四旋翼無人機飛控算法綜述

◆周子棟 陳至坤 趙志佳

四旋翼無人機飛控算法綜述

◆周子棟1陳至坤1趙志佳2

（1.華北理工大學電氣工程學院 河北 063210；2.唐山坤翼創新科技有限公司 河北 063000）

近年來，無人機逐漸被應用于民用、科技和軍事領域。飛控算法是確保無人機正常執行任務的根本，傳統的PID控制已不再滿足飛行任務復雜的要求，采用更高級的控制算法必將成為無人機未來的發展趨勢。文章對近年來應用于四旋翼無人機的飛控算法進行了闡述，總結并展望了未來飛控算法的發展方向。

四旋翼；算法；飛行控制系統；姿態

四旋翼無人機由于其高集成、低損耗、易于操控、可以垂直起降、能快速、靈活地完成機動作業等諸多優勢，已經在農業植保、航拍攝像、物資輸送等領域得到廣泛應用[1]。飛控算法是四旋翼無人機的“靈魂”，開展飛控算法的研究，對理論研究、國防建設、社會進步等方面都具有重大的意義。

四旋翼無人機的飛行控制算法雖然取得了顯著的進步，但在各種外界干擾的情況下實現平穩飛行也絕非易事。本文研究了目前四旋翼無人機飛控算法的研究進展，總結了飛控算法的研究現狀以及未來趨勢，為四旋翼無人機飛行控制算法研究的開展提供重要參考。

1 四旋翼無人機飛行原理

四旋翼無人機的飛行動力由四個螺旋槳提供，通過改變各個旋翼的速度來控制飛行器完成起飛、懸停等動作。四個電動機所產生的總升力使得四旋翼在垂直方向上運動。四個電動機的升力差使得四旋翼的俯仰角和偏航角發生變化，從而改變運動方向。扭矩力的差異將導致四旋翼偏航角發生變化。四旋翼無人機作為一個非線性欠驅動系統，包含4個控制輸入量和6個狀態輸出量，X型四旋翼無人機的轉向如圖1所示轉動。

圖1 X型四旋翼無人機旋翼轉向示意圖

如圖1所示，旋翼M1和M3為順時針旋轉，旋翼M2和M4為逆時針旋轉，不同的旋轉速度可以使四旋翼無人機做出垂直起降、俯仰、滾轉、偏航等基本動作，具體的關系參見表1。

表1 旋翼轉速與飛行動作關系

飛行動作旋翼1轉速旋翼2轉速旋翼3轉速旋翼4轉速 右滾轉增大減小減小增大 左滾轉減小增大增大減小 仰運動增大增大減小減小 俯運動減小減小增大增大 右偏航減小增大減小增大 左偏航增大減小增大減小

2 四旋翼無人機飛控算法

如圖2所示，無人機飛控系統一般采用雙閉環的形式，分出姿態環和位置環進行控制。無人機要完成飛行任務，必須對內外回路都擁有較好的控制[2]。飛行控制的核心問題是：給定期望的位置，控制多旋翼的電機使其能夠飛到目標位置。本文對幾種常見飛控算法進行闡述，并分析各自的優缺點。

圖2 四旋翼無人機飛行控制系統組成示意圖

2.1 PID 控制

PID算法作為最常見的無人機飛控算法，其優點是結構簡單、參數易整定，無須被控對象精確的數學模型，即可保證一定的魯棒性。但是，在處理無人機這類外界干擾較多的系統時，PID控制補償外部擾動的能力較弱，存在響應速度與平滑性、精確性之間的矛盾。當無人機的物理參數產生較大變化時，傳統PID算法的性能也會隨之降低。此外，經典PID控制無法處理耦合，還會增加系統的不穩定程度，甚至導致積分飽和現象的出現，使無人機的動態和穩態特性受限，難以滿足飛行任務復雜性的要求。

