简介这份PDF是Randal W. Beard与Timothy W. McLain合著的英文教材面向无人机飞控、导航制导与状态估计方向的高年级本科生、研究生及MAV开发工程师帮助读者把小型无人机的理论推导与工程实践联系起来。包内仅1个PDF文件约4.89MB单本电子书便于检索、打印和离线阅读已有309人学习。全书从系统架构与设计模型切入依次讨论坐标系与旋转矩阵、运动学与刚体动力学、重力/气动/推进力与矩、线性设计模型再延伸到串级闭环自驾仪设计、MAV传感器、状态估计与制导设计模型各章配有设计项目便于读者将运动方程、传递函数和控制器设计对应到实际飞控问题形成从建模、估计到控制的完整知识框架。读者可据此搭建课程复习框架也可在飞控算法实现时查阅关键公式与设计流程。1. 小型无人机到底在“自动”什么从一架会自己拐弯的纸飞机说起小型无人机理论与实践最容易让人误会的地方是把“能飞”当成“会自己飞”。你手里拿遥控器让一架航模转弯那是人在飞小型固定翼无人机要沿着一条看不见的线走、在风里保持高度、自己从起点飞到目标点靠的是一套闭环。它像蒙着眼睛骑自行车传感器告诉它身体歪了多少控制器决定往哪边打舵舵面再改变力和力矩。搞懂这套逻辑你再看“无人机”三个字就不会只想到航拍而会想到一连串坐标、速度和反馈。这份资料真正想讲的也正是这条从物理到算法的链路。2. 为什么小型无人机不能靠“手感”飞系统架构与设计模型的由来很多人第一次接触小型无人机以为飞控就是“遥控器加舵机”。可固定翼一旦离地风在变、速度在变、姿态也在变人的反应速度根本追不上。你手里那根操纵杆延迟半秒可能只是“手感迟钝”到了空中半秒足够让机翼从平稳巡航变成侧滑掉高。小型无人机要自己飞就不能只靠飞手盯姿态而要把“感知—决策—执行”拆成一层层能实时运转的模块。系统架构存在的理由不是把简单问题复杂化而是把一个人来不及做的判断分给传感器、控制器和舵机去各司其职。2.1 感知、决策、执行三层架构像骑自行车小型无人机的系统架构最朴素的分法就是三块感知器、控制器、执行器。感知器负责“我现在是什么状态”比如姿态角、角速度、空速、高度、位置控制器负责“我接下来该怎么修正”比如副翼打多少、升降舵抬多少、油门加多少执行器负责“把命令变成力和力矩”也就是舵面偏转和电机或发动机推力。这个分法听起来像常识但它解决了一个很实际的问题每一层只处理自己擅长的事层与层之间用明确的信号连接出了问题才查得下去。你可以把它想成骑自行车。眼睛和内耳负责感知车身歪没歪大脑负责决定往哪边转把手臂负责真的把车把转过去。没有眼睛大脑不知道歪了没有手臂大脑想得再对也没用。小型无人机也一样传感器有噪声、有延迟控制器不能假设自己拿到的是“真值”舵机有响应速度限制控制器也不能给出它根本执行不了的指令。三层架构的价值是让每一层都知道自己的边界而不是把所有问题塞进一个“飞控黑匣子”里。为什么小型无人机特别需要这种分层因为它的载荷和算力都有限。小型固定翼的翼展大约在 5 到 10 英尺载荷常常只有十几到几十磅更小的微型飞行器翼展不到 5 英尺载荷可能只有几盎司到几磅。传感器不能想装多少装多少计算机也不能像地面服务器那样散热。分层之后姿态控制这种高频任务可以放在靠近硬件的循环里跑路径规划这种低频任务可以放在外层慢慢算。这样既省算力也方便把不同模块分开验证。否则一个模块改两行整架飞机的行为都跟着变调试起来就是血泪经验。2.2 设计模型不是图纸运动学、动力学与控制模型的分工“设计模型”这四个字很容易被误解成画外形、选材料、定尺寸。外形当然重要但在小型无人机的语境里设计模型更像是一套数学描述它要回答飞机在给定力和力矩下会怎么动传感器会读到什么控制器该根据什么做决定。资料里把设计模型拆成系统架构、运动学、动力学和控制系统几个方面这个拆法不是学术分类癖而是因为每一块回答的问题不一样。运动学描述“位置、速度、姿态之间怎么变”动力学描述“力和力矩怎么造成这种变化”控制系统则描述“我该怎么下指令才能让它按我想要的方式变”。为什么不能只靠一张图纸因为图纸只能告诉你形状不能告诉你飞起来稳不稳。两架外形相似的飞机重心前后差一点俯仰特性就可能完全不同舵面面积差一点滚转响应就可能从干脆变成拖泥带水。设计模型的意义是让这些“差一点”在计算机里先暴露出来。你可以在模型里改重心、改舵面、改推力看飞机是发散还是收敛再决定要不要改结构。它像给飞机做一次不用摔机的试飞虽然模型不会百分百准但总比直接上天试错便宜。模型还分层次。完整描述一架固定翼飞机的六自由度非线性模型很复杂状态多、耦合强直接拿它设计控制器并不方便。工程师通常会在配平点附近做线性化得到传递函数模型或线性状态空间模型再据此设计自动驾驶仪。这个做法不是偷懒而是因为控制设计需要看清主要矛盾短周期模态响应快长周期模态响应慢滚转和偏航又互相耦合。把非线性模型直接丢进控制器像用一把没有刻度的尺子量东西线性模型至少给了你一把局部有刻度的尺子。当然线性模型只在配平点附近可信飞得离配平点太远它就会翻车。2.3 为什么小型化会放大难题载荷、续航与算力小型无人机不是把大飞机按比例缩小那么简单。大飞机可以带大雷达、大计算机、大油箱小型无人机不行。小型固定翼通常靠燃油飞行续航可以到十小时量级载荷十几到几十磅微型飞行器靠电池手抛起飞、腹部着陆续航从二十来分钟到几个小时载荷只有几盎司到几磅。载荷一小传感器套件就得精简传感器一精简状态估计就更依赖模型和融合算力一受限控制循环就不能写得太重。这些限制会一层层往下传最后变成飞控设计里的硬约束。还有一个容易被忽略的点小飞机对风更敏感。大飞机遇到一阵风惯性大姿态变化相对缓慢小飞机质量小同样的阵风可能让它明显偏航或掉高。风不是“背景噪声”它会直接改变空速和地速的关系。固定翼靠空速产生升力导航又看地速风一吹两者就分家了。小型无人机要在这种条件下沿直线飞、绕圆飞控制器就不能只看位置误差还要估计风、估计侧偏、估计滚转姿态。载荷小、算力少、风扰动大这三件事叠在一起才是小型无人机自主飞行的真正难点。所以系统架构和设计模型不是“先搭个架子再说”的前置工作而是被小型化约束逼出来的选择。感知、决策、执行分层是为了让有限算力跑得动运动学、动力学、控制模型分工是为了让设计者知道每个偏差该去哪里找原因载荷、续航、算力约束则决定了哪些方案听起来漂亮但根本装不上。理解这一层再看后面的坐标系、力和力矩、线性模型就不会觉得它们是孤立知识点而会知道它们都在回答同一个问题一架小飞机怎么在风里自己稳住。