企业官网建设流程全解析

简介：本资源是一套面向控制工程与无人机方向初学者及进阶学习者的Matlab/Simulink实践项目，聚焦四旋翼飞行器动力学建模与PID控制器设计，解决无人系统建模仿真与基础闭环控制的核心问题。压缩包共含多个Simulink模型文件（.slx）、MATLAB脚本（.m）及参数配置说明文档，涵盖牛顿-欧拉运动方程建模、旋翼升力/扭矩计算、欧拉角姿态转换、六自由度动力学模块搭建，以及高度/姿态双环PID控制器设计与参数整定过程，便于读者理解非线性耦合系统的简化建模思路与经典控制应用逻辑。资源大小为841KB，结构紧凑、模块清晰，所有模型均支持直接仿真运行与参数调试。目前已有620人学习下载，适合高校课程设计、毕业设计前期验证及自主无人机控制入门实践，可快速掌握从物理建模到控制器实现的完整技术链路。 先说明一下：这次要写的内容，是很多做飞控、做课程设计、做毕设的朋友绕不开的一个题目——用 MATLAB/Simulink 给四旋翼做动力学建模，再套上 PID 控制器，跑通“从电机转速到位置姿态”的完整仿真链路。我从最早照着教材抄模型、一仿真就发散，到现在能把模型结构、控制参数、仿真配置一次性理顺，中间踩了不少坑，这篇就把完整流程、核心公式、模块搭建方式、调参过程和常见报错一次性讲透。

这篇内容适合三类人看：一是刚接触四旋翼仿真、不知道从哪下手的学生；二是已经搭好模型但控制不稳定、想系统性调 PID 的人；三是想快速验证新控制算法、拿 Simulink 当试验床的开发者。你能从这里得到的不是一段演示代码，而是一套可复现的建模与控制框架。

1. 为什么要在 Simulink 里搭四旋翼动力学模型

1.1 三种建模方式的对比和选型依据

四旋翼的动力学建模，常见路子有三条：纯手写微分方程用 MATLAB 脚本跑仿真、用 Simscape Multibody 搭多体模型、用 Simulink 基础模块手搭六自由度模型。我三种都试过，说下真实感受。

纯脚本方式，比如用 ode45 解状态方程，优点是代码紧凑、完全可控，缺点是可视化差，控制器结构稍复杂一点，代码维护成本就上来了。而且 PID 控制器的试凑过程让人抓狂，改一个参数要重新跑一遍脚本，看不到实时曲线变化，交互性太差。Simscape Multibody 则正好相反，三维可视化很强，可以直观看到机体姿态变化，但它更适合做机械结构验证，对数学模型和控制算法的“透明度”不如手搭模型。加上它引入的求解器复杂度和运行开销都不小，特别当你想把控制律细节看得很清楚时，模型内部逻辑反而是模糊的。

相比之下，用 Simulink 基础模块手搭动力学模型，是最平衡的方案。你可以把牛顿-欧拉方程一个个模块地搭出来，每个积分器、每个增益都有明确的物理含义；PID 控制器可以直接用现成的 PID Controller 模块，也可以自己搭成比例、积分、微分三路，想改哪一路就改哪一路；更关键的是，整个模型天然支持信号跟踪，方便把控制量、姿态角、位置曲线一次性拉出来分析。这也是为什么绝大多数教材和飞控开源项目都选择这种形式。

1.2 建模前必须理清的几个基础概念

四旋翼动力学建模，本质就是在描述“力怎么让机体加速、力矩怎么让机体转动”。这句话听起来简单，但里面藏着三个容易翻车的概念点。

第一个是参考坐标系。四旋翼的位置和速度通常在地面系（导航系）里描述，而推力和气动力在机体系里描述，两者之间要靠姿态角转换。很多人建模失败，不是方程错了，而是坐标系混了——比如把机体坐标系下的推力直接加到地面系运动方程里。

