无人机飞行控制技术研究

南京航空航天大学硕士学位论文

i摘 要

飞行控制系统是保证无人机飞行安全和完成预定任务的关键系统。无人机

对各种机载设备的控制指令都是由飞行控制软件发出，一旦软件出现问题，后

果不堪设想，而软件测试是保证软件质量的必要手段，所以必须对无人机飞行

控制软件进行充分、系统的测试。

本文较深入地研究了运用LDRA-Testbed/TBrun对无人机飞行控制软件进行

测试的技术。主要是进行基于LDRA-Testbed的静态测试工作和基于

LDRA-TBrun的混合模式的集成测试工作，成功地把软件测试的各种思想、概念

和LDRA-Testbed/TBrun测试工具相结合起来，达到了很好的测试效果。

首先介绍了软件测试的基本理论和基本方法，嵌入式软件测试的特点，以

及软件测试工具的种类，重点介绍了LDRA-Testbed/TBrun的基本情况。

其次研究了无人机飞行控制系统的原理和无人机飞行控制软件的原理、结

构及特点，提出了其测试工作的整体模型，重点研究了单元测试和集成测试的

具体策略。单元测试策略主要进行了任务和过程方面的分析，集成测试策略则

是从原则和工作安排的角度进行了研究。在此基础上较深入地进行了基本静态

分析、复杂度分析、静态数据流分析，数据的图形化显示和质量报告等6个方

面的静态测试技术研究，并对静态测试的工作内容选择、测试结果分析、测试

报告制定作了标准化规定。

最后研究了运用LDRA-TBrun进行无人机飞行控制软件集成测试工作。重

点研究了包含自底向上、自顶向下两个集成阶段的混合模式的测试工作，以及

模块划分、驱动和桩模块的设计，通过实际软件测试过程，验证了本文研究成

果的正确性和有效性。

关键词：无人机，飞行控制软件，软件测试，静态测试，集成测试 无人机飞行控制软件测试技术研究

ii ABSTRACT

The flight control system (FCS) is the key system to make safe of the flighting

无人机飞行中的高度与距离控制技巧

近年来，无人机技术得到飞速发展，成为了人们生活中常见的一种工具。无人机在航拍、农业、救援等领域发挥着重要作用。然而，无人机的高度与距离控制是飞行过程中需要特别注意和掌握的技巧。本文将介绍几种无人机飞行中的高度与距离控制技巧，帮助读者更好地操作无人机。

一、保持适当的高度

在无人机的飞行中，保持适当的高度是至关重要的。首先，高度的选择需要根据实际需求和环境条件进行判断。在航拍中，较低的高度更有利于拍摄到更清晰的画面细节；而在其他应用场景中，需要根据地理条件和安全要求来选择合适的高度。

其次，要注意飞行过程中的高度变化。飞行过程中，无人机可能会受到气流、天气等因素的影响，导致高度的变化。为了保持稳定的飞行，可以使用无人机自带的高度定位系统，或者手动控制无人机的油门来保持所需的飞行高度。

最后，根据相关法规，无人机在飞行过程中需要遵守最低安全飞行高度的规定。这样能够保障无人机飞行的安全，防止发生意外情况。

二、掌握飞行距离的技巧

掌握飞行距离的技巧同样对无人机的飞行安全和效果起着重要的作用。下面介绍几种常见的控制飞行距离的技巧。 首先，利用无人机的遥控器或飞行控制器上的操纵杆控制飞行距离。通过手动操作飞行器控制杆的前后移动，可以实现无人机的前进和后退，从而控制飞行距离。

其次，根据飞行器的慣性原理，处理高速飞行时无人机距离的调整问题。当无人机以较高的速度飞行时，它会因为惯性原理而需要较长的距离来制动。因此，在高速飞行时，需要提前减速并适当增加飞行距离，以确保安全和操作的灵活性。

最后，根据飞行任务的需要，使用无人机的自动导航系统来控制飞行距离。现代无人机通常具备GPS导航功能，可以通过预设目标点、高度限制等参数，实现自动飞行和距离控制。这样能够减轻飞行员的操作负担，提高飞行的准确性和效率。

综上所述，无人机的高度与距离控制技巧对于飞行过程中的安全和效果至关重要。在飞行任务前，飞行员需要根据实际情况选择合适的高度和飞行距离，并在飞行过程中灵活应对。此外，了解无人机的飞行规范和法规，遵守相应的安全要求，也是确保无人机飞行安全、高效的重要环节。

无人机飞行控制中的自适应控制算法研究

无人机技术的快速发展为航空领域带来了巨大的变革。无人机的飞行控制是确保其安全、稳定和高效操作的关键因素。在无人机飞行控制中，自适应控制算法发挥着重要作用。本文将对无人机飞行控制中的自适应控制算法进行研究和探讨。

首先，我们需要了解什么是自适应控制算法。自适应控制算法是一种能够根据系统的动态特性自动调整控制器参数的控制方法。在无人机飞行控制中，自适应控制算法可以根据飞行状态的变化动态调整控制策略，以实现对无人机飞行过程中的各种干扰和障碍的适应性响应。