3. 坐标系与运动学无人机怎么知道“我在哪、朝哪飞”小型无人机最容易让人绕晕的地方是“位置”这个词。任务层说“飞到那个点”说的是地面上的经纬度传感器说“加速度沿着机体轴”说的是飞机自己的前后左右气动老师说“升力垂直于气流”又换了一套参考方向。三句话都没错错的是把它们混在一套坐标里。坐标系不是为了增加难度而是因为不同问题本来就在不同“尺子”上发生。搞不清尺子速度、姿态、风的影响就会搅成一锅粥。3.1 地球坐标系、机体坐标系、气流坐标系三套尺子地球坐标系也叫惯性坐标系通常把地面当作不动用来描述飞机相对地面的位置、速度和航向。机体坐标系固定在飞机身上原点在重心前向、右向、下向各有一根轴传感器测量和舵面力矩大多在这套坐标里表达。气流坐标系则跟着相对风走升力和阻力在这套坐标里最自然。三套坐标解决三类问题任务在惯性系里下传感器在机体系里读气动力在气流系里算。你不必每次都从零推导但必须知道当前这句话是在哪套坐标里说的。| 坐标系 | 原点与轴 | 常见用途 | 容易搞错的地方 | | 地球/惯性坐标系 | 固定在地面描述相对地面的位置和航向 | 航点、航线、地速 | 把机体轴当成了地面方向 | | 机体坐标系 | 固定在飞机重心前向右向下 | 加速度计、陀螺仪、舵面力矩 | 忘了飞机姿态一变轴也跟着转 | | 气流坐标系 | 跟着相对风方向 | 升力、阻力、空速 | 把空速方向当成了机头方向 |三套坐标之间靠旋转矩阵转换。旋转矩阵听起来像线性代数作业其实它就是“把同一根箭头从一套尺子换到另一套尺子”的记账方式。比如机体前向速度是 10 米每秒机头偏航 30 度那这个速度在地面坐标系里的分量就不再是单纯的前向而是会分到东向和北向。下面这段代码只演示偏航旋转目的是让你看到“同一个速度在不同坐标系里分量不同”不是让你抄去飞真机。import numpy as np def rot_z(psi): 绕竖轴旋转的旋转矩阵psi 是偏航角单位弧度 c, s np.cos(psi), np.sin(psi) return np.array([[c, -s, 0], [s, c, 0], [0, 0, 1]]) def body_to_inertial(v_body, psi): 把机体坐标系下的速度向量转换到惯性坐标系 return rot_z(psi) v_body v_body np.array([10.0, 0.0, 0.0]) # 机体前向速度 10 m/s psi np.deg2rad(30) # 机头偏航 30 度 print(body_to_inertial(v_body, psi))这段代码里v_body是机体坐标系下的速度单位米每秒psi是偏航角单位弧度rot_z只包含绕竖轴的旋转完整变换还要叠上滚转和俯仰。输出结果告诉你机体前向 10 米每秒的速度在地面坐标系里会分成两个分量。实际飞控里旋转矩阵还要处理传感器安装偏差、姿态角顺序和单位统一。坐标系变换最怕单位不统一角度用度、角速度用弧度、速度用节最后一定会出错。提示坐标系变换先统一单位再谈公式。角度、角速度、速度单位混用是小型无人机调试里最常见的翻车点之一。3.2 空速、风速、地速风三角不是玄学固定翼靠相对空气运动产生升力所以它真正关心的是空速也就是飞机相对空气的速度。导航关心的是地速也就是飞机相对地面的速度。风则是空气相对地面的速度。三者构成一个三角形地速等于空速加风速。这个关系听起来简单但在实际飞行里非常关键。逆风飞空速够但地速慢航线进度会拖顺风飞地速快但空速可能不够失速风险反而上升。小型无人机载荷小、速度低风的影响会被放大风三角不是玄学是每天都要面对的现实。为什么容易混因为地面站上显示的位置变化直观上就是地速而飞控里用来判断升力的又是空速。你看到飞机“明明在往前飞”但那可能是风推着它走机翼并没有获得足够空速。反过来飞机顶着风原地不动空速可能已经很高。小型无人机做直线跟踪时控制器要同时处理“航线偏差”和“空速保持”不能只盯着一个地速数字。风估计得不准航线就会像喝醉一样左右摆空速控制得不好遇到阵风就可能掉高。风三角还解释了一个常见困惑为什么固定翼无人机转弯时不能像多旋翼那样说停就停。固定翼要保持空速才有升力转弯需要压坡度升力的水平分量提供向心力垂直分量减小所以要么带一点油门要么接受轻微掉高。多旋翼可以悬停固定翼不行。把空速、地速、风速分开看你就能理解固定翼的很多“脾气”它必须一直往前飞必须在风里找相对空气的速度必须用航向和坡度去换航线。它不是不想停是物理上停不下来。3.3 运动学与动力学描述“怎么动”和“为什么动”运动学研究位置、速度、姿态之间的几何关系不追问“力从哪里来”。飞机以 10 米每秒向前飞运动学只关心它一秒后位置怎么变、姿态角怎么转它不管这 10 米每秒是发动机推出来的还是从高处滑下来的。动力学则要问力和力矩重力往下拉升力往上托推力往前推阻力往后拽舵面偏转产生力矩力矩改变角速度角速度再改变姿态。运动学是“怎么动”动力学是“为什么动”。两者分开讲不是因为它们无关而是因为分开之后每一块都能被单独验证。这个区分在调试时特别有用。飞机航线跟不准可能是运动学层面的航向计算错了也可能是动力学层面的滚转响应太慢。你只改控制参数不一定能解决问题你先看姿态跟踪是否正常再看航向是否收敛最后看位置误差是否在缩小才能定位到是哪一层出了偏差。运动学模型通常比较“干净”因为它是几何关系动力学模型会脏得多因为气动力、推力、扰动都带非线性。小型无人机在配平点附近飞时动力学可以线性化一旦做大机动非线性就藏不住了。从工程角度看运动学和动力学的关系像导航和驾驶。导航告诉你“应该朝哪走”驾驶告诉你“车为什么能转过去”。导航算得再准方向盘响应太慢也白搭方向盘再灵导航目标错了也到不了。小型无人机的自动驾驶仪本质上就是让动力学响应跟得上运动学指令制导层给出航向、高度、空速目标控制层把这些目标翻译成舵面和油门状态估计层再把传感器读数变成可用的姿态和速度。三层咬合飞机才会沿着一条线稳稳地走。4. 力、力矩与线性模型为什么工程师总在“配平点”附近做文章固定翼飞机能飞不是因为它“有升力”这么一句口号而是因为在一组特定速度和姿态下升力、重力、推力、阻力刚好平衡力矩也刚好抵消。这个平衡状态叫配平。配平点附近的飞机像站在斜坡上的一颗球轻微扰动后还能回来离配平点太远非线性开始发威舵面效率、失速特性、耦合响应都变了。