郭 婕，金 海，沈昕格

(浙江理工大学 信息学院,浙江 杭州 310018)

四旋翼无人机(Unmanned Aerial Vehicles，UAVs)是一种能够垂直起降具有对称结构的多旋翼飞行器。UAVs同一对角线上的一组旋翼顺时针旋转，另一组旋翼逆时针旋转，抵消了旋翼旋转带来的反扭矩力，保持了无人机平衡[1]。通过调节4个旋翼的转速，可以改变无人机的位置，实现对无人机飞行姿态的控制，例如悬停、俯仰、升降和横滚运动[2]。根据无人机布局和控制的不同，可将无人机分为“+”型和“×”型[3-4]。“×”型无人机姿态变换更加灵活稳定，且不会阻挡前方摄像头的视线，故本文采用“×”型结构无人机进行研究。

现有的无人机飞控算法主要有LQR控制、反步法控制、滑模控制等。文献[5～6]中设计了LQR(Linear Quadratic Regulator)控制器，并在仿真平台下进行了四旋翼飞行器的姿态跟踪和抗干扰实验。研究结果表明，LQR控制器对模型的依赖性较强，悬停时震荡，阶跃响应稳定态误差大。文献[7]发现反步控制法存在系统设计复杂的问题，会引起过参数化。滑模控制算法中含有不连续的切换项，容易造成控制输入的高频抖振[8]。传统的PID(Proportional Integration Differentiation)控制算法无需知道系统复杂的内部结构和参数，根据输入输出误差即可达到较好的控制效果。但是，PID的缺点是一旦参数整定完成就不可再修改，对于无人机这种控制要求较高的系统，无法实现较好的抗干扰控制。因此，本文结合神经网络的持续学习及权值修改的优点，设计了神经网络PID控制器，并与传统PID、串级PID做了对比，在建模仿真的基础上证明了其控制的有效性。……