第二个是姿态描述方式。最常用的是欧拉角（横滚、俯仰、偏航），它直观、好理解，但存在万向节锁问题。四旋翼仿真里，只要你不是刻意做剧烈翻滚到 90 度的机动，欧拉角就够用。建模时用机体角速度作为状态量，通过旋转矩阵跟欧拉角速率互转，这一步关系必须理清。

第三个是电机模型。很多入门教程把电机转速直接当成输入，忽略了电机响应是一个一阶惯性环节。实际项目中，如果电机响应延迟没建模，控制器参数可能在仿真里看着没问题，一上真机就振荡发散。所以在 Simulink 模型里，我习惯在控制分配之后、动力学模型之前，加一个一阶惯性环节来模拟电机和执行机构的响应延迟。

这三个点理清了，后面搭模型基本就是“体力活”而不是“烧脑活”。

2. 四旋翼动力学建模的完整推导与 Simulink 实现

2.1 坐标系定义和运动变量

先说坐标系。地面坐标系 E 固定在地面，X 指北、Y 指东、Z 向下，注意这里如果用 Z 向上，后面重力符号很容易写错，我一般直接统一成 Z 向上，重力加速度取负。机体坐标系 B 固连在机体上，原点在质心，X 指向机头，Y 指向右翼，Z 指向下（右手定则），这样角速度正方向跟右手定则一致，后面写力矩方程不容易乱。

四旋翼的状态变量一般取 12 个：地面系位置 P_e = [x, y, z]、地面系速度 V_e = [u, v, w]、机体角速度 ω_b = [p, q, r]、欧拉角 Θ = [φ, θ, ψ]。为什么不用地面系角速度而用机体角速度？因为转动惯量和力矩方程在机体坐标系下最简洁，惯量矩阵是对角阵，不用做复杂的坐标变换。

欧拉角和机体角速度的关系公式是：

• φ_dot = p + q * sin(φ) * tan(θ) + r * cos(φ) * tan(θ)
• θ_dot = q * cos(φ) - r * sin(φ)
• ψ_dot = q * sin(φ) / cos(θ) + r * cos(φ) / cos(θ)

这个关系式看着复杂，但在 Simulink 里实现很简单，用一个 MATLAB Function 或 Fcn 模块就能搞定。需要注意俯仰角接近 90 度时，tan 会发散，这也是欧拉角描述方式的固有缺陷。

2.2 力与力矩方程

接下来是核心的动力学方程。四旋翼受到的力主要有三个：重力、四个旋翼产生的总推力、空气阻力。在机体坐标系下，总推力总是沿 Z 轴负方向（因为旋翼向上拉，机体被向上提），而重力在地面系表达最方便。

把线运动方程写在地面系下会更直观：

• m * ddot(P_e) = [0, 0, -m * g] + R_be * [0, 0, -T_sum]

其中 R_be 是从机体坐标系到地面坐标系的旋转矩阵，T_sum 是四个旋翼升力之和。升力公式是 T_i = k * w_i^2，k 是升力系数，w_i 是旋翼转速。空气阻力项可以加一个与速度成正比的阻尼力：F_drag = -k_d * V_e，如果不加也可以，但加上之后模型更接近真实飞行。

角运动方程用牛顿-欧拉方程，在机体坐标系下表达：

• I * ω_dot + ω × (I * ω) = M

其中 I = diag(Jx, Jy, Jz)，M 是合外力矩。展开后得到三个角加速度方程：

• p_dot = (Jy - Jz) * q * r / Jx + M_x / Jx
• q_dot = (Jz - Jx) * p * r / Jy + M_y / Jy
• r_dot = (Jx - Jy) * p * q / Jz + M_z / Jz

合外力矩来自四个方面：横滚力矩由 2 号和 4 号电机转速差产生，俯仰力矩由 1 号和 3 号电机转速差产生，偏航力矩由两组对转旋翼的反扭矩差产生；此外还有旋翼陀螺效应，但小尺寸四旋翼在一般飞行条件下可以忽略，先不加。