工程师总在配平点附近做文章不是保守而是因为控制设计需要一个可分析的起点。没有这个起点线性模型无从谈起调参也只能靠猜。4.1 四个力与三个力矩升力、重力、推力、阻力小型固定翼受到的力最核心的是四个重力向下升力垂直于相对气流推力沿发动机或电机方向阻力与相对运动方向相反。重力大小由质量决定方向永远向下升力和阻力随空速、迎角、舵面偏转变化推力随油门变化。飞机要平飞升力得托住重力推力得抵消阻力。飞机要爬升不是“抬头就行”而是推力、速度和姿态一起变。抬头太猛空速掉下来升力反而可能不够。很多新手以为拉杆就爬升结果拉到失速这就是只记住“力”没记住“力矩”的后果。力矩有三个方向滚转力矩绕机体纵轴俯仰力矩绕横轴偏航力矩绕竖轴。副翼主要产生滚转力矩升降舵主要产生俯仰力矩方向舵主要产生偏航力矩。力矩改变角速度角速度改变姿态姿态再改变力和速度。小型无人机的舵面小、惯性小力矩响应快但也更容易被阵风干扰。控制器要做的不是“没有力矩”而是“在需要的时候给出恰当的力矩并在扰动后把姿态拉回来”。这就是为什么飞控里既有姿态环又有角速率环角速率环反应快姿态环看得远。大气扰动也要算进力和力矩里。阵风会改变相对气流等于突然改变迎角和侧滑角小型无人机质量小同样的阵风造成的力矩变化更明显。飞控如果只按平静空气调参遇到风就会频繁修正航线像锯齿一样。好的设计会把风估计、空速测量和姿态控制放在一起考虑而不是把风当成“玄学扰动”。风是物理量只是它不在飞机身上而在空气里。4.2 配平与线性化把非线性曲线掰直配平就是找一组状态和操纵量让合力为零、合力矩为零。对固定翼来说配平条件通常包括速度稳定、航迹角稳定、姿态角稳定、油门和舵面稳定。找到配平点之后才能谈“小扰动”。线性化就是在配平点附近把非线性的力和力矩曲线用一条直线近似。好比你看一条弯曲的山路远处看是弯的但截取其中一小段它几乎就是直的。控制设计需要这条“局部直线”因为线性工具能告诉你系统稳不稳、响应快不快、余量够不够。为什么不能在全包线内用一个线性模型因为飞机在不同速度、不同高度、不同重量下配平点不一样气动导数也不一样。低速时舵面效率低高速时阻力大大迎角时非线性强。线性模型只在配平点附近可信飞得离它太远模型预测就会偏。工程师会做多个配平点或者用增益调度让控制器在不同飞行条件下切换参数。小型无人机如果任务简单可能只在巡航点附近设计如果要做大机动或宽速度范围就得多花功夫。线性模型还有降阶的说法。完整六自由度模型状态多但有些模态响应很慢有些模态响应很快控制设计时可以抓住主要模态。短周期模态主要影响俯仰快速响应长周期模态影响速度和高度缓慢变化滚转和偏航模态又各自有特点。把模型降阶不是忽略物理而是把注意力放在对任务影响最大的部分。就像你调自行车刹车不会同时研究每一个螺丝的振动而是先看刹车线和刹车皮。小型无人机控制也一样先抓住姿态和航向再处理更细的耦合。4.3 自动驾驶仪的分层闭环从姿态到航向自动驾驶仪不是一个大控制器而是一串嵌套的闭环。最内层通常是角速率环读陀螺仪快速抑制扰动外面是姿态环读姿态估计控制滚转和俯仰再外面是航向、高度、空速环把任务目标翻译成姿态目标最外层是制导和路径跟踪决定飞机该沿着哪条直线或圆弧飞。层与层之间要有带宽分离内环快外环慢否则两个环会互相打架。小型无人机算力有限分层还能让高频任务跑在短周期里低频任务跑在长周期里。下面这段伪代码只表达 PID 的基本结构不是完整飞控。setpoint是目标值measured是测量值dt是控制周期输出是舵量或力矩指令。实际使用还要限幅、抗积分饱和、处理微分噪声并且每个环的参数要分开调。小型无人机上积分项饱和是很常见的坑飞机长时间顶风飞行积分越积越大一旦风变小飞机就会猛回头。抗积分饱和不是可选项是必选项。class PID: def __init__(self, kp, ki, kd, dt): self.kp, self.ki, self.kd kp, ki, kd self.dt dt self.integral 0.0 self.prev_error 0.0 def update(self, setpoint, measured): error setpoint - measured self.integral error * self.dt derivative (error - self.prev_error) / self.dt self.prev_error error return self.kp * error self.ki * self.integral self.kd * derivative这段代码里kp决定响应快慢ki消除稳态误差kd抑制超调dt越小控制越频繁但对传感器噪声也越敏感。小型无人机上角速率环的dt通常比航向环小得多因为角速率变化快航向变化慢。调参时先内后外先让角速率环不振荡再让姿态环跟得上最后才调航向和高度。顺序反了外环会把内环的振荡当成真实误差越调越乱。这就是为什么自动驾驶仪要分层而不是一个大 PID 包打天下。5. 常见误区与易混概念无人机不是“会飞的相机”小型无人机这个词被用得太宽导致很多概念混在一起。有人把航模叫无人机有人把多旋翼的悬停当成固定翼也能做的事有人把传感器读数直接当成姿态真值。概念一混讨论就会变成鸡同鸭讲一个人说“无人机要规划路径”另一个人说“我推油门就飞了”。下面几条是初学者最容易踩坑的区分每一条都按“易混点—为什么混—怎么区分”说清楚。搞清这些边界再看资料里的系统架构、坐标系、动力学和状态估计就不会觉得它们是互不相干的章节。5.1 无人机 ≠ 航模自动控制与遥控的分界易混点是两者都能飞外形也像为什么一个叫航模一个叫无人机容易混是因为很多小型无人机平台确实由航模改装而来机翼、机身、舵机看起来差不多。但分界不在外形而在“谁在做闭环”。航模由飞手目视或第一视角遥控飞手负责判断姿态、修正偏差无人机则有飞控传感器读姿态控制器算舵量制导层跟踪航线。飞手可以完全不碰操纵杆飞机仍然能沿着航点飞。这个“自动”不是噱头它意味着系统要自己处理传感器噪声、风扰动、舵面饱和和状态估计误差。怎么区分看三个东西有没有状态估计有没有闭环控制有没有任务层制导。只有遥控接收机和舵机没有姿态估计那是航模有陀螺仪增稳但航向和高度仍靠人那算增稳航模能自己保持姿态、跟踪航线、处理返航才更接近自主无人机。