梳理完控（kòng）制以及（jí）飞行力学的一些基本原理（lǐ）之后，就该正式进入无人机导航、制（zhì）导与（yǔ）控制的讨论了。导航制（zhì）导与控制是无人（rén）机系统（tǒng）中（zhōng）最复杂的分系统，其功能可以有多（duō）种划分方法，本文中，我们就（jiù）以下面（miàn）框图所示的（de）划分方法（fǎ）为例，对无（wú）人机导航（háng）制导与控制系统的基本（běn）原理和常用方法做一下介绍和归纳。
由于（yú）GPS、室内定位甚至自动驾驶在生活中的广泛应用，“导航”、“制导”、“控制”这（zhè）几（jǐ）个词也越（yuè）来越为大众所熟悉和使用，但是对于这（zhè）些词的定义，我们日常生活中的使（shǐ）用和理解方（fāng）法（fǎ）可能（néng）与无（wú）人（rén）机语境有所不同，所以有必（bì）要对其在本（běn）系列文章中的含义做一下解释：
导航：即无（wú）人机获得自己当前（在某个参照系下（xià））的位（wèi）置、速度等信息，必（bì）要时（shí）还需要获得当前（相（xiàng）对于某个参照系（xì））的姿（zī）态、姿态（tài）角（jiǎo）速度等信息。例如（rú），采用（yòng）纯惯（guàn）性导航可（kě）以获得无（wú）人（rén）机在某个（gè）惯性系下的位置、速度和（hé）加速度，以及相对（duì）于该惯性系（xì）的姿（zī）态（tài）角和角速度；GPS导航系统（tǒng）则可以提供无人机在（zài）WGS84坐标系下（xià）的速（sù）度、位置和（hé）航向角等信息（xī）；而（ér）借助如Vicon、UWB等室内定位系统则可以获（huò）得无人机相对于室内某个（gè）坐（zuò）标系的速度、位置等信息。因此，简要概（gài）括导航的主要工作就是要“知道自己在（zài）哪，知道自（zì）己的姿态”。
制导：即无（wú）人机（jī）发现（或外部输入）目标的位置、速度等（děng）信（xìn）息，并根（gēn）据自（zì）己的位置、速度以及内部性能和外部环境（jìng）的约束条（tiáo）件，获得抵达（dá）目（mù）标（biāo）所需（xū）的（de）位置或（huò）速度指令（lìng）。例如，按照规（guī）划的（de）航路点飞行时，计算无人机径直或（huò）者沿某个（gè）航线飞抵航路点的（de）指令；采用基于计（jì）算机（jī）视觉目标跟（gēn）踪的光学制导时，根据目标（biāo）在视（shì）场中的位置（以及摄像头（tóu）可能存在的离轴角）计算跟踪目标所需的过载（zǎi）或者姿（zī）态角速度（dù）指令（lìng）；而（ér）当（dāng）预装（zhuāng）（或（huò）SLAM获得的）地图（tú）中存在需（xū）要规避的障碍物或禁（jìn）飞区时，根据无人机（jī）飞（fēi）行性能计算可（kě）行的规避路线或者速度指（zhǐ）令（lìng）。因此，简要概括制导的主要工（gōng）作就是要“知道目（mù）标（biāo）在哪，如何抵达目标”。
控制：即（jí）无人机根据当前的速度、姿态等（děng）信（xìn）息，通过（guò）执行机（jī）构作用来改变姿态、速度等参数（shù），进而（ér）实（shí）现稳定飞行（háng）或（huò）跟踪制导指令。例如，当固定翼（yì）无人机需要爬升高度时，计算需要的俯（fǔ）仰角和（hé）俯（fǔ）仰角速度（dù）指令，以及（jí）为（wéi）了让空速（sù）不（bú）至于（yú）大幅降低所需的（de）油（yóu）门（mén）指（zhǐ）令；当沿着航线飞行，但是存在侧风（fēng）时，计算所需的偏（piān）航（háng）角（jiǎo）指令以利（lì）用侧滑抵（dǐ）消（xiāo）侧风影响；或者当（dāng）多（duō）旋翼无人机（jī）的某个旋翼失效（xiào）时，计（jì）算如何为（wéi）剩余旋翼分（fèn）配指（zhǐ）令以尽可能实现稳定飞行。因此，简（jiǎn）要概（gài）括控制的主（zhǔ）要工作（zuò）就是（shì）“改变（biàn）飞（fēi）行姿（zī）态，跟踪制（zhì）导（dǎo）指（zhǐ）令”。
