关成立，杨 岳

（阳江职业技术学院网络与教育技术中心，阳江 529566）

0 引言

近几十年来，无人驾驶飞行器已被大规模应用于多个领域，如农业、交通监测、运输、探测侦察、森林火灾监测及救援、教育、军事等［1］。此外，随着无人机结构及功能越来越复杂，其安全性和可靠性也越来越受到重视［2］。新一代无人机设计不仅需要更高自主性及效率，还需要更高的安全性和保障性来完善其功能。而在各种类型的无人机中，四旋翼无人机引起了众多研究者的关注，这主要归功于它们的垂直起降性能、室内和室外飞行的巨大应用潜力以及较高的性价比等优势［3］。另一方面，由于四旋翼飞行器存在欠驱动、强耦合、非线性及机身较轻等特点，为了在复杂环境下完成预定任务，四旋翼飞行器需要具有较强的抗干扰能力，实现平稳良好的飞行效果，而这些都增加了其控制器设计的难度［4］。目前，国内外研究者针对四旋翼飞行器的姿态、位置、悬停、振动等通过不同角度提出了许多控制策略［5］，主要包括比例-微分控制法（PD）、比例-积分-微分控制法（PID）、线性二次调节器控制法（LQR）、反步控制法、滑模变结构控制法、模糊控制法、神经网络控制法及多种方法联合协调应用等。

1 四旋翼飞行器概述

根据无人机体积大小及飞行控制方式的不同，四旋翼飞行器一般可分为三类［6］，分别为以美国Draganflyer公司设计的DraganflyerⅢ为代表的遥控四旋翼飞行器，以宾夕法尼亚大学设计的HXM-4及瑞士洛桑联邦学院设计的OS4系列飞行器为代表的小型四旋翼飞行器，以及以斯坦福大学研究设计的Mesicopter飞行器、麻省理工大学航天实验室设计的基于视觉技术的无人自主飞行器及苏黎世联邦理工学院设计的无人机飞行器为代表的微型四旋翼飞行器。这些实验室研发的四旋翼飞行器运动技能高超，灵活性强，可以实现很多要求精准同时难度又较大的任务。而在商业企业领域，则以法国派诺特公司推出的配备GPS记录仪的四旋翼飞行器、Lockheed Martin公司推出的Indago四旋翼飞行器及大疆公司推出的M200系列及“御”系列四旋翼飞行器为代表，均被市场及广大消费者青睐。

四旋翼飞行器之所以能在空中飞行，主要是因为其机身顶端的4个旋翼旋转时产生的上升力，且其虽然具备6个自由度，但在其飞行过程中实际不需要对6个自由度都进行跟踪［7］。同时，通过调节4个旋翼的转速，来控制飞行器的飞行位姿，完成如起降、悬停、俯仰、偏航及滚转等多种运动形式。

2 四旋翼飞行器控制策略

2.1 PD控制法

王振等［7］为避免四旋翼飞行器欠驱动控制律中存在的缺陷，采用基于内外环结构的PD控制器，将控制系统解耦为3个独立子系统，再以四旋翼飞行器位置子系统为外环，姿态子系统为内环，分别在内外环角速度控制器中加入PD控制器（控制结构图如图1所示），使系统在运动过程中不断进行快速调节，达到稳定的运动状态。Matlab仿真实验结果表明：设计方法响应速度快，能实现对四旋翼飞行器位置和姿态的稳定跟踪，实现稳定悬停。

2.2 PID控制法

周祖鹏等［8］首先对四旋翼飞行器进行受力分析，通过导航坐标系与机体坐标系之间的变换及Newton-Euler方程建立运动学及动力学模型，并采用基于抗饱和的串联PID控制算法，利用Matlab/Simulink数学软件对飞行器进行模拟仿真实验，结果表明基于抗饱和的串联PID控制算法有良好的动态特性。

刘二林等［9］针对四旋翼飞行器悬停控制问题，采用ADAMS搭建非线性数学模型，并将模型导入Matlab中，通过PID控制策略对飞行器的飞行姿态和悬停状态进行控制，在飞行器平稳飞行的情况下对飞行器的任一电机加入干扰电压信号后，飞行器能够迅速回到平稳状态，表明所设计的PID控制器对于四旋翼飞行器具有响应速度快、超调小、鲁棒性强等特点。

2.3 LQR控制法

李文超等［10］采用机体坐标系及本地NED坐标系构建四旋翼飞行器数学模型，并选用小扰动线性化模型，研究设计了LQR线性二次型控制器，通过Matlab数学软件进行仿真实验，结果表明LQR控制律具有响应速度快、稳定性好、精确性高的特点。

刘丽丽等［11］针对四旋翼飞行器欠驱动系统运行中存在的非线性和强耦合性，提出了基于ARX模型组的自适应LQR控制器的设计方法。该方法首先对飞行状态进行区间分化，在每个区间构建并辨识局部ARX模型，得到系统全局的ARX模型组。在此基础上设计了具有自适应功能的LQR控制器。实时控制结果表明，当输出目标值分别变化时，系统响应及时且超调很小，在稳态阶段，基本上没有超调和震荡，输出也很平稳。