小型无人机理论与实践里讲的“自动”不是让飞机自己决定一切而是让底层闭环把人的操作负担接过去。人负责任务飞机负责稳定和轨迹。这个边界不清就会把“能飞”误当成“能自主飞”。5.2 运动学 ≠ 动力学一个管“怎么动”一个管“为什么动”易混点是两个词都出现在“飞行动力学”这样的说法里听起来像同一件事。容易混是因为实际飞行中位置、速度、姿态和力同时变化你很难把几何关系和力的关系切开。但运动学只描述几何位置怎么随速度变姿态怎么随角速度变它不解释力从哪里来。动力学才解释力和力矩怎么造成加速度和角加速度。一个只告诉你“飞机一秒后到哪里”另一个告诉你“飞机为什么能到那里”。两者分开是为了让控制设计有层次先看轨迹是否合理再看姿态是否跟得上最后看力和力矩是否够用。怎么区分问一句“这句话里有没有力和力矩”。说“飞机以 10 米每秒向前飞5 秒后到达航点”这是运动学说“飞机要压 20 度坡度升力的水平分量提供向心力”这是动力学。调试时也一样航线偏差大先看制导和运动学姿态跟不上再看动力学和控制器。把运动学问题当动力学问题调容易越调越复杂把动力学问题当运动学问题改航点换得再勤也没用。5.3 坐标系 ≠ 地图坐标机体轴和经纬度不是一回事易混点是两者都叫“坐标”屏幕上又都能显示位置。容易混是因为地面站把经纬度画在地图上看起来就像飞机在“坐标”里飞。但地图坐标是位置的一种表达坐标系是描述方向和分量的数学框架。机体坐标系固定在飞机身上飞机一转轴也跟着转地球坐标系固定在地面用来描述航线气流坐标系跟着相对风用来算升力阻力。说“飞机在机体坐标系里的位置”其实很别扭因为机体坐标系原点就在飞机重心上更常见的说法是“速度在机体坐标系里的分量”。怎么区分看这句话在描述“位置”还是“方向分量”。经纬度、航点、地图上的点是位置表达前向速度、右向速度、下向速度是机体坐标系里的分量空速方向、迎角、侧滑角是气流坐标系里的量。坐标变换不是把经纬度换成另一个经纬度而是把同一根矢量从一套轴换到另一套轴。小型无人机上传感器装在机体上任务在惯性系里下气动力在气流系里算所以变换必须频繁做。单位、角度顺序、安装偏差任何一个错了后面全错。5.4 路径规划 ≠ 轨迹跟踪想走哪条路和走得稳不稳易混点是两个词都跟“航线”有关软件里又常常挨着放。容易混是因为用户看到的是“飞机沿着一条线飞”很难分清这条线是规划出来的还是控制出来的。路径规划负责“该走哪条路”从起点到目标点绕开障碍生成航点或曲线轨迹跟踪负责“怎么贴着这条路走”制导律给出航向或侧偏指令控制律让飞机实际响应。规划错了飞机可能绕远路跟踪错了飞机可能在这条路上左右摆。两者都会让航线看起来不对但原因完全不同。怎么区分看输出。路径规划的输出是几何路径比如一串航点、直线段、圆弧段、转弯半径轨迹跟踪的输出是姿态、航向、高度、空速指令。路径规划关心可飞性比如固定翼不能原地掉头转弯半径不能太小轨迹跟踪关心稳定性比如风来了怎么修正、侧偏怎么收敛。小型无人机做长距离巡检时先规划一条省电的路线再让制导层一段一段跟如果跟踪层不行规划再漂亮也飞得歪歪扭扭。反过来规划层给了一个不可飞的急转弯跟踪层再努力也会超调。5.5 状态估计 ≠ 传感器读数黑匣子里的融合易混点是传感器明明有数据为什么还要“估计”容易混是因为加速度计、陀螺仪、气压计、数字罗盘、卫星定位接收机都能直接输出数字看起来已经是状态了。但传感器有噪声、有漂移、有延迟还有安装误差。陀螺仪测角速度积分得到角度会漂加速度计测比力振动一大就噪声满天气压计测高度受天气和气流影响卫星定位接收机测位置更新频率又不一定够。状态估计要做的是把这些不完美的读数结合飞机动力学模型融合成更可信的姿态、速度、位置和风估计。怎么区分看输出是不是“直接测量”。陀螺仪输出角速度这是测量姿态角是估计因为它是积分和融合出来的。卫星定位输出位置这是测量地速和航向可能是融合结果。状态估计不是“多加一层软件”而是把传感器的短板补上。小型无人机载荷有限传感器便宜噪声和漂移更明显状态估计的重要性反而更高。卡尔曼滤波这类方法之所以常见是因为它能在模型预测和传感器测量之间做加权模型可信时多信模型测量可信时多信测量。调不好姿态就会抖调得太保守响应又会慢。状态估计是飞控里的黑匣子外面只看到姿态角里面其实一直在做权衡。6. 什么时候该用这套理论什么时候别硬套一个巡检场景的边界判断这套理论最适合的场景是小型固定翼在开阔空域做长距离、相对平稳的飞行任务。比如农田巡检、河道巡查、大面积测绘、灾后快速评估飞机需要沿直线或圆弧稳定飞行需要估计风、保持空速、跟踪航线还需要在起降段处理姿态和高度。这些任务里配平、线性化、状态估计、制导和路径跟踪都不是纸面概念而是每天都会用到的工具。小型固定翼的续航和巡航效率比多旋翼高载荷虽然有限但装一套轻量传感器做巡检足够。此时把系统架构分层、把坐标系统一、把控制环调稳收益很直接。反过来有些场景硬套这套理论就会别扭。室内狭窄空间、需要长时间悬停、近距离定点拍摄、复杂障碍物之间穿行这些任务更适合多旋翼或微型平台。固定翼不能悬停转弯需要半径低速时舵面效率下降风一大就更难稳定。你拿固定翼的配平模型去设计室内悬停控制器不是理论错了而是对象选错了。还有一种情况是任务非常短、预算非常低、操作者就在视距内手动飞这时上全套状态估计和路径规划成本可能比收益高。理论是工具不是信仰。| 场景 | 更适合的构型 | 理由 | 这套理论的使用程度 | | 大面积农田巡检 | 小型固定翼 | 巡航效率高、覆盖广 | 高配平、状态估计、路径跟踪都用得上 | | 室内狭窄空间 | 多旋翼或微型平台 | 可悬停、低速灵活 | 低固定翼模型不适用 | | 长距离河道巡查 | 小型固定翼 | 续航长、航线稳定 | 高风估计和直线跟踪是关键 | | 近距离定点拍摄 | 多旋翼 | 悬停稳定、操作直接 | 低重点在云台和低速控制 |判断边界时我习惯先问三个问题任务是长航时巡航还是近距离悬停空域是开阔还是狭窄团队有没有能力做状态估计和闭环调试如果三个答案都指向固定翼巡航那这份资料里的系统架构、坐标框架、运动学动力学、线性模型、自动驾驶、状态估计、制导与路径规划能串成一条完整的链路适合放在手边当参照。如果答案指向悬停或室内硬搬固定翼那套配平和小扰动线性化只会增加不必要的复杂度。从那以后我每次拿到一个无人机项目都先问这三个问题再决定要不要把整套方法搬上去。希望帮到你。本文还有配套的精品资源点击获取