虽然理论上，导航（háng）、制导（dǎo）和控制这三者各司其职，只是在指（zhǐ）令（lìng）计算和执行上有顺承关系，但（dàn）是在实际系统中，三者（zhě）可能会有很多交叉因素。例如，导航（háng）系统中所测量或估计出的（de）角速度（dù），既要用于导航系统的速度和位置估计（jì），又要用于姿态控（kòng）制；而在（zài）一些高机动性的（de）飞行器（qì）（如直接碰（pèng）撞杀伤的动能拦截器等（děng））和空天（tiān）飞（fēi）行器（如升力（lì）体再入返回的（de）制导控制）上也有制导与控制一体化设计的趋势。但（dàn）在本文中（zhōng），仍然根据无人机的固（gù）有（yǒu）特性，尽量将三者（zhě）作为具有独（dú）立功能的分系统看待。其中，导航系统原理（lǐ）可（kě）以大致分为以下几个（gè）类型：
基于绝对参（cān）考（kǎo）系的（de）导航。如惯（guàn）性（xìng）导航、磁罗盘导航（háng）等。惯（guàn）性导航运（yùn）用牛顿力学原（yuán）理（lǐ），通过构建一个与机体固联的（de）惯性平台，从而根据加速度计（jì）测量（liàng）的惯性（xìng）加（jiā）速（sù）度（dù）计算在某（mǒu）惯性参考系下的速度和位（wèi）置，根据陀（tuó）螺仪测量（liàng）所得的（de）角速度（dù）计算（suàn）机（jī）体相对于惯性平台的姿态角，从（cóng）而只（zhī）需要加速度计和陀（tuó）螺仪满足一（yī）定的（de）精度要求，就可以在不需要外部信息的情况下（xià）获得机体相（xiàng）对（duì）于惯性参（cān）考系的速（sù）度、位置和姿态（tài）角（jiǎo）。之所以将与机体固联的移动（dòng）参照系成为惯性平台，是因为（wéi）早期的平台式惯（guàn）性（xìng）导航设备中确实（shí）存在一个物理上的（de）框架，该框架基于陀螺进（jìn）动原理始终（zhōng）与惯（guàn）性系（或当地（dì）铅锤坐标系）保（bǎo）持平行。高精度的平台惯（guàn）导（dǎo）系统可以长（zhǎng）期（qī）不需要（yào）外（wài）部（bù）信息进行导航（háng），例如有些（xiē）核潜（qián）艇所（suǒ）装备（bèi）的惯导系（xì）统可以保证水下航行数月的（de）导航误差在数海里的量级。
虽然平台惯导的精度很（hěn）高，但是（shì）由于系统复（fù）杂且体积巨大，不便于在小型飞行器上装备，随着计算（suàn）机技术和导航（háng）器（qì）件技（jì）术的（de）发展，捷（jié）联惯导越来越（yuè）多地（dì）被使用。与平台惯导（dǎo）所用的物理（lǐ）平台不同，捷联惯（guàn）导的陀（tuó）螺仪和（hé）加速（sù）度计都与机（jī）体固连，因此采用虚拟（nǐ）的（de）数（shù）学惯性平台，即惯性器件测量所得数据都会经过坐标变换的数（shù）学运算转换到惯性坐（zuò）标系（xì）下，由于去掉了物理平台，捷（jié）联惯导系统的体积大幅缩（suō）减。特别是近二（èr）十年来快速发展的MEMS（微机电（diàn）系（xì）统（tǒng））器件，已（yǐ）经可以将捷联惯（guàn）导系（xì）统的（de）体积缩小到几立方厘（lí）米的量级。
