无人机飞控系统主要会使用哪些控制方法？
目前主流的无人机（固定翼和直升机）大多采用经典控制方法——PID控制。其中固定翼无人机和直升机两者的情况又有点区别。我们知道PID控制之所以能够被广泛使用，经久不衰，其最核心的原因就是其物理概念清晰，鲁棒性强。并不需要精确的控制对象数学模型，只需要一个粗略的即可，甚至很多情况不需要模型，直接调参。每个参数都有对应的物理意义，让人觉得看得见摸得着，一个词形容就是——靠谱。
现代控制理论，不管是神经网络，自适应控制等等都基于对象数学模型而展开，即使是鲁棒控制，实际效果也不是很鲁棒。而且现代控制理论往往涉及大量的数学运算，而很多参数是没有对应的物理意义的，不容易理解也不容易进行设计，这样就造成了现代控制理论与工程实践的脱节问题。一方面数字仿真时现代控制方法性能非常优秀，另一方面是工程上的表现远远不如PID。
固定翼飞机相对于直升机来说建模精确度比较高，所以固定翼飞行器有采用现代控制理论的例子，比固定翼飞机建模精度更高的导弹则普遍采用基于状态空间的现代控制理论方法。建模难度最大的是直升机，因此大家还是都在用PID，没有精确的模型，先进的控制算法也是无根之木。
看过TED演讲里面那个四旋翼视频会发现国外已经在四旋翼上采用了很多先进算法，那是因为四旋翼建模是比较简单的，精度也比较高，另外成本又很低，经得起折腾，所以这类飞行器就成了先进控制算法的练兵场。
底层也分层的。马达，姿态，位置。PID较多。模型精确些的飞行器（不一定是无人机），也有用到鲁棒控制中较简单的如H无穷，或是最优控制。好像也有在做自适应控制的，不过对模型的精度要求就更高了。模糊控制多用于温度控制等，在过程控制、家电有很多应用，比如欧洲的核子研究中心一些偏过程的控制就是用的模糊控制。H无穷属于鲁棒控制，实际中应用不少，是鲁棒控制中应用的比较多的。神经网络，据我了解，在控制中实际用的不多，当然论文多是另一回事，不过神经网络在数据的拟合跟预测方面应用不少，比如最近大热的深度学习。解耦控制是多入多出系统的系统分隔方法，分隔之后再各自控制，是另一个层面了。扯远一点，一般来说，做控制的会遇到两种情况。第一种是，系统包括硬件、软件都已经在那了，你去做控制算法。甚至已经有了简单的控制算法如PID，你去改进。在这种情形下，因为很多做控制的没有实际经验，抓住教科书上的或是论文里的控制算法，就往里套，结果往不如PID。让很多人有了这个错误印象，就是PID就够了，控制理论都是不能用的。其实不尽然。做控制的，最好是多问下有经验的做理论的，看他们是如何选取理论框架，各适用于什么情况，时域与频域如何结合起来做分析与设计等。第二种是，做一个产品，传感器，到机械部分，到马达，到控制器设计，都可以选择。如何优化系统这个整体？很多时候，控制器的设计是被放在最后的。而且很多情况下，改进其它环节，特别是传感器，做好状态估计，对系统性能的提升效果更加明显。还有很多时候，效果不理想，直接在机械上做些手脚，比调半天控制器，来得更直观，毕竟机械是直接有物理意义的。
页:
[1]