圖3 傳統PID控制原理圖

如圖3所示，經典PID控制主要由比例（P）、積分（I）和微分（D）三個單元構成，其輸入()與輸出(t)的關系為：

式中，K為比例系數，T為積分時間常數，T為微分時間常數，()為給定量()與輸出量()的差值。

2.2 智能PID控制

四旋翼無人機在飛行過程中，所受擾動不確定，過程參數會隨時間和工作環境的變化而變化。為了解決這種難題，國內外許多專家學者已將智能PID應用在四旋翼無人機飛控算法中。

智能PID算法采用“揚長避短”的策略，將智能控制和經典PID算法結合，在不依賴被控對象精確建模的情況下，在線調節控制器參數，既可兼顧經典PID控制器的結構清晰、魯棒性較強等優點，又能對復雜的外界環境有較強的適應性。它智能PID的設計思想是基于模糊控制、專家系統和神經網絡進行自整定，將智能控制的研究成果引入到傳統PID控制器中，以獲得更好的控制性能[3]。

2.2.1 模糊PID控制器

模糊PID控制器由模糊推理和經典PID控制器構成。其結構框圖如圖4所示，模糊推理的輸出作為經典PID控制器的輸入，模糊PID的核心是總結工程人員的知識和經驗，建立模糊規則表，根據控制系統的偏差及偏差變化率的變化，通過模糊推理實時地整定PID參數。

圖4 模糊PID結構框圖

文獻[4]設計了模糊自適應PID 控制器，可有效實現無人機的姿態穩定控制。仿真結果表明，在響應速度和超調量等方面，其性能均優于傳統PID。文獻[5]采用遺傳算法在線優化隸屬度從而實現模糊PID控制器，提高了風擾條件下無人機的抗干擾能力和控制精度。

2.2.2 專家系統PID控制器

專家系統是在某一特定領域有著專家解題能力的智能應用系統，通過多年的專家經驗和知識來解決實際難題，其核心是知識和推理。基于專家系統的自適應PID控制器主要由參考模型、可調系統和專家系統構成。圖5為其結構圖，其中參考模型由參考模型的被控對象和模型控制器構成；可調系統由實際被控對象和數字式PID 控制器構成；專家系統由知識庫和運用知識庫的推理機制構成。

圖5 專家系統PID控制器結構圖

專家系統有著結構簡單、執行時間短等優點，基于專家系統的自適應PID控制器采用波形辨識法對被控對象的動態特性進行辨別，根據波形特征值的差值自動調節PID參數，避免了被控對象動態特性計算錯誤導致的偏差。文獻[6]將專家PID算法應用于無人機姿態控制，使控制參數適應無人機姿態變化，提高了無人機的抗干擾能力。

2.2.3 神經網絡PID控制器

隨著神經網絡在控制領域的廣泛應用，控制系統的信息分析處理和自適應能力大大增強。由于神經網絡算法可逼近任何連續有界的非線性函數，對無人機這種非線性系統十分適用。如圖6所示，神經網絡PID控制器由經典PID和神經網絡控制器構成。作為前端控制器的神經網絡控制器通過向傳統控制器輸出進行在線學習、調整，使反饋誤差趨近于零，使自身在控制作用中占據主導地位，逐步取消由PID構成的反饋控制器的作用，但反饋控制器一直保留，當四旋翼外部出現擾動時，反饋控制器立即重新產生作用。

圖6 神經網絡PID控制器結構圖

文獻[7]設計了一種無人機縱向姿態控制的神經網絡PID控制器，相較傳統PID控制器系統，響應速度提高，超調量變小。文獻[8]設計了一種基于BP神經網絡的PID控制器，能夠根據被控對象的輸出，在線調節控制參數，具有良好的動態特性。

2.3 H∞控制

隨著處理器計算能力大大增強，許多學者H∞控制算法與四旋翼無人機相結合。H∞控制算法可以有效處理外界干擾及模型擾動引起飛控系統的不確定性，從而保證閉環系統的性能。但H∞控制算法依賴于無人機的精確模型，調參相對困難，且控制器的實時計算量較大[9]。在工程應用領域中，針對四旋翼無人機在飛行過程中模型部分參數變化的問題，常將H∞算法轉化為標準H∞控制進行處理后，移植到DSP或FPGA中。圖7為標準H∞控制系統結構圖。