2.3 Simulink 模型的具体搭建方式

搭模型的时候，我推荐按“输入-状态更新-输出”的思路拆分。模型的输入是四个电机的转速指令（四个标量），内部经过升力和力矩计算，得到机体坐标系下的总力和总力矩，再经过旋转矩阵和欧拉方程，更新位置和姿态状态。输出则是 12 个状态量，供控制器使用。

具体模块安排可以参考下面的方式：

• 输入层：四个 Inport 模块，接收控制器给出的转速指令 w1、w2、w3、w4。
• 力/力矩计算层：用 Gain 模块做平方运算（w^2），然后用 Constant 模块配置升力系数、力臂长度、反扭矩系数，通过 Sum 模块把力和力矩合成。
• 线运动方程层：矩阵相乘模块（Matrix Multiply）做旋转矩阵乘推力向量，得到地面系下推力分量，再跟重力向量求和，除以质量得到加速度，经过两组 Integrator 得到速度和位置。
• 角运动方程层：用 Fcn 模块或者 MATLAB Function 写入 p_dot、q_dot、r_dot 表达式，经 Integrator 得到角速度，再通过欧拉角速率关系更新欧拉角。
• 输出层：用 Mux 或 Bus Creator 把位置、速度、姿态、角速度打包输出，方便控制器取用。

这里有个特别要提醒的点：旋转矩阵模块不要自己手推一堆三角函数模块，容易错还不直观。建议直接用 MATLAB Function 写一个函数，输入是欧拉角，输出是旋转矩阵，这样代码可读性好，复查也方便。类似的，欧拉角速率的计算也建议集中写在一个函数里。

3. 串级 PID 控制器设计与参数整定

3.1 为什么是串级而不是单级

四旋翼的控制目标通常是跟踪期望位置和期望偏航角。如果只用一个 PID 直接输出电机转速，等于让控制器同时面对位置误差、姿态误差、角速度误差三个层面的问题，参数极难整定，鲁棒性也很差。

串级控制的思路是：外环位置控制器算出期望姿态角（主要是横滚和俯仰），内环姿态控制器跟踪这个期望姿态角。而更稳妥的做法是三层嵌套——最外环位置环输出期望速度，速度环输出期望姿态角，姿态环内部又分角度环和角速度环。不过为了平衡复杂度和可调性，四旋翼仿真里最常用的是“位置外环 + 姿态内外环”串级结构，这里我把姿态环拆成外环角度、内环角速度两层。

内外环带宽要有明显差距。简单理解就是：内环要响应得比外环快得多，一般内环带宽是外环的 5 到 10 倍，否则外环给一个姿态指令，内环半天追不上，整个闭环就会振荡甚至发散。具体到参数上，角速度环的 P 通常比角度环的 P 大一个数量级，位置环的 P 又要比角度环小很多。

3.2 PID 参数初值与整定顺序

整定顺序我强烈建议从最内层开始，一层一层往外调。因为外层依赖内层收敛，如果内环没整好，外环参数再漂亮也白搭。

最内层是角速度环。给一个恒定角速度期望值，比如期望横滚角速度 1 rad/s，看实际角速度的响应曲线，先调 P 让响应快速跟上，再调 D 抑制超调，最后如果需要消除稳态误差，加少量 I。角速度环的 I 一般不用太大，因为角速度环的稳态误差通常不明显，I 加多了反而容易引起低频振荡。

角度环在角速度环稳定后可调。期望角度给一个阶跃，比如横滚角从 0 到 0.1 rad（约 5.7 度），观察角度响应曲线。P 太大容易让角速度指令饱和，P 太小响应太慢，D 用于增加阻尼。位置环最后调，同样从 P 开始。

