无人机抗风扰控制：PID与LQR混合策略实践

1. 无人机高度控制的核心挑战

在无人机飞行控制系统中，高度稳定性是最基础也是最重要的控制目标之一。特别是在户外环境中，风扰成为影响飞行品质的主要干扰源。当无人机在10米高度悬停时，即使遇到3-4级风（风速约5.5-7.9m/s），也会产生明显的上下波动，这种波动如果处理不当，轻则影响拍摄质量，重则可能导致坠机事故。

传统PID控制器在无风环境下表现良好，但在风扰条件下会出现两个典型问题：一是积分项累积导致超调增大，二是高频振荡难以抑制。而LQR（线性二次型调节器）作为现代控制理论中的经典方法，通过状态反馈和优化指标设计，能够更好地处理系统扰动。但LQR对模型精度要求较高，在实际应用中往往需要与其他控制策略配合使用。

2. 控制算法原理与实现

2.1 PID控制器设计要点

对于一维高度控制，我们采用位置式PID算法，其离散形式为：

matlab复制% 位置式PID算法核心代码
error = target_height - current_height;
integral = integral + error * dt;
derivative = (error - last_error) / dt;
output = Kp*error + Ki*integral + Kd*derivative;
last_error = error;

参数整定需要特别注意：

• 比例系数Kp：决定系统响应速度，但过大会引起振荡。建议初始值设为无人机质量(kg)×0.6
• 积分系数Ki：消除稳态误差，但风扰下容易积分饱和。应设置为Kp的1/10~1/5
• 微分系数Kd：抑制超调，但会放大噪声。通常取Kp的1/3~1/2

实际调试中发现：在突风条件下，加入微分项的限幅处理（如限制最大微分输出为总输出的20%）能有效防止执行器抖动。

2.2 LQR控制器设计过程

LQR设计包含以下关键步骤：

1. 状态空间建模：

   math复制\dot{x} = Ax + Bu
   

   对于高度控制系统，状态变量通常选择：

   code复制x = [高度; 垂直速度; 加速度]
   

2. 权重矩阵选择：

   • Q矩阵惩罚状态偏差，通常对角元素取[1,