”，而障碍物对（duì）无人机产（chǎn）生“斥（chì）力”，通过求（qiú）解目标和所有障碍物对无人机产生的合力，就可以（yǐ）得到无人机运动（dòng）速度或（huò）加速度指令（lìng）。相（xiàng）对于大多数搜（sōu）索（suǒ）算法，人（rén）工势场法运算量更小，且（qiě）得到的轨迹更（gèng）平（píng）滑。
以（yǐ）上这两类制导算法通（tōng）常（cháng）适用于一架无人机的航路跟踪或（huò）路径规划，而当设计（jì）无人机（jī）编队甚至集群时，问题复（fù）杂程度则骤增（zēng）。对于集群中（zhōng）的某个无人（rén）机来（lái）说，其他无人（rén）机（jī）既是（shì）可以协作（zuò）和互通信息的（de）伙伴，同时（shí）又是快速移动的障（zhàng）碍物，而整个集群的路径规划有需（xū）要考虑集群以及其中每一（yī）架无（wú）人机特性所形成的约束条（tiáo）件，或者当集群处（chù）于协同（tóng）作战模式（shì）时，又（yòu）需（xū）要对目标自（zì）发形成（chéng）各角度的全向饱和攻（gōng）击，当然，这其（qí）中（zhōng）需要解（jiě）决（jué）的（de）问题正是当前研究的热点。
最后再讨论一下无人机的控制，导航系统获得了无人机当前位置（zhì）速度（dù）和姿态（tài）信（xìn）息（xī），制导系统（tǒng）完（wán）成路（lù）径规划和制（zhì）导指令生成，而（ér）控（kòng）制的任务（wù）就是（shì）精确、快速（sù）稳定地跟踪收到的制导（dǎo）指（zhǐ）令，因此控制也是最关（guān）键的环节。最（zuì）常用的控制算法还是历久弥（mí）新的PID，通过将被控（kòng）参数参考值（zhí）与当前值误差的比（bǐ）例、积分和（hé）微分进行适当组合（hé），便能够完成大部分（fèn）近似线（xiàn）性系统（tǒng）的有效控制（zhì）。
而事实上，现（xiàn）在工程中所（suǒ）使用（yòng）的很多PID算法（fǎ），早（zǎo）已经（jīng）不是基本的构型了，常用的改进方式主要有以下几种：
增益调度：既（jì）然PID控制器（qì）设计（jì）过程一般是在某个平衡点处做系统的（de）小扰动线性化方程（平心而论，工（gōng）程中还真不都（dōu）是这么按流程来（lái），各种（zhǒng）野路子都有），进而完成设计（jì）的，那么只要在正常工（gōng）作范围（对于无人机来（lái）说可（kě）以是飞行包（bāo）线（xiàn））内（nèi）选取足够的平衡点（diǎn），并根（gēn）据每个平衡点的模型选（xuǎn）择合适的（de）PID控制参数，这样就（jiù）可以在控制器工作中通过（guò）插值等（děng）方式选择相应平衡点附近的控制（zhì）参数（shù），这种变参数的方法就是一种增（zēng）益调（diào）度方法（fǎ），而基于增益调度的PID控（kòng）制器就可以针对具有（yǒu）一定非线（xiàn）性特性的系统进行控制（zhì）。这种方（fāng）法在飞行控制（zhì）中已应用多年。
参数自适应（yīng）：比（bǐ）如以系统积分误差性能指（zhǐ）标为准（zhǔn）则，搜（sōu）索使（shǐ）得误差性能指标为最小的参数（shù）作为控制（zhì）器参数（shù），又或者基于神（shén）经网（wǎng）络（luò）和遗传算法（fǎ）的参数自适应等，不过这（zhè）些方法在工程中使用的比较少。
串级：通（tōng）过将被（bèi）控系统分为内（nèi）外环，只需（xū）要内（nèi）外（wài）环（huán）的固（gù）有频（pín）率有一定（dìng）的差别（比如说内环频（pín）率是外环的五（wǔ）倍以上，无人机（jī）的姿态响应和位置响应（yīng）一般可以满足），即可用实现快（kuài）变量和慢变量的分别控制，通过简（jiǎn）单（dān）的（de）调参就可以（yǐ）实现（xiàn）快速的内环响应和精确（què）的外环控制，并具有比单（dān）个控（kòng）制器更好的抗（kàng）干扰性能（néng）。
积分抗饱和：PID控制中的积分作（zuò）用虽然（rán）可（kě）用消除稳（wěn）态误（wù）差（chà），但是积分退（tuì）饱和（hé）过程带（dài）来的超调往往较（jiào）大（dà），因此可用在被（bèi）控参数的误（wù）差较大时（shí），停止误差（chà）的（de）积分（fèn）过程，或者对（duì）误（wù）差的（de）积分值进行限幅（fú），这（zhè）样就（jiù）可以显（xiǎn）著地降（jiàng）低超调量，缩（suō）短过程的稳定时间。