圖7 標準H∞控制系統結構圖

其中，為外部輸入信號，包括外部干擾、噪聲、參考輸入等；為控制信號；為被控輸出信號；為測量輸出信號，（）是需要設計的控制器，（）為廣義被控對象，其狀態空間表達式如下。

進一步地，可記為：

傳遞函數為：

由此可見，由到的閉環傳遞函數為：

WZ111221（5）

由上式，可得閉環系統的框圖，如圖8所示。

圖8 H∞實際閉環系統框圖

文獻[10]設計了H∞控制與傳統PID結合的組合控制方法，H∞控制用于解決參數攝動問題，PID用于跟蹤輸入的任務指令。仿真結果表明，它可以有效保證系統的動、靜態特性。文獻[11]將特征結構配置和H∞控制結合，以增強了系統的動態性能和穩定性。

2.4 滑模變結構控制

滑模變結構控制通過控制策略并根據當前系統狀態連續切換控制量，使系統進入預設滑模面滑動。當進入滑模狀態時，系統的性能完全由滑模面決定，并且與受控對象的參數干擾和外部干擾無關。其基本思想是：從任何點開始的狀態軌跡通過控制被拉到滑模面并沿滑?；瑒拥皆c?？刂谱饔眯问饺缦拢?/p>

其中和為控制量，（）為滑膜面函數。

滑模變結構控制對系統的不確定性不敏感、結構簡單、易于實現、響應速度快，它對外界擾動具有魯棒性強等優點[12]，特別適用于無人機系統。在四旋翼無人機的應用中，難點在于消除抖動?；？刂贫嗯c自適應控制、模糊控制結合，配合低通濾波法[13]、積分高階方法[14]進行消抖，保持飛控系統魯棒性的同時，又可減弱抖振影響。文獻[15]中，針對四旋翼無人機的軌跡問題，設計了一種結合終端滑模與二階滑模的控制策略，它更好地克服了內外擾動對無人機姿態和位置的影響。

2.5 反步控制

反步控制算法主要針對模型參數難以確定的系統。 基本思想是將控制系統劃分為幾個不高于系統階數的子系統，并使用反向遞歸來獲得Lyapunov函數并得到各個子系統的虛擬變量。最終得到穩定可靠的控制規律[16]。這就需要對控制器進行重復微分，控制算法的復雜性將會隨著系統階數增大而增大。

以四旋翼的高度通道為例，其反步控制器的控制量如下：

反步控制應用于四旋翼的優點如下：首先，在控制器設計過程中，反步法可以處理大多數不確定因素對無人機飛行過程的影響，誤差收斂效果和魯棒性更好；二是采用該控制器響應速度很快，有效減少在線計算時間。在實際應用中，反步法抗干擾能力不足，為補償不確定因素對系統的影響，一般采用擴張狀態觀測器[17]、滑模變結構控制[18]、自適應控制[19]與反步控制相結合應用于四旋翼無人機上，從而提高四旋翼無人機的飛行品質，抑制飛控存在的擾動。文獻[20]設計了一種基于backstepping的控制器，并應用于無人機姿態和位置控制。仿真結果表明，基于backstepping的控制器的指令追蹤能力和響應速度得到了很大的提高。

3 飛控算法發展趨勢

未來，對于四旋翼飛控算法的選取關鍵在于飛控系統的魯棒性、響應速度、算法實現成本。盡管采用非線性算法的仿真效果較好，但由于其依賴于準確的數學模型，很難獲得理想的實際控制效果。就應用層面而言，由于四旋翼在飛行過程中受到的外界干擾不固定，且模型較難精確，大多數四旋翼無人機仍使用經典PID算法；就研究現狀而言，為應對陀螺儀等傳感器對飛控造成的時滯性、時變性，采用控制效果好、抗干擾和自適應能力強的非線性組合控制算法將成為未來的發展趨勢。