简介这份PDF是Randal W. Beard与Timothy W. McLain合著的英文教材面向无人机飞控、导航制导与状态估计方向的高年级本科生、研究生及MAV开发工程师帮助读者把小型无人机的理论推导与工程实践联系起来。包内仅1个PDF文件约4.89MB单本电子书便于检索、打印和离线阅读已有309人学习。全书从系统架构与设计模型切入依次讨论坐标系与旋转矩阵、运动学与刚体动力学、重力/气动/推进力与矩、线性设计模型再延伸到串级闭环自驾仪设计、MAV传感器、状态估计与制导设计模型各章配有设计项目便于读者将运动方程、传递函数和控制器设计对应到实际飞控问题形成从建模、估计到控制的完整知识框架。读者可据此搭建课程复习框架也可在飞控算法实现时查阅关键公式与设计流程。1. 小型无人机到底在“自动”什么从一架会自己拐弯的纸飞机说起小型无人机理论与实践最容易让人误会的地方是把“能飞”当成“会自己飞”。你手里拿遥控器让一架航模转弯那是人在飞小型固定翼无人机要沿着一条看不见的线走、在风里保持高度、自己从起点飞到目标点靠的是一套闭环。它像蒙着眼睛骑自行车传感器告诉它身体歪了多少控制器决定往哪边打舵舵面再改变力和力矩。搞懂这套逻辑你再看“无人机”三个字就不会只想到航拍而会想到一连串坐标、速度和反馈。这份资料真正想讲的也正是这条从物理到算法的链路。2. 为什么小型无人机不能靠“手感”飞系统架构与设计模型的由来很多人第一次接触小型无人机以为飞控就是“遥控器加舵机”。可固定翼一旦离地风在变、速度在变、姿态也在变人的反应速度根本追不上。你手里那根操纵杆延迟半秒可能只是“手感迟钝”到了空中半秒足够让机翼从平稳巡航变成侧滑掉高。小型无人机要自己飞就不能只靠飞手盯姿态而要把“感知—决策—执行”拆成一层层能实时运转的模块。系统架构存在的理由不是把简单问题复杂化而是把一个人来不及做的判断分给传感器、控制器和舵机去各司其职。2.1 感知、决策、执行三层架构像骑自行车小型无人机的系统架构最朴素的分法就是三块感知器、控制器、执行器。感知器负责“我现在是什么状态”比如姿态角、角速度、空速、高度、位置控制器负责“我接下来该怎么修正”比如副翼打多少、升降舵抬多少、油门加多少执行器负责“把命令变成力和力矩”也就是舵面偏转和电机或发动机推力。这个分法听起来像常识但它解决了一个很实际的问题每一层只处理自己擅长的事层与层之间用明确的信号连接出了问题才查得下去。你可以把它想成骑自行车。眼睛和内耳负责感知车身歪没歪大脑负责决定往哪边转把手臂负责真的把车把转过去。没有眼睛大脑不知道歪了没有手臂大脑想得再对也没用。小型无人机也一样传感器有噪声、有延迟控制器不能假设自己拿到的是“真值”舵机有响应速度限制控制器也不能给出它根本执行不了的指令。三层架构的价值是让每一层都知道自己的边界而不是把所有问题塞进一个“飞控黑匣子”里。为什么小型无人机特别需要这种分层因为它的载荷和算力都有限。小型固定翼的翼展大约在 5 到 10 英尺载荷常常只有十几到几十磅更小的微型飞行器翼展不到 5 英尺载荷可能只有几盎司到几磅。传感器不能想装多少装多少计算机也不能像地面服务器那样散热。分层之后姿态控制这种高频任务可以放在靠近硬件的循环里跑路径规划这种低频任务可以放在外层慢慢算。这样既省算力也方便把不同模块分开验证。否则一个模块改两行整架飞机的行为都跟着变调试起来就是血泪经验。2.2 设计模型不是图纸运动学、动力学与控制模型的分工“设计模型”这四个字很容易被误解成画外形、选材料、定尺寸。外形当然重要但在小型无人机的语境里设计模型更像是一套数学描述它要回答飞机在给定力和力矩下会怎么动传感器会读到什么控制器该根据什么做决定。资料里把设计模型拆成系统架构、运动学、动力学和控制系统几个方面这个拆法不是学术分类癖而是因为每一块回答的问题不一样。运动学描述“位置、速度、姿态之间怎么变”动力学描述“力和力矩怎么造成这种变化”控制系统则描述“我该怎么下指令才能让它按我想要的方式变”。为什么不能只靠一张图纸因为图纸只能告诉你形状不能告诉你飞起来稳不稳。两架外形相似的飞机重心前后差一点俯仰特性就可能完全不同舵面面积差一点滚转响应就可能从干脆变成拖泥带水。设计模型的意义是让这些“差一点”在计算机里先暴露出来。你可以在模型里改重心、改舵面、改推力看飞机是发散还是收敛再决定要不要改结构。它像给飞机做一次不用摔机的试飞虽然模型不会百分百准但总比直接上天试错便宜。模型还分层次。完整描述一架固定翼飞机的六自由度非线性模型很复杂状态多、耦合强直接拿它设计控制器并不方便。工程师通常会在配平点附近做线性化得到传递函数模型或线性状态空间模型再据此设计自动驾驶仪。这个做法不是偷懒而是因为控制设计需要看清主要矛盾短周期模态响应快长周期模态响应慢滚转和偏航又互相耦合。把非线性模型直接丢进控制器像用一把没有刻度的尺子量东西线性模型至少给了你一把局部有刻度的尺子。当然线性模型只在配平点附近可信飞得离配平点太远它就会翻车。2.3 为什么小型化会放大难题载荷、续航与算力小型无人机不是把大飞机按比例缩小那么简单。大飞机可以带大雷达、大计算机、大油箱小型无人机不行。小型固定翼通常靠燃油飞行续航可以到十小时量级载荷十几到几十磅微型飞行器靠电池手抛起飞、腹部着陆续航从二十来分钟到几个小时载荷只有几盎司到几磅。载荷一小传感器套件就得精简传感器一精简状态估计就更依赖模型和融合算力一受限控制循环就不能写得太重。这些限制会一层层往下传最后变成飞控设计里的硬约束。还有一个容易被忽略的点小飞机对风更敏感。大飞机遇到一阵风惯性大姿态变化相对缓慢小飞机质量小同样的阵风可能让它明显偏航或掉高。风不是“背景噪声”它会直接改变空速和地速的关系。固定翼靠空速产生升力导航又看地速风一吹两者就分家了。小型无人机要在这种条件下沿直线飞、绕圆飞控制器就不能只看位置误差还要估计风、估计侧偏、估计滚转姿态。载荷小、算力少、风扰动大这三件事叠在一起才是小型无人机自主飞行的真正难点。所以系统架构和设计模型不是“先搭个架子再说”的前置工作而是被小型化约束逼出来的选择。感知、决策、执行分层是为了让有限算力跑得动运动学、动力学、控制模型分工是为了让设计者知道每个偏差该去哪里找原因载荷、续航、算力约束则决定了哪些方案听起来漂亮但根本装不上。理解这一层再看后面的坐标系、力和力矩、线性模型就不会觉得它们是孤立知识点而会知道它们都在回答同一个问题一架小飞机怎么在风里自己稳住。