无人机飞行控制中的自适应控制算法有多种形式。一种常见的自适应控制算法是模型参考自适应控制（MRAC）。MRAC算法通过将无人机系统建模为一个可调整的参考模型和一个未知的系统模型，并不断调整参考模型参数来逼近系统模型，以实现对无人机飞行状态的控制。

另一种常见的自适应控制算法是自适应滑模控制（ASMC）。ASMC算法利用滑模原理和自适应调节机制来实现对无人机飞行过程中的干扰和不确定性的补偿。它通过引入滑模面来实现对误差的控制，并通过自适应机制来调整滑模面的参数以适应不确定性因素。 除了以上两种算法，还有一些其他的自适应控制算法在无人机飞行控制中也得到了广泛的研究和应用。例如，基于模式识别的自适应控制算法利用人工智能技术和模式识别算法来实现对无人机飞行状态的准确识别和预测，并根据识别结果进行自适应控制策略调整。

自适应控制算法在无人机飞行控制中的应用具有多个优势。首先，它能够提高无人机的适应性和鲁棒性，使其能够应对各种飞行环境和复杂气象条件。其次，自适应控制算法能够有效地抑制飞行过程中的各种干扰和障碍对无人机性能的影响。最后，自适应控制算法还可以提高无人机的控制精度和飞行能力，使其能够更好地完成任务要求。

然而，自适应控制算法在实际应用中仍然存在一些挑战和限制。首先，自适应控制算法对参数估计和模型预测的准确性要求较高，需要进行大量的模型建立和参数辨识工作。其次，自适应控制算法的实时性和稳定性也需要得到保证，以确保无人机飞行过程的稳定和安全性。

1 / 2 无人机飞行控制方法概述 2017-10-08 GaryLiu 于四川绵阳 无人机的飞行控制是无人机研究领域主要问题之一。在飞行过程中会受到各种干扰，如传感器的噪音与漂移、强风与乱气流、载重量变化及倾角过大引起的模型变动等等。这些都会严重影响飞行器的飞行品质，因此无人机的控制技术便显得尤为重要。传统的控制方法主要集中于姿态和高度的控制，除此之外还有一些用来控制速度、位置、航向、3D轨迹跟踪控制。多旋翼无人机的控制方法可以总结为以下三个主要的方面。 1. 线性飞行控制方法 常规的飞行器控制方法以及早期的对飞行器控制的尝试都是建立在线性飞行控制理论上的，这其中就有诸如PID、H∞、LQR以及增益调度法。 1) PID PID控制属于传统控制方法，是目前最成功、用的最广泛的控制方法之一。其控制方法简单，无需前期建模工作，参数物理意义明确，适用于飞行精度要求不高的控制。 2) H∞ H∞属于鲁棒控制的方法。经典的控制理论并不要求被控对象的精确数学模型来解决多输入多输出非线性系统问题。现代控制理论可以定量地解决多输入多输出非线性系统问题，但完全依赖于描述被控对象的动态特性的数学模型。鲁棒控制可以很好解决因干扰等因素引起的建模误差问题，但它的计算量非常大，依赖于高性能的处理器，同时，由于是频域设计方法，调参也相对困难。 3) LQR LQR是被运用来控制无人机的比较成功的方法之一，其对象是能用状态空间表达式表示的线性系统，目标函数是状态变量或控制变量的二次函数的积分。而且Matlab软件的使用为LQR的控制方法提供了良好的仿真条件，更为工程实现提供了便利。 4) 增益调度法 增益调度（Gain scheduling）即在系统运行时，调度变量的变化导致控制器的参数随着改变，根据调度变量使系统以不同的控制规律在不同的区域内运行，以解决系统非线性的问题。该算法由两大部分组成，第一部分主要完成事件驱动，实现参数调整。 如果系统的运行情况改变，则可通过该部分来识别并切换模态；第二部分为误差驱动，其控制功能由选定的模态来实现。该控制方法在旋翼无人机的垂直起降、定点悬停及路径跟踪等控制上有着优异的性能。 2. 基于学习的飞行控制方法 基于学习的飞行控制方法的特点就是无需了解飞行器的动力学模型，只要一些飞行试验和飞行数据。其中研究最热门的有模糊控制方法、基于人体学习的方法以及神经网络法。 1) 模糊控制方法（Fuzzy logic） 模糊控制是解决模型不确定性的方法之一，在模型未知的情况下来实现对无人机的控制。 2) 基于人体学习的方法（Human-based learning） 美国MIT的科研人员为了寻找能更好地控制小型无人飞行器的控制方法，从参加军事演习进行特技飞行的飞机中采集数据，分析飞行员对不同情况下飞机的操作，从而更好地理解无人机的输入序列和反馈机制。这种方法已经被运用到小型无人机的自主飞行中。 3) 神经网络法（Neural networks）