当然，惯性导航（háng）并非完美，由于导航（háng）过程依赖惯性器件的输出数据、坐标变换以及数值积分，所以器件误差和数值计算的截断误差会不断累积，在缺乏额外的相对于绝对（duì）坐标系的信（xìn）息（xī）时（shí），该（gāi）误差无（wú）法被修正，因此，惯导系统（tǒng）通常（cháng）作为飞行（háng）器的主要导航系统（tǒng），但同时还需要其他导航信息（xī）对惯（guàn）导结果进行（háng）修正。
几乎其他所有导航（háng）方法都可（kě）以用于修正惯导系统误差，甚至是惯导系统本身，如AHRS（航姿（zī）参考系统），这种系统除了采用陀螺仪积分得（dé）出姿态角，还能（néng）根据加速度计（jì）测量的重力方向以（yǐ）及磁罗盘测量的磁（cí）航向对姿（zī）态（tài）角结果进（jìn）行修正，从（cóng）而在陀螺（luó）仪精度不高的情况下获得长期稳定的（de）姿（zī）态（tài）角（jiǎo）输出，不过（guò）由于低精度器件所得的姿态角结果短（duǎn）期和长期（qī）均有不同（tóng）程度的误差，该（gāi）系（xì）统无法进行精确（què）的航位推算。
基于距离测量的导航（háng）。如卫星导航、室内定位等。这类导航方式（shì）一般是（shì）通过测量飞行器与（yǔ）已知精确位置的参考点（diǎn）之间的（de）距离，从而解算出飞行器位置。例如卫星导（dǎo）航（háng）系统就是通过接（jiē）收（shōu）多颗卫（wèi）星发射出来的星历信（xìn）息，从中得出时间差并根（gēn）据光速计算出距离，从而解算出飞（fēi）行（háng）器在WGS84坐标系下的位置和（hé）经（jīng）纬（wěi）高度信息。同样（yàng）采用类似方式（shì）的还有（yǒu）室内定（dìng）位应用中很火的WIFI定位和UWB定位技术，均是利用信号强度或发送接（jiē）收的时间差计算飞行器与各参考点之间的距离，从而解算飞（fēi）行器（qì）实时位置。
基于（yú）特征匹（pǐ）配的导航。如地形匹配、运动捕捉系统等。这类导航（háng）方式通常是通（tōng）过飞行（háng）器实时提（tí）取地磁、地貌、图像等特（tè）征，并与特（tè）征库进行比对（duì）或进行相应计（jì）算，从而得（dé）到飞行器位置、速度等信息实（shí）现导航功能，如巡航导弹中所（suǒ）使用的地（dì）形匹配方法（fǎ）和现在比较火（huǒ）的SAR（合成孔径雷达）地貌匹配方法，都是通过提取飞行路径上的一维或二（èr）维地形地貌信息，并与数字高程地图（tú）库进（jìn）行比对（duì），从而获（huò）知当前位置、速度等信息，这在卫星导航（háng）信号丢失时的长期导航具有（yǒu）重要意义。运（yùn）用计（jì）算机视觉技术，通（tōng）过识别已知位（wèi）置上的（de）标记物特征完成位置、速度估（gū）计的方法也归属此类。还有另一类（lèi）导航方法就是类似（sì）于Vicon的运（yùn）动捕捉系统，这种系统则是通（tōng）过已知位置的光学等传感器（qì）识别飞（fēi）行器上设置（zhì）的标记（jì）物，从而解算出（chū）飞行器实（shí）时位置（zhì）、速度。
而既然说到基于特征，就不（bú）得不关注计算机视（shì）觉在（zài）导（dǎo）航中的应用，例如在消费级无人机上运用多年的稀疏光流算法，就（jiù）是根据灰度图像中特征点的（de）运（yùn）动计算出无人机的运动速度（dù），近（jìn）年来火爆的SLAM则更是将计（jì）算机（jī）视觉发挥到极（jí）致，这（zhè）种算（suàn）法通（tōng）过（guò）将运动中实时采集的（de）图像特（tè）征性信（xìn）息与（yǔ）惯导等系统信息（xī）进行融合，从而可以在未知环境中（zhōng）一（yī）边完成周围场景的三维（wéi）模型重建，一（yī）边进行自（zì）身在场（chǎng）景中相对位置和速度的解算（suàn）。
