企业官网建设流程全解析

1. 从一次炸机说起：飞控算法到底在管什么

很多人第一次接触无人机，注意力都在电机、桨叶、机架上，觉得这些看得见摸得着的东西才是核心。我当年也这么想，直到第一次试飞自组的四轴，起飞不到三秒就侧翻炸机，桨叶断了一地。那次之后我才真正意识到，让一架多旋翼能稳稳悬停在空中的，不是那几个转得飞快的电机，而是藏在飞控板里、每秒运算几百上千次的那套算法。

飞控算法，说白了就是无人机的大脑决策逻辑。它要干的事情可以拆成一条闭环链路：传感器告诉飞控“现在姿态是什么样”，飞控算法算出“离我想要的目标姿态差多少”，然后解算出每个电机该给多少油门，最后通过电调驱动电机。这条链路每秒要跑几百到几千轮，任何一环慢了或者算错了，飞机就会抖、会漂、会翻。

这篇文章我想把飞控算法这条链路从头到尾拆开讲清楚。适合两类人看：一类是刚上手 Pixhawk 这类开源飞控、想搞明白参数背后含义的飞友；另一类是自己写飞控、做硬件在环仿真或者路径规划，需要理解底层控制逻辑的开发者。我不会只丢公式，而是把每个环节“为什么这么设计”“实际调的时候会踩什么坑”讲透。看完你至少能明白：为什么你的飞机悬停会画圈、为什么定高会掉高、为什么自动航线会切弯切得离谱。

2. 姿态解算：飞控算法的第一道地基

2.1 传感器给的数据为什么不能直接用

飞控板上通常有加速度计和陀螺仪，高端点的还有磁力计和气压计。加速度计测的是比力，静止时能反映重力方向，从而知道“哪边是下”；陀螺仪测的是角速度，积分之后能得到角度变化。听起来两者都能算姿态，但单独用都不行。

加速度计的问题是对振动和线性加速度极其敏感。电机一转，机架高频振动直接混进加速度信号里，算出来的姿态全是噪声。而且飞机一旦加速往前飞，加速度计会把“向前加速”误判成“机身倾斜”，姿态就错了。陀螺仪的问题正好相反：它短期响应快、不受振动影响，但积分会累积漂移，时间一长角度就慢慢偏了，飞着飞着飞机就以为自己是斜的。

所以工程上的标准做法是互补滤波或者卡尔曼滤波，把两者的优点捏在一起。互补滤波的思路很直白：高频段信陀螺仪，低频段信加速度计。用一个简单的公式表达就是：

// 互补滤波伪代码 angle = 0.98 * (angle + gyro_rate * dt) + 0.02 * accel_angle;

那个 0.98 和 0.02 就是权重系数，意思是“我更相信陀螺仪的短期变化，但长期慢慢往加速度计修正”。这个系数不是随便拍的，它对应一个时间常数，决定了修正的快慢。系数太偏向陀螺仪，漂移修正不过来；太偏向加速度计，振动噪声全进来了。

2.2 卡尔曼滤波到底比互补滤波强在哪

互补滤波够用，但它是“手工调权重”，没有严格的数学最优性。卡尔曼滤波则是在统计意义上做最优估计：它同时建模了过程噪声（陀螺仪漂移、模型误差）和观测噪声（加速度计噪声），然后根据两者的置信度动态分配权重。

实际飞控里用得最多的是扩展卡尔曼滤波（EKF），因为姿态动力学是非线性的。Pixhawk 的 EKF2 就是典型代表，它不只估姿态，还把位置、速度、陀螺仪零偏、加速度计零偏、磁力计偏置、甚至风速都塞进状态向量里一起估。状态维度能到二十多维，运算量不小，所以早期飞控跑不动，得靠专门的浮点运算单元。

这里有个很多人忽略的点：EKF 的调参比互补滤波难得多。互补滤波你调一个系数就行，EKF 要调过程噪声协方差矩阵 Q 和观测噪声协方差矩阵 R。Q 调大了，滤波器更信观测，响应快但噪声大；Q 调小了，更信模型，平滑但滞后。我见过不少人直接抄别人的 Q/R 参数，结果换一套机架、换一批桨叶就完全不对了，因为振动特性变了，观测噪声的统计特性也变了。