隨著市場需求的不斷變化和科學技術的飛速發展，將人工智能的思想應用到飛控算法中將成為未來發展的趨勢，如自主決策、可重構性、自學習技術和進化技術。其次，飛控算法的選取更加多元化，一些停留在理論和仿真的控制算法將會得到應用。此外，根據飛行環境的改變，基于多模型在線切換的四旋翼無人機也將占據重要地位，四旋翼無人機自動在已建立的模型中選擇滿足當前任務的控制器，在降低控制策略的復雜程度的同時，增強控制系統的穩定性。

4 結束語

四旋翼憑借其獨特優勢，在民用和軍事方面獲得更多的關注，實現四旋翼穩定可靠的飛行對于微處理器編程、飛行控制算法、多傳感器融合、慣導技術、機體布局設計等各個方面都有較高的技術要求。

隨著飛控芯片處理能力的提高和高級控制算法的應用，無人機在未知環境下的飛行穩定性、可靠性和容錯能力大大增強。

[1]淳于江民，張珩.無人機的發展現狀與展望[J].飛航導彈，2005（02）：23-27.

[2]秦世引，陳鋒，張永飛.小型無人機縱向姿態模糊自適應PID控制與仿真[J].智能系統學報，2008（02）：121-128.

[3]李一波，李振，張曉東.無人機飛行控制方法研究現狀與發展[J].飛行力學，2011，29（02）：1-5+9.

[4]宋宇，宋雋煒.四旋翼無人機的姿態穩定控制器設計仿真[J].計算機仿真，2017，34（08）：85-88.

[5]肖長詩，毛貽漢，元海文，文元橋.風擾條件下四旋翼無人機智能控制算法的設計與仿真[J].計算機科學，2018，45（05）：310-316.

[6]廖懿華，張鐵民，蘭玉彬.農田信息采集用多旋翼無人機姿態穩定控制系統設計與試驗[J].農業工程學報，2017，33（03）：88-98.

[7]陳鋒，秦世引.基于PID神經網絡的無人機縱向姿態控制[C].//中國人工智能學會第12屆全國學術年會論文匯編.北京航空航天大學，2007：720-725.

[8]趙輝杰.神經網絡在無人機自動飛行控制系統中的應用[D].西安電子科技大學，2005. DOI：10.7666/d.y1246899.

[9]李蒙，石泳，劉莉.基于魯棒H_∞的無人機飛行控制系統設計及實現[J].北京理工大學學報，2016，36（08）：807-812.

[10]江瓊，陳懷民，吳佳楠.H_∞魯棒控制與PID控制相結合的無人機飛行控制研究[J].宇航學報，2006（02）：192-195.

[11]甄紅濤，齊曉慧，李杰，等.四旋翼無人機L_1自適應塊控反步姿態控制器設計[J].控制與決策，2014，29（06）：1076-1082.

[12]劉永慧.滑模變結構控制的研究綜述[J].上海電機學院學報，2016，19（02）：88-93.

[13]邢曉波，胡劍波，王應洋，等.一類非線性系統的模糊自適應反推滑模控制[J].空軍工程大學學報（自然科學版），2018，19（01）：104-110.

[14]李俊芳，李峰，吉月輝，等.四旋翼無人機軌跡穩定跟蹤控制研究[J/OL].控制與決策：1-8[2018-12-13].

[15]王大偉，高席豐.四旋翼無人機滑模軌跡跟蹤控制器設計[J].電光與控制，2016，23（07）：55-58+63.

[16]鄭蘭，周衛東，廖成毅，等.模型不確定非線性系統的自適應模糊Backstepping預測控制[J].哈爾濱工業大學學報，2014，46（11）：107-111.

[17]費愛玲，李檸，李少遠.固定翼無人機的自抗擾反步控制[J].控制理論與應用，2016，33（10）：1296-1302. DOI：10.7641/CTA.2016.51006.

[18]胡彬楊. 無人機飛行控制方法研究與設計[D].電子科技大學，2018.

[19]張浩，吳梅，郝曉宇.基于H_∞魯棒控制和特征結構配置的無人機橫側向控制器設計[J].計算機測量與控制，2012，20（08）：2156-2158+2166.

[20]黃佳奇，吳曉燕，張蕊，馬震.四旋翼飛行器姿態穩定性優化控制研究[J].計算機仿真，2016，33（07）：87-90.