说回无（wú）人机的导航，当前多数无人（rén）机采用惯导/卫星导航组（zǔ）合（hé）作为基本的（de）导航（háng）方式（shì），可以保证绝大多数场景下的稳定导航。大型军（jun1）用无人机由于对导（dǎo）航系统的轻量化和成本要求不高，为了实现较高的导航精度，其通常仍采用光纤/激光陀螺和石英加（jiā）速（sù）度计组成的高精度惯导系统（tǒng），而中小型和（hé）民（mín）用无人机则采用更轻小（xiǎo）更廉价，但是精度较（jiào）低的MEMS器件（jiàn）组成惯导或航姿参考系统，与（yǔ）卫（wèi）星导航（háng）组合后，仍能提（tí）供有（yǒu）效的导（dǎo）航信息输出。
而在某些特殊应用场景下，卫星导航（háng）信号会丢失，如（rú）微型无人机在室（shì）内和城市楼群（qún）之间飞（fēi）行，这时就需要其他（tā）的导航（háng）方式（shì）进（jìn）行辅助。常用的比如气压计的使用就可以以较低的（de）综合成本（běn）获得（dé）低精（jīng）度的海拔高度（误差100米量级）和（hé）较高精度的相对高（gāo）度信息（误差0.1米量级（jí））。无人机在室内飞行时，可以架（jià）设前文提（tí）到的WIFI、UWB或Vicon等需要复（fù）杂（zá）外部设备（bèi）的室（shì）内定位系统，或者外部设置已知位置（zhì）的标记物，通过无（wú）人机（jī）的视觉系统完成识别和自身定（dìng）位。而（ér）在极为特殊（shū）的（de）场景下，如各（gè）种高危未知环（huán）境的勘测，使得常用辅助导航系统都难以（yǐ）使用时（shí），就不得不祭出SLAM这一杀手锏了，SLAM技术正处于高速（sù）发展中，且已经有多种实用的方（fāng）案（àn）出现了（le），完美的SLAM系统可以完成科幻电（diàn）影里那种放出去几驾（jià）微型（xíng）无人机自由（yóu）飞（fēi）行，配合一个便（biàn）携（xié）地面站（zhàn），便可以实时地（dì）重建周围环境的3D模型，这种性（xìng）能在未来五年之（zhī）内（nèi）肯定可以实现。当然绝大多数辅助的导航方（fāng）式都难以输（shū）出用于制（zhì）导控制的高（gāo）频率（200Hz以上）导航信（xìn）息，因此（cǐ）通常情（qíng）况下仍是将辅助导航系统与惯性导航相结合。
下面来（lái）讨论无人机的制导，现阶段大多（duō）数军用还是民用（yòng）无人机在自动（dòng）飞行过程（chéng）中仅需完成航路点或航线的跟踪，因此制导策略相对简单。多旋翼无人机，跟踪（zōng）航路点时只需要（yào）将飞行速（sù）度方向对准下一个航路点（diǎn），跟（gēn）踪航线也仅需首先飞到航（háng）线上距离（lí）当前位置最近的点即可；而这项（xiàng）任务对（duì）于（yú）固定翼无人机相对（duì）复杂（zá）。因为固定翼（yì）无人（rén）机的速度方向需要通过航向来改变，而航向则需要通过滚（gǔn）转来改变，这就使（shǐ）得滚（gǔn）转角与速度方向之间形成了（le）近似二阶环节（jiē）的过程，这通常（cháng）可以运用导弹的比例导引（yǐn）法来（lái）实现航路点跟踪。比例导引法的基本原理就是让飞（fēi）行器速度（dù）矢量（liàng）在空间（jiān）中的转动角速度正比（bǐ）于（yú）飞行器与（yǔ）目标间的视线角变（biàn）化率，对于航路点（diǎn）这一静止目标，只需要无人机与航路点之间（jiān）的距离足（zú）够（gòu），就可（kě）以保证（zhèng）准确抵（dǐ）达下一个（gè）航路点，而对于航线跟（gēn）踪，则需要选择一个虚（xū）拟的目（mù）标点使得无人（rén）机首先（xiān）向航线靠（kào）近，然后（hòu）再（zài）逐步将（jiāng）方向对准航线方向。