我给出一个经过实测的初始参数参考表（注意是仿真用，单位统一为国际单位）：

这套参数不是万能药，但作为初值基本都能稳定，之后按实际情况微调。

3.3 控制分配：从期望力和力矩到电机转速

PID 控制器输出的是总推力、横滚力矩、俯仰力矩、偏航力矩四个量，但实际执行机构是四个电机的转速，所以必须做控制分配。

四旋翼的分配矩阵很简单。假设电机 1 在前、电机 2 在右、电机 3 在后、电机 4 在左（顺时针编号），力臂为 L，升力系数为 k，反扭矩系数为 k_m，那么四个期望量跟四个转速平方的关系是：

• T_total = k * (w1^2 + w2^2 + w3^2 + w4^2)
• M_x = k * L * (w2^2 - w4^2)
• M_y = k * L * (w3^2 - w1^2)
• M_z = k_m * (w1^2 - w2^2 + w3^2 - w4^2)

这个方程组可以写成矩阵形式，然后用矩阵求逆直接得到四个转速平方。Simulink 里用 Gain 模块配合 Matrix Divide 就能实现，或者直接手算逆矩阵写成四个线性表达式。注意计算出的转速平方要开方并限幅，确保在电机可执行范围内。

4. Simulink 模型实现与仿真实战

4.1 推荐的文件结构与初始化脚本

仿真项目我也建议保持清晰的文件组织，不要把所有东西都塞在一个 slx 文件里。我的习惯是三个文件：init_params.m 存放所有物理参数和控制参数，main_model.slx 存放仿真模型，plot_results.m 负责绘图分析。

init_params.m 里面定义以下参数，Simulink 模型里的所有 Gain、Constant 都引用工作区变量：

• 质量 m = 1.2 kg（典型 450 级四旋翼）
• 重力加速度 g = 9.81 m/s^2
• 力臂 L = 0.3 m
• 升力系数 k = 1.5e-5 N/(rad/s)^2
• 反扭矩系数 k_m = 3e-6 N·m/(rad/s)^2
• 转动惯量 Jx = Jy = 0.015 kg·m^2，Jz = 0.025 kg·m^2
• 电机响应时间常数 tau_motor = 0.02 s
• 悬停转速 w_hover = sqrt(m * g / (4 * k))

这样做的最大好处是，调整参数不用打开 Simulink 模型一个个找模块，改一行脚本重新运行就行。我见过不少同学把参数硬编码在模型里，最后想批量调参只能手动改几十个模块，效率非常低。

4.2 仿真配置和激励信号设计

求解器选择这个细节，很多人不注意，但它对仿真稳定性影响很大。四旋翼动力学是一个刚性问题，因为电机响应时间常数为 0.02 秒，而位置响应的特征时间可能是几秒，跨越多个时间尺度。我推荐使用变步长求解器 ode45（默认），相对误差设为 1e-5 或更小，最大步长限制在 0.01 秒以内。如果固定步长，比如用 ode4，步长至少要取 0.001 秒才够稳，但这样仿真速度会明显下降。

仿真激励信号建议分阶段设计。先从悬停开始验证模型正确性，期望位置设为原地悬停，期望偏航角为 0，初始姿态角全部设为 0，观察四旋翼是否能保持稳定。模型正确的前提下，即使控制参数不是最优，也应该能维持在一个小范围内振荡，而不是瞬间发散。稳定后，再给定一个高度阶跃，从 0 米上升到 1 米，观察高度响应曲线；最后加一个水平位置阶跃，比如期望 x 从 0 变为 2 米，观察整个位置跟踪的动态过程。

期望信号在 Simulink 里可以用 Step 模块，但更推荐用 Signal Builder 或者 From Workspace 模块加自定义时间序列，因为可以方便地设置多段阶梯信号，比如 0-5 秒悬停、5-10 秒上升、10-20 秒平移，一次仿真把所有控制性能看个遍。