2.4 反步控制法

陈奕梅等［12］针对四旋翼无人飞行器QballX4受控模型的复杂非线性问题，从实际应用的角度出发，提出了一种在定点悬停情况下忽略偏航角变化的模型简化方法，有效地解决了内外环约束条件的求解问题，并基于此模型设计了一种基于反步法的渐近稳定控制器。仿真结果表明，所设计的控制器能有效地实现定点飞行，并验证了所构建的简化模型的合理性。

文奕格等［13］为提高系统鲁棒性，设计了一种基于扩张状态观测器和反步法的姿态控制器。首先基于牛顿-欧拉方程建立了四旋翼飞行器的数学模型，再通过设计扩张状态观测器，以此观测四旋翼飞行器受到的扰动，将观测到的扰动估计值补偿至反步控制器，以减小扰动的影响，改善控制效果，并通过数值仿真验证了算法的有效性。

2.5 滑模变结构控制法

成利梅［14］采用牛顿-欧拉法建立基于三维旋转群SO（3）的动力学模型，利用前向欧拉法将其转换为离散模型，并提出基于内外环的控制结构，将离散滑模变结构控制应用于内外环控制器的设计，通过李雅普诺夫函数证明了所设计控制器的稳定性。同时通过Matlab/Simulink仿真验证所设计控制系统的性能，结果表明系统具有良好的大角度轨迹跟踪性能。

郭一军［15］针对存在扰动因素影响下的四旋翼飞行器姿态控制问题，设计一种基于趋近律滑模的四旋翼飞行器姿态控制器。首先通过对螺旋桨的受力分析建立四旋翼飞行器的动力学系统模型，其次采用趋近律滑模控制方法设计控制器，同时应用Lyapunov稳定性分析方法对闭环系统的稳定性进行证明，并通过数值仿真验证了所设计控制方法的有效性。

2.6 反步滑模控制法

管锡敏等［16］首先根据经典的动力学模型建立惯性坐标系下带有扰动的四旋翼方程。将系统划分为姿态子系统和位置子系统，对姿态子系统的轨迹跟踪控制，采用反步控制与滑模控制相结合的方法，根据飞行器的欠驱动和强耦合特性，利用反步控制方法实现位置子系统的轨迹跟踪控制，然后对系统进行稳定性分析，并通过仿真实验结果验证了所提出控制方法的有效性。

刘慧博等［4］为提高四旋翼飞行器在内部参数摄动和外部干扰情况下的控制精度和控制效果，首先根据牛顿-欧拉公式建立非线性数学模型，通过引入反步控制将四旋翼飞行器分为位置子系统和姿态子系统，实现了飞行器欠驱动部分的控制，并解算出系统姿态参考值；然后，通过应用滑模变结构控制的特点来抑制系统内部参数摄动和外部干扰，加入自适应控制来估计扰动参数的不确定性，并利用李雅普诺夫稳定性理论证明上述闭环系统的稳定性。通过Matlab/Simulink数学软件进行仿真，结果表明，根据上述设计的控制器在一定程度上具有响应时间短、收敛速度快、抗干扰性强等特点。

2.7 模糊控制法

盛广润等［17］结合PID控制和模糊控制的优点，设计一种非线性化的串级模糊自适应PID控制系统，分别在外环角度、内环角速度控制器中加入模糊自适应PID控制器，增强系统的自适应性和准确性。并且针对四旋翼存在高频干扰的特性，提出在角速度模糊自适应PID控制器的微分环节后加入一阶惯性环节，提高微分控制抗干扰能力。通过Matlab进行仿真实验对比，结果表明，所设计方法响应速度快、超调量小，且增强了四旋翼控制的自适应能力和鲁棒性。

沈智鹏等［18］提出一种模糊自适应动态面轨迹跟踪控制方法，结合反演法和动态面技术设计轨迹跟踪控制器，以降低控制算法的复杂性。应用大疆M100飞行器模型进行仿真验证，结果表明所设计的控制器能够有效处理模型动态不确定和未知外界干扰问题，避免飞行器工作过程中因输入饱和导致执行器失效现象，精确地完成轨迹跟踪控制任务。

2.8 神经网络控制法

张莹等［19］针对四旋翼飞行器，采用RBF神经网络和PID联合控制方法，依靠神经网络自学习和非线性映射特征实现系统控制参数的动态整定。以Matlab/Simulink为实验平台，对RBF神经网络PID控制系统和单纯PID控制系统分别进行仿真。实验结果表明，RBF神经网络PID控制比传统的PID控制调整时间更短、控制效果更好，增强了系统自适应性。

聂文明等［20］针对旋翼飞行器存在模型参数偏差、外界随机干扰导致的不确定性等问题，提出了一种基于动态神经网络的旋翼飞行器在线模型辨识算法，在不依赖于模型先验信息和未知的不确定性信息的情况下，可实现完全数据驱动的在线高精度的模型辨识。基于Lyapunov理论和Barbalat引理，给出了辨识算法的收敛性理论分析，并通过数值仿真验证了模型辨识算法的有效性。

3 结语

随着各种线性、非线性及智能控制策略及技术的飞速发展及日趋完善，愈来愈多具有优良性能的控制策略被应用到四旋翼飞行器控制系统的设计中来。但由于四旋翼飞行器为多输入输出的复杂体系，且易受飞行环境中多种实际因素的制约，其控制系统的研究及设计具有较大挑战性及难度，尚需对具备更高实用性及优越性的控制策略进行深入研究。