3. 坐标系与运动学无人机怎么知道“我在哪、朝哪飞”小型无人机最容易让人绕晕的地方是“位置”这个词。任务层说“飞到那个点”说的是地面上的经纬度传感器说“加速度沿着机体轴”说的是飞机自己的前后左右气动老师说“升力垂直于气流”又换了一套参考方向。三句话都没错错的是把它们混在一套坐标里。坐标系不是为了增加难度而是因为不同问题本来就在不同“尺子”上发生。搞不清尺子速度、姿态、风的影响就会搅成一锅粥。3.1 地球坐标系、机体坐标系、气流坐标系三套尺子地球坐标系也叫惯性坐标系通常把地面当作不动用来描述飞机相对地面的位置、速度和航向。机体坐标系固定在飞机身上原点在重心前向、右向、下向各有一根轴传感器测量和舵面力矩大多在这套坐标里表达。气流坐标系则跟着相对风走升力和阻力在这套坐标里最自然。三套坐标解决三类问题任务在惯性系里下传感器在机体系里读气动力在气流系里算。你不必每次都从零推导但必须知道当前这句话是在哪套坐标里说的。| 坐标系 | 原点与轴 | 常见用途 | 容易搞错的地方 | | 地球/惯性坐标系 | 固定在地面描述相对地面的位置和航向 | 航点、航线、地速 | 把机体轴当成了地面方向 | | 机体坐标系 | 固定在飞机重心前向右向下 | 加速度计、陀螺仪、舵面力矩 | 忘了飞机姿态一变轴也跟着转 | | 气流坐标系 | 跟着相对风方向 | 升力、阻力、空速 | 把空速方向当成了机头方向 |三套坐标之间靠旋转矩阵转换。旋转矩阵听起来像线性代数作业其实它就是“把同一根箭头从一套尺子换到另一套尺子”的记账方式。比如机体前向速度是 10 米每秒机头偏航 30 度那这个速度在地面坐标系里的分量就不再是单纯的前向而是会分到东向和北向。下面这段代码只演示偏航旋转目的是让你看到“同一个速度在不同坐标系里分量不同”不是让你抄去飞真机。import numpy as np def rot_z(psi): 绕竖轴旋转的旋转矩阵psi 是偏航角单位弧度 c, s np.cos(psi), np.sin(psi) return np.array([[c, -s, 0], [s, c, 0], [0, 0, 1]]) def body_to_inertial(v_body, psi): 把机体坐标系下的速度向量转换到惯性坐标系 return rot_z(psi) v_body v_body np.array([10.0, 0.0, 0.0]) # 机体前向速度 10 m/s psi np.deg2rad(30) # 机头偏航 30 度 print(body_to_inertial(v_body, psi))这段代码里v_body是机体坐标系下的速度单位米每秒psi是偏航角单位弧度rot_z只包含绕竖轴的旋转完整变换还要叠上滚转和俯仰。输出结果告诉你机体前向 10 米每秒的速度在地面坐标系里会分成两个分量。实际飞控里旋转矩阵还要处理传感器安装偏差、姿态角顺序和单位统一。坐标系变换最怕单位不统一角度用度、角速度用弧度、速度用节最后一定会出错。提示坐标系变换先统一单位再谈公式。角度、角速度、速度单位混用是小型无人机调试里最常见的翻车点之一。3.2 空速、风速、地速风三角不是玄学固定翼靠相对空气运动产生升力所以它真正关心的是空速也就是飞机相对空气的速度。导航关心的是地速也就是飞机相对地面的速度。风则是空气相对地面的速度。三者构成一个三角形地速等于空速加风速。这个关系听起来简单但在实际飞行里非常关键。逆风飞空速够但地速慢航线进度会拖顺风飞地速快但空速可能不够失速风险反而上升。小型无人机载荷小、速度低风的影响会被放大风三角不是玄学是每天都要面对的现实。为什么容易混因为地面站上显示的位置变化直观上就是地速而飞控里用来判断升力的又是空速。你看到飞机“明明在往前飞”但那可能是风推着它走机翼并没有获得足够空速。反过来飞机顶着风原地不动空速可能已经很高。小型无人机做直线跟踪时控制器要同时处理“航线偏差”和“空速保持”不能只盯着一个地速数字。风估计得不准航线就会像喝醉一样左右摆空速控制得不好遇到阵风就可能掉高。风三角还解释了一个常见困惑为什么固定翼无人机转弯时不能像多旋翼那样说停就停。固定翼要保持空速才有升力转弯需要压坡度升力的水平分量提供向心力垂直分量减小所以要么带一点油门要么接受轻微掉高。多旋翼可以悬停固定翼不行。把空速、地速、风速分开看你就能理解固定翼的很多“脾气”它必须一直往前飞必须在风里找相对空气的速度必须用航向和坡度去换航线。它不是不想停是物理上停不下来。3.3 运动学与动力学描述“怎么动”和“为什么动”运动学研究位置、速度、姿态之间的几何关系不追问“力从哪里来”。飞机以 10 米每秒向前飞运动学只关心它一秒后位置怎么变、姿态角怎么转它不管这 10 米每秒是发动机推出来的还是从高处滑下来的。动力学则要问力和力矩重力往下拉升力往上托推力往前推阻力往后拽舵面偏转产生力矩力矩改变角速度角速度再改变姿态。运动学是“怎么动”动力学是“为什么动”。两者分开讲不是因为它们无关而是因为分开之后每一块都能被单独验证。这个区分在调试时特别有用。飞机航线跟不准可能是运动学层面的航向计算错了也可能是动力学层面的滚转响应太慢。你只改控制参数不一定能解决问题你先看姿态跟踪是否正常再看航向是否收敛最后看位置误差是否在缩小才能定位到是哪一层出了偏差。运动学模型通常比较“干净”因为它是几何关系动力学模型会脏得多因为气动力、推力、扰动都带非线性。小型无人机在配平点附近飞时动力学可以线性化一旦做大机动非线性就藏不住了。从工程角度看运动学和动力学的关系像导航和驾驶。导航告诉你“应该朝哪走”驾驶告诉你“车为什么能转过去”。导航算得再准方向盘响应太慢也白搭方向盘再灵导航目标错了也到不了。小型无人机的自动驾驶仪本质上就是让动力学响应跟得上运动学指令制导层给出航向、高度、空速目标控制层把这些目标翻译成舵面和油门状态估计层再把传感器读数变成可用的姿态和速度。三层咬合飞机才会沿着一条线稳稳地走。4. 力、力矩与线性模型为什么工程师总在“配平点”附近做文章固定翼飞机能飞不是因为它“有升力”这么一句口号而是因为在一组特定速度和姿态下升力、重力、推力、阻力刚好平衡力矩也刚好抵消。这个平衡状态叫配平。配平点附近的飞机像站在斜坡上的一颗球轻微扰动后还能回来离配平点太远非线性开始发威舵面效率、失速特性、耦合响应都变了。