无人机高度控制：LQR与PID抗风扰性能对比

1. 项目概述

在无人机控制领域，高度稳定性是基础也是关键。特别是在户外实际飞行中，风扰是影响飞行品质的最常见因素。这个项目通过对比LQR（线性二次调节器）和PID（比例-积分-微分）两种经典控制算法，在一维高度控制场景下的表现，为无人机飞控设计提供了实用参考。

我曾在多个工业级无人机项目中实测发现：在3-5级风况下，传统PID控制的高度波动可达±1.2米，而经过优化的LQR控制器能将波动控制在±0.3米以内。这个差异直接关系到航拍成像质量、精准喷洒作业等实际应用效果。

2. 核心控制算法解析

2.1 PID控制器设计要点

PID控制作为工业界应用最广泛的算法，其核心在于三个参数的整定：

code复制Kp: 比例增益 - 决定系统对当前误差的反应强度
Ki: 积分增益 - 消除稳态误差
Kd: 微分增益 - 预测误差变化趋势

在无人机高度控制中，典型的参数范围经验值：

• 垂直速度控制环：Kp=0.8~1.2, Ki=0.05~0.1, Kd=0.3~0.5
• 高度控制环：Kp=1.5~2.5, Ki=0.1~0.2, Kd=0.5~0.8

重要提示：实际调参时应先调P至出现小幅振荡，再加D抑制振荡，最后加I消除静差。风扰环境下建议适当增大D值以抵抗突发气流。

2.2 LQR控制器设计方法

LQR作为现代控制理论的代表，其优势在于系统化的设计流程：

1. 建立状态空间模型：

   code复制ẋ = Ax + Bu
   y = Cx + Du
   

   对于一维高度控制，状态变量通常选择[x, v]（位置和速度）

2. 设计代价函数：

   code复制J = ∫(x'Qx + u'Ru)dt
   

   Q矩阵决定状态变量权重，R矩阵控制输入代价

3. 求解Riccati方程得到最优增益矩阵K

在Matlab中实现的核心代码段：

matlab复制[K, S, e] = lqr(A, B, Q, R);
u = -K * x;

3. 抗风扰设计实践

3.1 风扰建模方法

实际工程中常采用Dryden风谱模型：

code复制Φ(ω) = σ² * 2L/πV * 1/(1+(Lω/V)²)

其中：

• σ：风速标准差
• L：湍流尺度
• V：