例（lì）如现在被广（guǎng）泛使用（yòng）的L1制导算法，就是在航线（xiàn）上选择与（yǔ）无人机距离为L1的参考点，然后根据（jù）速度方（fāng）向与到参（cān）考点（diǎn）连（lián）线方（fāng）向（xiàng）之（zhī）间的夹角计算横向机动的需用过载（zǎi），进而实（shí）现航（háng）线跟（gēn）踪。
而随着无人机在多种场景下应用的不断深（shēn）入，除（chú）了航（háng）路（lù）点和航线的跟踪（zōng）以外，无人机抵（dǐ）达目标（biāo）的最优路径选择，障（zhàng）碍物或禁飞区规避以（yǐ）及（jí）多机协同（tóng）工作所需要的制（zhì）导策略（luè）越来越（yuè）复（fù）杂。我们知道最优控制方法在（zài）航天器轨道转移、火箭（jiàn）入轨制导等问题（tí）中起到（dào）了良好的效果，但（dàn）是对于（yú）大气中飞行的无人机路径规划，基于间（jiān）接法的最优控制问题很难求（qiú）解，因此无人机路径规划往（wǎng）往采用基于网格地图的搜索算（suàn）法，或者蚁群（qún）算法、遗传（chuán）算法等特殊的（de）路（lù）径（jìng）优化（huà）方法。例（lì）如在基于概（gài）率地图的搜索算法中，首先运用随机概率（lǜ）方法在自由空间（任务空间中，除去（qù）障碍物（wù）后的空间）中（zhōng）选取采样（yàng）点，并选取距离当前点最近的k个（gè）点（diǎn）构（gòu）成当前点的临近点（diǎn）集（jí），然后利（lì）用（yòng）局部规划（huá）器将（jiāng）当（dāng）前（qián）点与（yǔ）其临近点集中的（de）所有（yǒu）点（diǎn）用直线段连接起来，同时（shí）进行相交检验，将不与障碍物（wù）相交的直（zhí）线段（duàn）保留下来构成一个图，作为初始（shǐ）路径， 完（wán）成路径规划（huá）的学习阶段；在查询阶段，运用优化方法对上述图进行搜索，从而（ér）得到由（yóu）图（tú）的边构成的（de）从出发（fā）点到目的点（diǎn）并（bìng）满（mǎn）足优化目标的（de）路径。
另一（yī）类（lèi）常（cháng）用的算法（fǎ）并不是基于（yú）网格地图进行搜索，例如人工势场（chǎng）法，其（qí）基（jī）本思想（xiǎng）是将无（wú）人机的运动，设计成一种在抽（chōu）象的人造引力（lì）场中的运动，如下图所示，目标物对无人机（jī）产生（shēng）“引力”，而障碍（ài）物对无（wú）人机产生“斥力”，通过（guò）求解（jiě）目标和所有障碍物对无（wú）人机产生的（de）合力，就可以得到（dào）无人机运动速度或加速（sù）度指令。相对于大（dà）多数搜索算法，人工势（shì）场法（fǎ）运（yùn）算量（liàng）更小，且得到的轨迹更（gèng）平滑。
以上这两类制导算法通常适用于一架（jià）无（wú）人机的航路跟踪或路径规划，而当设（shè）计无人机编队甚至集群时，问题复杂程（chéng）度则（zé）骤增。对（duì）于集群（qún）中的某个无人机来说，其他无人机既是可以协作和（hé）互通信息的伙伴（bàn），同时又（yòu）是快速移动的障碍物，而（ér）整个集群的（de）路径规划有需要考虑集（jí）群以及其中每一（yī）架（jià）无人（rén）机特性（xìng）所形成的（de）约束条件，或者当（dāng）集（jí）群处（chù）于协同（tóng）作战模式时，又需要对目（mù）标自发形成各角度的全向（xiàng）饱（bǎo）和攻击，当然，这（zhè）其（qí）中需要解决的问题正是当前研究的热点。