4.3 实操调参记录：我从发散到稳定的全过程

这里分享一下我最开始调参数的完整记录，这对新手参考价值很大。

第一轮仿真，我直接用了教材上的参数，结果模型 2 秒内就发散，位置和姿态曲线直接飞掉。检查发现原因有两个：一是初始欧拉角设成了角度制单位，而控制器内部用弧度制，导致初始误差看起来巨大，控制器输出饱和；二是角速度环 D 参数为 0，姿态环阻尼不足，一旦出现微小扰动就被放大。

把单位问题修正后，第二轮仿真模型没有发散，但出现了持续振荡，横滚角在 ±0.3 rad 之间来回震荡。这是典型的比例增益过大、微分增益不足。我把角度环 P 从 8 降到 4，同时把 D 从 0 加到 0.4，振荡幅度明显收敛。第三轮仿真的问题是高度始终有约 0.1 米的稳态误差，这是因为位置环缺少积分作用，旋翼升力又跟转速平方成正比，微小偏差无法消除。给位置环 Z 加了 I = 0.05 之后，稳态误差基本消失，但出现了轻微的超调，接着适当增加 D 到 0.8，超调被压住了。

这轮调参下来，我得出的体会是：参数整定不是一次到位的，每次改参数只看一个指标的变化，不要同时动多组参数，否则你根本不知道是哪个改动起了作用。建议每次只改一个参数，跑完记录下曲线，再改下一个，虽然慢，但你能真正建立“参数-响应”的直觉。

5. 常见问题与排查技巧实录

5.1 一仿真就发散？先查这五个地方

四旋翼仿真发散的原因就那么几类，排查顺序也很固定：

首先查单位。欧拉角是不是弧度？位置是不是米？速度是不是米每秒？角度和弧度混用是最常见也最隐蔽的错误，如果控制器里一个是角度输出、一个是弧度输出，运算结果会完全乱套。

其次查电机转速初始化。模型启动瞬间，电机转速应该初始化为悬停转速附近的平衡值，如果初始转速设为 0，控制器一启动就会输出巨大的转速指令去补偿重力，很容易让仿真发散或数值溢出。

然后查控制极性。PID 输出的正负方向跟电机转速增减方向是否一致？比如横滚力矩应该让左侧电机加速、右侧电机减速，如果方向反了，控制器会把姿态误差越拉越大，形成正反馈，这种发散速度极快，很容易误判成模型问题。

接着查积分饱和。PID 的积分项如果无限累积，实际输出早就超过电机限幅了，恢复过程会非常慢，看起来像失控。解决方法是给积分项和输出都加饱和限幅。

最后查代数环。Simulink 里如果出现信号环回，也就是从输出又直接返回输入，没有经过任何延迟模块，求解器会报代数环错误或计算缓慢。解决办法是在反馈路径上插入一个 Memory 模块或单位延迟，打破代数循环。这个在飞控仿真里特别常见，因为控制器天然就是有反馈的回路，读者如果看到仿真速度突然变慢或者报错，优先检查这块。

5.2 模型稳定但实际飞行不行？模型保真度问题

有一种情况是仿真里 PID 参数调得漂漂亮亮，但放在真机上完全不工作。这里我要强调：仿真模型的保真度决定了参数迁移的效果。最容易导致“仿真能飞、真机炸机”的模型假设有三条。

一是忽略了电机延迟。如果模型里电机转速瞬间响应，控制器参数容易调得偏激进，真机上电机需要几十毫秒才能跟上指令，直接导致高频振荡。建模时务必加上电机一阶惯性环节。

二是忽略了测量噪声和采样延迟。真机上的陀螺仪和加速度计都有噪声，姿态估计还有延迟，如果仿真模型里反馈信号是完美干净的，控制器的微分项就会非常敏感，实际中会把噪声放大。建议在反馈信号上叠加一个小的高斯白噪声，再测试控制器的鲁棒性。