工程师总在配平点附近做文章不是保守而是因为控制设计需要一个可分析的起点。没有这个起点线性模型无从谈起调参也只能靠猜。4.1 四个力与三个力矩升力、重力、推力、阻力小型固定翼受到的力最核心的是四个重力向下升力垂直于相对气流推力沿发动机或电机方向阻力与相对运动方向相反。重力大小由质量决定方向永远向下升力和阻力随空速、迎角、舵面偏转变化推力随油门变化。飞机要平飞升力得托住重力推力得抵消阻力。飞机要爬升不是“抬头就行”而是推力、速度和姿态一起变。抬头太猛空速掉下来升力反而可能不够。很多新手以为拉杆就爬升结果拉到失速这就是只记住“力”没记住“力矩”的后果。力矩有三个方向滚转力矩绕机体纵轴俯仰力矩绕横轴偏航力矩绕竖轴。副翼主要产生滚转力矩升降舵主要产生俯仰力矩方向舵主要产生偏航力矩。力矩改变角速度角速度改变姿态姿态再改变力和速度。小型无人机的舵面小、惯性小力矩响应快但也更容易被阵风干扰。控制器要做的不是“没有力矩”而是“在需要的时候给出恰当的力矩并在扰动后把姿态拉回来”。这就是为什么飞控里既有姿态环又有角速率环角速率环反应快姿态环看得远。大气扰动也要算进力和力矩里。阵风会改变相对气流等于突然改变迎角和侧滑角小型无人机质量小同样的阵风造成的力矩变化更明显。飞控如果只按平静空气调参遇到风就会频繁修正航线像锯齿一样。好的设计会把风估计、空速测量和姿态控制放在一起考虑而不是把风当成“玄学扰动”。风是物理量只是它不在飞机身上而在空气里。4.2 配平与线性化把非线性曲线掰直配平就是找一组状态和操纵量让合力为零、合力矩为零。对固定翼来说配平条件通常包括速度稳定、航迹角稳定、姿态角稳定、油门和舵面稳定。找到配平点之后才能谈“小扰动”。线性化就是在配平点附近把非线性的力和力矩曲线用一条直线近似。好比你看一条弯曲的山路远处看是弯的但截取其中一小段它几乎就是直的。控制设计需要这条“局部直线”因为线性工具能告诉你系统稳不稳、响应快不快、余量够不够。为什么不能在全包线内用一个线性模型因为飞机在不同速度、不同高度、不同重量下配平点不一样气动导数也不一样。低速时舵面效率低高速时阻力大大迎角时非线性强。线性模型只在配平点附近可信飞得离它太远模型预测就会偏。工程师会做多个配平点或者用增益调度让控制器在不同飞行条件下切换参数。小型无人机如果任务简单可能只在巡航点附近设计如果要做大机动或宽速度范围就得多花功夫。线性模型还有降阶的说法。完整六自由度模型状态多但有些模态响应很慢有些模态响应很快控制设计时可以抓住主要模态。短周期模态主要影响俯仰快速响应长周期模态影响速度和高度缓慢变化滚转和偏航模态又各自有特点。把模型降阶不是忽略物理而是把注意力放在对任务影响最大的部分。就像你调自行车刹车不会同时研究每一个螺丝的振动而是先看刹车线和刹车皮。小型无人机控制也一样先抓住姿态和航向再处理更细的耦合。4.3 自动驾驶仪的分层闭环从姿态到航向自动驾驶仪不是一个大控制器而是一串嵌套的闭环。最内层通常是角速率环读陀螺仪快速抑制扰动外面是姿态环读姿态估计控制滚转和俯仰再外面是航向、高度、空速环把任务目标翻译成姿态目标最外层是制导和路径跟踪决定飞机该沿着哪条直线或圆弧飞。层与层之间要有带宽分离内环快外环慢否则两个环会互相打架。小型无人机算力有限分层还能让高频任务跑在短周期里低频任务跑在长周期里。下面这段伪代码只表达 PID 的基本结构不是完整飞控。setpoint是目标值measured是测量值dt是控制周期输出是舵量或力矩指令。实际使用还要限幅、抗积分饱和、处理微分噪声并且每个环的参数要分开调。小型无人机上积分项饱和是很常见的坑飞机长时间顶风飞行积分越积越大一旦风变小飞机就会猛回头。抗积分饱和不是可选项是必选项。class PID: def __init__(self, kp, ki, kd, dt): self.kp, self.ki, self.kd kp, ki, kd self.dt dt self.integral 0.0 self.prev_error 0.0 def update(self, setpoint, measured): error setpoint - measured self.integral error * self.dt derivative (error - self.prev_error) / self.dt self.prev_error error return self.kp * error self.ki * self.integral self.kd * derivative这段代码里kp决定响应快慢ki消除稳态误差kd抑制超调dt越小控制越频繁但对传感器噪声也越敏感。小型无人机上角速率环的dt通常比航向环小得多因为角速率变化快航向变化慢。调参时先内后外先让角速率环不振荡再让姿态环跟得上最后才调航向和高度。顺序反了外环会把内环的振荡当成真实误差越调越乱。这就是为什么自动驾驶仪要分层而不是一个大 PID 包打天下。5. 常见误区与易混概念无人机不是“会飞的相机”小型无人机这个词被用得太宽导致很多概念混在一起。有人把航模叫无人机有人把多旋翼的悬停当成固定翼也能做的事有人把传感器读数直接当成姿态真值。概念一混讨论就会变成鸡同鸭讲一个人说“无人机要规划路径”另一个人说“我推油门就飞了”。下面几条是初学者最容易踩坑的区分每一条都按“易混点—为什么混—怎么区分”说清楚。搞清这些边界再看资料里的系统架构、坐标系、动力学和状态估计就不会觉得它们是互不相干的章节。5.1 无人机 ≠ 航模自动控制与遥控的分界易混点是两者都能飞外形也像为什么一个叫航模一个叫无人机容易混是因为很多小型无人机平台确实由航模改装而来机翼、机身、舵机看起来差不多。但分界不在外形而在“谁在做闭环”。航模由飞手目视或第一视角遥控飞手负责判断姿态、修正偏差无人机则有飞控传感器读姿态控制器算舵量制导层跟踪航线。飞手可以完全不碰操纵杆飞机仍然能沿着航点飞。这个“自动”不是噱头它意味着系统要自己处理传感器噪声、风扰动、舵面饱和和状态估计误差。怎么区分看三个东西有没有状态估计有没有闭环控制有没有任务层制导。只有遥控接收机和舵机没有姿态估计那是航模有陀螺仪增稳但航向和高度仍靠人那算增稳航模能自己保持姿态、跟踪航线、处理返航才更接近自主无人机。