最后再讨（tǎo）论一下无人（rén）机的控制，导航系（xì）统获得了无人（rén）机（jī）当前位置速度和姿态信息，制导系统（tǒng）完成路径规划和制导指令生成，而控制的（de）任务就是精确（què）、快速稳定（dìng）地跟踪收（shōu）到的制导指令，因此控制（zhì）也是最（zuì）关键的环节。最常用（yòng）的控（kòng）制（zhì）算法（fǎ）还（hái）是历久弥新的PID，通过将被控（kòng）参数参考值与（yǔ）当前值误差的比例（lì）、积（jī）分和微（wēi）分进行适当组（zǔ）合，便能够完成大部分近似（sì）线性系统的有效控（kòng）制。
而事实上（shàng），现在工程中所使用的很多PID算法，早已经不是（shì）基本（běn）的（de）构型了，常用的改进方式主要有以下几种：
增益调度：既然（rán）PID控制器设（shè）计过程一般是（shì）在某个平衡点处做系统的小（xiǎo）扰（rǎo）动线性化方程（平心而论，工程中还真不都是这么按流（liú）程来，各种野路子都（dōu）有），进而完成设（shè）计的，那么只要在（zài）正常工作范围（对于（yú）无人机来说（shuō）可（kě）以是（shì）飞行包（bāo）线（xiàn））内选取足够的平衡点，并根据每（měi）个平衡点的（de）模（mó）型选择合适的PID控制（zhì）参数，这样就可以在控制器工作（zuò）中通过插值等方式（shì）选（xuǎn）择相（xiàng）应平衡点附近的控制参数，这种变参数的方法就是一种增益调度方法，而基于增益调度的（de）PID控制器就可以针对具有一定非线性特性的系（xì）统进行控制。这种（zhǒng）方法（fǎ）在飞行控制中已应（yīng）用（yòng）多年。
参数自适（shì）应：比如以（yǐ）系统积分误差性能指标为准则，搜索使得误差性能指标为最小的参数（shù）作为控制器参数，又或（huò）者基于（yú）神经网络和遗传算法的（de）参数自（zì）适应等，不过这些方法在工程中使用的比较少。
串级：通过将被控系统分为内外环，只（zhī）需要内外环的（de）固有频（pín）率有一（yī）定的差别（bié）（比如说内环频（pín）率是外环的五倍以上，无人机的姿（zī）态（tài）响（xiǎng）应（yīng）和（hé）位置响应一般可以满足），即可用实（shí）现快变量和慢变量的（de）分别控制，通（tōng）过简单的调参就可（kě）以实现（xiàn）快速的内环响应和精确的外环控制，并具（jù）有比单个控制器更好的抗干扰性能（néng）。
积分抗饱和：PID控制（zhì）中的积分作用虽然可用（yòng）消除（chú）稳态（tài）误差（chà），但是积分退饱和过程带来的（de）超调（diào）往往较大，因（yīn）此可用在被控参数（shù）的误差较大（dà）时，停止误差（chà）的积（jī）分过程，或者对误差的积分值进行限幅，这样就可以显著地降低超调量，缩短过（guò）程（chéng）的（de）稳定时间。
不完全微分：虽然被控参数一般（bān）不会（huì）出现突变，但是参考值却经常会出（chū）现突变，这使得（dé）误差（chà）的微分（fèn）也会突变，为了（le）降低这种突变造成的（de）控制量（liàng）幅值，可以（yǐ）采用不完全微分策略，即微分只作用于被控参数（如飞（fēi）行控制中的角（jiǎo）速度阻尼（ní））。