三是忽略了执行机构饱和。电机转速有上下限，控制分配后给出的转速指令如果超过上限，实际输出会卡在限幅值上，形成非线性特性，而这正是很多控制器“仿真时好、真机发散”的根源。在仿真里也要加上饱和模块。

5.3 调参效率低？用脚本批量扫描参数

手动试凑参数虽然能积累经验，但效率确实低。我的做法是先用 init_params.m 定义参数，再用 sim 命令在脚本里跑仿真，配合 for 循环批量扫描参数组合。比如我想看 P 从 1 到 10 的效果，就写一个循环，每次修改参数、运行 sim、提取输出曲线，再把多条曲线画在一张图上对比。一次扫描几十组参数，运行时间可能只要几分钟，比手动点仿真快多了。

批量扫描还能帮你画出参数-性能的响应面。比如把横滚角速度环的 P 作为横轴、角度环的 P 作为纵轴，用超调量和调节时间作为颜色，就能直观看出稳定区域在哪里。这个思路虽然朴素，但在模型结构不同、参数耦合明显的四旋翼系统里非常实用，能大幅减少盲目调参的时间。

6. 让模型更接近真实工程的一些扩展思路

6.1 加入传感器模型和噪声

如果目标是做控制算法验证，而不是纯理论仿真，建议在模型反馈路径上加入传感器仿真。陀螺仪输出角速度但是带有零偏和噪声，加速度计输出比力而不是纯加速度，磁力计易受干扰，GPS 更新率低且有延迟。这些在 Simulink 里都有现成模块，或者用 Random Number 模块加噪声、用 Transport Delay 模块加延迟，改造工作量不大，但模型的理论参考价值会高很多。

控制端也可以做数字控制器离散化。早期在连续域里调好的 PID，实际飞控里都是离散执行的，仿真时把 PID Controller 模块的采样时间设成跟真实飞控一致（比如 250 Hz 甚至 1000 Hz），看控制性能会不会恶化。如果性能退化明显，就需要在离散域重新整定参数。

6.2 从 PID 扩展到更现代的控制器

PID 调通之后，如果想继续深入，可以在这个模型上做很多扩展。比如把位置环的 PID 改成 LQR 或 MPC，姿态内环保留 PID 做快速响应；也可以加前馈控制，用期望加速度前馈补偿重力，减小外环的负担；还可以加抗风扰动模块，用随机风场作为外部干扰，测试控制器的鲁棒性。

这些扩展最大的优势在于：底层的动力学模型不用动，只改控制器层的模块即可。这也是我在 Simulink 里搭建模型而不是写死脚本的最大原因——后期迭代极其方便。对于做科研的同学，这个模型可以一路支撑从 PID 到滑模控制、模型预测控制的全部仿真需求。

6.3 和硬件在环仿真的衔接

最后提一个容易被忽视的点：Simulink 四旋翼模型的另一个重要用途是硬件在环（HIL）仿真。把动力学模型编译成可执行代码，跑在实时仿真机上，飞控板通过真实接口跟仿真机通信，就能在不插桨、不飞真机的前提下测试整个飞控代码。这一步对开发流程的价值极大，很多团队在代码上机前都要先过一遍 HIL。

从模型到 HIL，关键是把模型离散化、固定步长化，并且处理好接口信号的类型和时间戳。这里不展开，但你在建模型时如果从一开始就把输入输出接口定义清楚，后续迁移到 HIL 会比从头改模型省非常多的力气。

最后分享一个让我少走弯路的小习惯：每次仿真前，我都会先跑一遍 init_params.m，然后用 whos 检查工作区变量是否齐全，再快速看一眼模型的初始状态和电机初始转速。这个十几秒的习惯，帮我提前发现过单位错误、参数缺失、初始状态不合理等大量低级问题，至少省下了几十个小时的 debug 时间。做四旋翼仿真，模型结构本身不复杂，复杂的是细节，把每一个可能埋坑的地方提前排掉，后面的路会顺畅得多。

本文还有配套的精品资源，点击获取