四旋翼飞行器在复杂环境下的精准控制一直是技术难点。本文提出了一种基于模型预测控制（MPC）的实时轨迹跟踪方法。通过动态降阶和反馈线性化，将复杂的非线性系统转化为线性系统，成功在嵌入式硬件上实现了高效计算。这一方案不仅降低了计算负载，还显著提升了飞行器的轨迹跟踪性能。
智能速览
采用分层控制架构分离低级电机、中级姿态和高级轨迹控制。
通过动态缩减和反馈线性化，将非线性系统简化为相对阶为三的线性系统。
设计低复杂度的MPC算法，解决了嵌入式硬件算力限制问题。
实验验证了系统在起飞、悬停及“8字形”轨迹跟踪上的有效性。
无需区分悬停、平移等不同飞行状态，通用性更强。
精华内容
面对嵌入式硬件算力限制，如何利用模型预测控制实现四旋翼的高性能轨迹跟踪？通过巧妙地将复杂的非线性动力学模型简化，并构建反馈等效的线性系统，找到了在有限计算资源下实现实时控制的可行路径。
动力学建模简化
四旋翼的完整非线性模型包含电机-旋翼、姿态动力和平移运动，各子系统响应时间差异巨大。电机响应最快，姿态次之，位置最慢。
利用这种天然的时间尺度分离，设计分层控制架构：低层负责电机推力，中层负责姿态动力学，高层负责位置控制。这种结构避免了在每一控制循环中处理复杂的全系统动力学，为后续简化奠定基础。
反馈线性化设计
利用姿态动力学的高增益特性，将姿态视为理想受控状态，忽略其具体动态细节以降低阶数。
通过引入新输入变量对推力进行动态扩展，并结合反馈线性化技术，原本复杂的非线性方程被成功转化。这一过程构建了一个相对阶为三的线性系统，将难以处理的非线性控制问题转化为标准的线性控制问题。
算法验证与实测
在获得的线性系统上应用模型预测控制（MPC），优化未来一段时间的控制输入以跟踪轨迹。
由于去除了非线性约束，算法计算量大幅降低，满足实时性要求。实验结果显示，该方案能稳定控制四旋翼完成自主起飞、定点悬停及复杂的“8字形”轨迹跟踪，位置跟踪精度优于速度跟踪。
该研究通过创新的模型简化策略，成功将高性能的模型预测控制引入四旋翼飞行器的实时应用中。这不仅解决了算力瓶颈，也为无人机在复杂环境下的自主飞行提供了新的技术思路。未来，随着硬件性能的进一步提升，这种控制策略有望在更多高动态任务中发挥关键作用。