PID算法的改进方式还有很多，难以细数（shù），不（bú）过（guò）这种改进终归难以（yǐ）解决所有问题，例如被控对象的高度非线（xiàn）性、强（qiáng）耦合（hé）性、时变性等特性（xìng），因此新（xīn）的控制方法层出不穷。下（xià）面列（liè）举几种较为实用的（de）其（qí）他控制方（fāng）法。
反馈线性化（huà）：利用数学变换的（de）方（fāng）法和微分几（jǐ）何学的知识，将（jiāng）状态（tài）和控制变量转变为线性形式（shì），然后，利用常（cháng）规的线性设计的（de）方（fāng）法进行设计，将设计（jì）的结果通过反变（biàn）换，转换（huàn）为原始的状态和控制（zhì）形式。反馈（kuì）线性（xìng）化可以将存在通道（dào）间耦合的非线性系统变换为解耦的线性系统，方（fāng）便（biàn）外（wài）环的线性控制器设计。不过该（gāi）方法应用中或（huò）多或少（shǎo）会存在建模误差，因此设计时要重（chóng）点（diǎn）考虑鲁棒性的因素。
滑模变结构：这种（zhǒng）方法不需（xū）要对被控对象进（jìn）行精确建模（mó），而是在动态（tài）过程中，根据（jù）系统当前（qián）的状（zhuàng）态(如（rú）偏差及其各阶导数（shù）等)有目的地不断变化，迫使系（xì）统按照预定“滑动模态”的状态轨迹运动。由（yóu）于滑动模（mó）态可（kě）以进行设计且与对象（xiàng）参数及扰动无关（guān）,这就（jiù）使得滑模控制具有快速响应、对应参数变化及扰动不（bú）灵敏、无需（xū）系统（tǒng）在线辨识、物（wù）理实现简单等优点。但是基（jī）本的滑模变结构算法（fǎ）存在（zài）控制参数抖振的问题（tí），需要（yào）再趋（qū）近率设计时进行（háng）适当的优化策略。
反步（bù）控制：其基本思路是将复（fù）杂的系统（tǒng）分解成不超过系统（tǒng）阶数的多个子（zǐ）系统，然后通过反向递推为每个（gè）子系统设计部分李雅普诺夫函数和中间虚（xū）拟控制量，直（zhí）至设（shè）计完成（chéng）整（zhěng）个控（kòng）制器。反步方法运（yùn）用（yòng）于（yú）飞（fēi）控系（xì）统控制（zhì）器的（de）设计可以处理（lǐ）一类（lèi）非线性（xìng）、不确定（dìng）性因（yīn）素的影响，而且已经被（bèi）证明具有比（bǐ）较好稳定性及误差（chà）的（de）收（shōu）敛性。
自适应（yīng）逆：与（yǔ）动态（tài）逆的思想（xiǎng）类（lèi）似（sì），这（zhè）种方法（fǎ）运用各种自适应逆滤波网络（如LMS滤波器网络、神经网络（luò）等）去拟合出被控（kòng）对象的逆系统，从而（ér）将控制器与被控（kòng）对（duì）象构成（chéng）的前向通道变换成一一映射（shè）的线性化（huà）解耦（ǒu）系统（tǒng），而之所以称为“自适应”，则是这个拟合出逆系统（tǒng）的网络可以在线学习被控对象的特性。这种方法在仿真中可以取得比传（chuán）统控制方法优越很多（duō）的效果，但（dàn）是由于滤波器（qì）网络可（kě）能存在无（wú）法检出的内部缺陷，所以在某（mǒu）些状（zhuàng）态组合下，可能会出（chū）现故障（包（bāo）括深度神经（jīng）网络在内（nèi）的所（suǒ）有（yǒu）神经网络都潜在此风险）。
本文简要（yào）梳理了可用于无人机的导航、制导和控（kòng）制的（de）方法、策略或算法，其中部分算法将在后续（xù）的（de）仿真系统相应的文（wén）章详细介绍并在代码中体现。（源自：知乎）
咨（zī）询航拍服（fú）务可加昆明俊鹰无人机飞控手老鹰的微信laoyingfly |