小型无人机理论与实践里讲的“自动”不是让飞机自己决定一切而是让底层闭环把人的操作负担接过去。人负责任务飞机负责稳定和轨迹。这个边界不清就会把“能飞”误当成“能自主飞”。5.2 运动学 ≠ 动力学一个管“怎么动”一个管“为什么动”易混点是两个词都出现在“飞行动力学”这样的说法里听起来像同一件事。容易混是因为实际飞行中位置、速度、姿态和力同时变化你很难把几何关系和力的关系切开。但运动学只描述几何位置怎么随速度变姿态怎么随角速度变它不解释力从哪里来。动力学才解释力和力矩怎么造成加速度和角加速度。一个只告诉你“飞机一秒后到哪里”另一个告诉你“飞机为什么能到那里”。两者分开是为了让控制设计有层次先看轨迹是否合理再看姿态是否跟得上最后看力和力矩是否够用。怎么区分问一句“这句话里有没有力和力矩”。说“飞机以 10 米每秒向前飞5 秒后到达航点”这是运动学说“飞机要压 20 度坡度升力的水平分量提供向心力”这是动力学。调试时也一样航线偏差大先看制导和运动学姿态跟不上再看动力学和控制器。把运动学问题当动力学问题调容易越调越复杂把动力学问题当运动学问题改航点换得再勤也没用。5.3 坐标系 ≠ 地图坐标机体轴和经纬度不是一回事易混点是两者都叫“坐标”屏幕上又都能显示位置。容易混是因为地面站把经纬度画在地图上看起来就像飞机在“坐标”里飞。但地图坐标是位置的一种表达坐标系是描述方向和分量的数学框架。机体坐标系固定在飞机身上飞机一转轴也跟着转地球坐标系固定在地面用来描述航线气流坐标系跟着相对风用来算升力阻力。说“飞机在机体坐标系里的位置”其实很别扭因为机体坐标系原点就在飞机重心上更常见的说法是“速度在机体坐标系里的分量”。怎么区分看这句话在描述“位置”还是“方向分量”。经纬度、航点、地图上的点是位置表达前向速度、右向速度、下向速度是机体坐标系里的分量空速方向、迎角、侧滑角是气流坐标系里的量。坐标变换不是把经纬度换成另一个经纬度而是把同一根矢量从一套轴换到另一套轴。小型无人机上传感器装在机体上任务在惯性系里下气动力在气流系里算所以变换必须频繁做。单位、角度顺序、安装偏差任何一个错了后面全错。5.4 路径规划 ≠ 轨迹跟踪想走哪条路和走得稳不稳易混点是两个词都跟“航线”有关软件里又常常挨着放。容易混是因为用户看到的是“飞机沿着一条线飞”很难分清这条线是规划出来的还是控制出来的。路径规划负责“该走哪条路”从起点到目标点绕开障碍生成航点或曲线轨迹跟踪负责“怎么贴着这条路走”制导律给出航向或侧偏指令控制律让飞机实际响应。规划错了飞机可能绕远路跟踪错了飞机可能在这条路上左右摆。两者都会让航线看起来不对但原因完全不同。怎么区分看输出。路径规划的输出是几何路径比如一串航点、直线段、圆弧段、转弯半径轨迹跟踪的输出是姿态、航向、高度、空速指令。路径规划关心可飞性比如固定翼不能原地掉头转弯半径不能太小轨迹跟踪关心稳定性比如风来了怎么修正、侧偏怎么收敛。小型无人机做长距离巡检时先规划一条省电的路线再让制导层一段一段跟如果跟踪层不行规划再漂亮也飞得歪歪扭扭。反过来规划层给了一个不可飞的急转弯跟踪层再努力也会超调。5.5 状态估计 ≠ 传感器读数黑匣子里的融合易混点是传感器明明有数据为什么还要“估计”容易混是因为加速度计、陀螺仪、气压计、数字罗盘、卫星定位接收机都能直接输出数字看起来已经是状态了。但传感器有噪声、有漂移、有延迟还有安装误差。陀螺仪测角速度积分得到角度会漂加速度计测比力振动一大就噪声满天气压计测高度受天气和气流影响卫星定位接收机测位置更新频率又不一定够。状态估计要做的是把这些不完美的读数结合飞机动力学模型融合成更可信的姿态、速度、位置和风估计。怎么区分看输出是不是“直接测量”。陀螺仪输出角速度这是测量姿态角是估计因为它是积分和融合出来的。卫星定位输出位置这是测量地速和航向可能是融合结果。状态估计不是“多加一层软件”而是把传感器的短板补上。小型无人机载荷有限传感器便宜噪声和漂移更明显状态估计的重要性反而更高。卡尔曼滤波这类方法之所以常见是因为它能在模型预测和传感器测量之间做加权模型可信时多信模型测量可信时多信测量。调不好姿态就会抖调得太保守响应又会慢。状态估计是飞控里的黑匣子外面只看到姿态角里面其实一直在做权衡。6. 什么时候该用这套理论什么时候别硬套一个巡检场景的边界判断这套理论最适合的场景是小型固定翼在开阔空域做长距离、相对平稳的飞行任务。比如农田巡检、河道巡查、大面积测绘、灾后快速评估飞机需要沿直线或圆弧稳定飞行需要估计风、保持空速、跟踪航线还需要在起降段处理姿态和高度。这些任务里配平、线性化、状态估计、制导和路径跟踪都不是纸面概念而是每天都会用到的工具。小型固定翼的续航和巡航效率比多旋翼高载荷虽然有限但装一套轻量传感器做巡检足够。此时把系统架构分层、把坐标系统一、把控制环调稳收益很直接。反过来有些场景硬套这套理论就会别扭。室内狭窄空间、需要长时间悬停、近距离定点拍摄、复杂障碍物之间穿行这些任务更适合多旋翼或微型平台。固定翼不能悬停转弯需要半径低速时舵面效率下降风一大就更难稳定。你拿固定翼的配平模型去设计室内悬停控制器不是理论错了而是对象选错了。还有一种情况是任务非常短、预算非常低、操作者就在视距内手动飞这时上全套状态估计和路径规划成本可能比收益高。理论是工具不是信仰。| 场景 | 更适合的构型 | 理由 | 这套理论的使用程度 | | 大面积农田巡检 | 小型固定翼 | 巡航效率高、覆盖广 | 高配平、状态估计、路径跟踪都用得上 | | 室内狭窄空间 | 多旋翼或微型平台 | 可悬停、低速灵活 | 低固定翼模型不适用 | | 长距离河道巡查 | 小型固定翼 | 续航长、航线稳定 | 高风估计和直线跟踪是关键 | | 近距离定点拍摄 | 多旋翼 | 悬停稳定、操作直接 | 低重点在云台和低速控制 |判断边界时我习惯先问三个问题任务是长航时巡航还是近距离悬停空域是开阔还是狭窄团队有没有能力做状态估计和闭环调试如果三个答案都指向固定翼巡航那这份资料里的系统架构、坐标框架、运动学动力学、线性模型、自动驾驶、状态估计、制导与路径规划能串成一条完整的链路适合放在手边当参照。如果答案指向悬停或室内硬搬固定翼那套配平和小扰动线性化只会增加不必要的复杂度。从那以后我每次拿到一个无人机项目都先问这三个问题再决定要不要把整套方法搬上去。希望帮到你。本文还有配套的精品资源点击获取