不（bú）完（wán）全微分（fèn）：虽然被控参数一般不会（huì）出现突变，但是参考值却经常（cháng）会（huì）出现突变，这使得（dé）误差（chà）的微分也会突（tū）变，为了降低这种突变造（zào）成的控制量幅（fú）值，可以（yǐ）采用不完（wán）全微分策略，即微分（fèn）只作用于被控参数（如飞行（háng）控制中的角速度阻尼）。
PID算法（fǎ）的改进（jìn）方式还有很多，难以细数，不过这种改进（jìn）终归难（nán）以（yǐ）解（jiě）决所有问（wèn）题，例如被控对象的高度非线性、强（qiáng）耦合性、时（shí）变性等特性，因（yīn）此新的控制方法（fǎ）层出不穷。下面列举几种较为（wéi）实用的其（qí）他控制方（fāng）法。
反馈（kuì）线性化：利用数（shù）学变换的方（fāng）法和微分（fèn）几何学（xué）的（de）知识，将状态（tài）和控制变（biàn）量转变为线性形（xíng）式，然（rán）后，利（lì）用常规的线性设计的方法（fǎ）进行设计，将设计的结果通过反变（biàn）换，转换为原（yuán）始（shǐ）的（de）状态（tài）和控制形式。反馈线性化可（kě）以（yǐ）将存在通道（dào）间耦合的非线性系统变（biàn）换为解（jiě）耦的线性（xìng）系（xì）统，方（fāng）便外环的线性控制器设（shè）计。不过该方法应用中或多或（huò）少会存（cún）在（zài）建模误差，因（yīn）此设计时要重点考虑鲁棒性（xìng）的因（yīn）素。
滑模变结（jié）构：这种方法不需要对（duì）被（bèi）控对象（xiàng）进行精确建模，而是在（zài）动态过（guò）程中，根据系统当前的状态(如偏（piān）差（chà）及其各阶导数等)有目的（de）地不断变化，迫（pò）使系统按（àn）照（zhào）预定（dìng）“滑动模态（tài）”的状态轨迹（jì）运动（dòng）。由于（yú）滑动（dòng）模态可以进行设计且与对象参数及扰（rǎo）动无关（guān）,这就使得滑模控制具有快速（sù）响应、对应参数（shù）变化及扰动不灵敏、无需系统在线（xiàn）辨识、物理实现简单等优点（diǎn）。但是（shì）基本（běn）的（de）滑模（mó）变（biàn）结构算法（fǎ）存在控（kòng）制（zhì）参数抖振的问题，需要再趋近率设计时进行适当的（de）优化（huà）策略（luè）。
反步控制：其基本思（sī）路是将复杂的（de）系统分解成（chéng）不超过系统阶（jiē）数的多（duō）个子系统，然（rán）后通（tōng）过反向递推为每个（gè）子系统（tǒng）设计部分李雅普诺夫函数和中间虚拟控（kòng）制量，直至设计完成整个控制器。反步方（fāng）法运用于飞控系（xì）统控制器的设计可以处理一（yī）类非线（xiàn）性、不确定性因素的影响，而且已（yǐ）经（jīng）被（bèi）证明具有比较好稳定性及（jí）误差的收敛性。
自适应逆（nì）：与动态逆的思想（xiǎng）类似，这种方法运用（yòng）各种自（zì）适应逆滤波网络（如（rú）LMS滤波器网络、神（shén）经网（wǎng）络等）去拟合出被控（kòng）对象的逆系统，从而将（jiāng）控制器与被控对象（xiàng）构（gòu）成（chéng）的前向通道变换成一一映射的（de）线（xiàn）性（xìng）化解（jiě）耦系统，而之所以称为“自适应”，则是（shì）这个拟合出逆系统的网络可以在线学习（xí）被控对（duì）象（xiàng）的（de）特性。这种方法在仿真中可以取得比传统控（kòng）制方法优越（yuè）很多的效果，但是由于（yú）滤波器网络可能（néng）存在无法检（jiǎn）出（chū）的内部缺陷，所以在某些状态组合下，可能（néng）会出现（xiàn）故障（包括深度神经网（wǎng）络在内的所有（yǒu）神经网络都（dōu）潜在此风险（xiǎn））。
本文简要（yào）梳理了（le）可用于无（wú）人机的导航、制导和（hé）控制的方法（fǎ）、策略（luè）或算法，其中部分算法将在后续的仿真系统相应（yīng）的文章详细介绍并（bìng）在代（dài）码中体现（xiàn）。（源自（zì）：知乎）
咨（zī）询（xún）航拍服（fú）务可加昆明俊鹰无人（rén）机飞控手老鹰的微信laoyingfly |
