四旋翼无人机飞行控制算法-基于H∞的鲁棒控制器如何设计

一不基于模型

用PID。有个问题，那就是虽然不用考虑饱和（因为不基于模型，那么饱和环节可以看作被控对象的一部分），但需要考虑过饱和。

二基于模型或输入输出数据（系统辨识）

PID和H无穷都可以。而且其实三阶以上系统，H无穷的参数空间是大于PID 的。

乍一看，H无穷的优化指标确定了，被控对象的模型确定了，控制器的结构也确定了（一般是个线性时不变的K），没有什么需要调的了啊（其实也有可调的，比如weight）？但其实在这个时候，重要的一环是被控对象模型的确定，其实有很多trick。不论是建模还是辨识，确定参数的误差准则怎么选？模型不确定性如何刻画？干扰如何刻画？等等。

在这一点上，有点像卡尔曼滤波，初看起来，对于一个问题，直接套公式就可以了，没有什么需要调的了（当然也可以调weight等）。但实际却是，Q、R、初值的确定有很多trick。而这里的Q、R不就是对干扰的刻画吗，初值不就是对被控对象的刻画么。

其实PID 也一样，初看起来，如果PID的调参方法或优化指标确定了，被控对

象的模型确定了，也就没有什么需要调的了啊？问题的核心也是在于模型与干扰的确定。当然，优化指标的选取本身也是个大问题。

这里再插一句，其实滤波（确切地说，是最小方差状态估计）跟控制（确切地说，是输出反馈的最小方差控制）是同一个问题（当然严谨地说，是对偶问题）。因此，两者在设计跟分析方面，都可以互通有无。

三基于模型或输入输出数据，用H无穷准则调PID

简单地说，就是控制器的结构不是一般的线性时不变的K，而是个PID（其实参数空间比K小了）。之后按照H无穷准则求取。

另外，对于以上二、三来说，饱和问题同样存在。但很多时候是被忽略了，因为一考虑饱和，整个系统就是非线性的了，就不存在传递函数了。也有很多trick 可以处理这个问题。

话说回来，很多时候，如果对模型跟干扰无法较满意地刻画，那其实还不如用不基于模型的PID。

优势、劣势的话。PID可以不基于模型，是优势；但如果模型与干扰刻画较准确，那H无穷可以做得比PID更鲁棒（比如H无穷可以最优全频段干扰抑制的最差值，当然也有其它的H无穷），是优势。

再插一句，跟最优一样，鲁棒的含义也很多。不能在一般意义下说谁更优，而只能在某个优化指标下说谁更优；同样，不能在一般意义下说谁更鲁棒，而只能在某个优化指标下说谁更鲁棒。