实操心得：如果你只是飞着玩，互补滤波完全够，调参直观。如果你要做自动航线、视觉定位、载重飞行，老老实实上 EKF，并且一定要用飞控自带的传感器校准流程把零偏和尺度因子标定准，否则 EKF 再强也救不回来。

2.3 磁力计和气压计：偏航与高度的定海神针

加速度计和陀螺仪能定俯仰和横滚，但偏航角（机头朝向）它们定不了，因为重力方向对偏航不敏感。这时候需要磁力计提供地磁北向参考。磁力计最怕的是电机电流产生的磁场干扰，所以外置 GPS/罗盘模块通常要架高，远离动力线。校准的时候要远离铁磁物体，做完整的椭球拟合校准，把硬铁和软铁偏差都消掉。

气压计负责定高。它测的是大气压，换算成高度。问题是气压随天气变化，而且桨叶旋转会在机身周围产生低压区，导致气压读数偏低。所以定高算法里通常要做气压基线动态估计，把缓慢变化的天气因素和快速的桨叶扰动分开。Pixhawk 里有个EKF2_HGT_MODE参数，可以选择用气压计、GPS、测距仪还是视觉来定高，多传感器融合的时候优先级和权重都要配好。

3. 控制律：从“想要什么姿态”到“电机转多快”

3.1 串级 PID 为什么是标配

姿态解算出来的是“当前姿态”，而你要的是“目标姿态”。两者之间的误差怎么变成电机指令？最经典也最实用的方案是串级 PID。

外环是角度环：输入是目标角度和当前角度的差，输出是期望角速度。内环是角速度环：输入是期望角速度和陀螺仪测到的实际角速度的差，输出是力矩指令。为什么非要串两级？因为角度环响应慢、抗扰差，角速度环响应快、能抑制振动和突发扰动。外环负责“往哪转”，内环负责“转得多快多稳”。

用生活类比：你开车想保持车道居中，眼睛看的是“车离车道线多远”（角度环），但手上打方向盘的动作其实是在控制“车头转动的角速度”（角速度环）。如果只看距离直接打方向，车会画龙；加上角速度内环，方向就稳了。

PID 三个项各有分工。P 是比例，误差越大纠正越猛；I 是积分，消除稳态误差，比如飞机总往一边偏，I 项会慢慢累积把它拉回来；D 是微分，预测误差变化趋势，提前刹车防止超调。多旋翼里 D 项特别重要，因为机架有惯性，没有 D 就会来回振荡。

3.2 参数整定的顺序和踩坑记录

调 PID 有个铁律：先内环后外环，先 P 后 D 再 I。我见过新手一上来三个参数一起调，结果飞机抖得像筛糠，根本分不清是哪个参数的问题。

具体步骤我一般这么走：

1. 把外环角度环的 P 设小，I 和 D 归零，内环角速度环也只留小 P。
2. 慢慢加内环 P，直到飞机对扰动有快速响应但还没开始高频抖动。这时候用手轻推机臂，能感觉到飞控在“顶”你。
3. 加内环 D，抑制 P 带来的超调和振荡。D 太大会引入高频噪声，表现为电机发热、声音刺耳。
4. 内环稳了之后，加外环 P，直到飞机能快速回到水平但不过冲。
5. 最后加一点点 I，消除悬停时的缓慢漂移。I 太大会导致“积分饱和”，飞机在大误差后恢复特别慢，甚至振荡。

这里有个隐藏坑：桨叶不平衡和机架共振会伪装成 PID 问题。如果你的飞机在某个特定油门区间抖得厉害，其他油门正常，那大概率是共振，不是 PID。这时候调 PID 是治标不治本，得先做动平衡、加减震垫。

3.3 从 PID 到更高级的控制：LQR、MPC 和自适应

PID 够用，但它的局限在于“一套参数打天下”。载重变化、电池电压下降、风速变化，都会让最优参数漂移。所以进阶方案有：

• LQR（线性二次型调节器）：基于状态空间模型，能同时优化多个状态量的控制效果。需要比较准的动力学模型，适合机型固定的场景。
• MPC（模型预测控制）：在每一步预测未来若干步的状态，滚动优化控制量。能显式处理约束（比如电机转速上限、姿态角限制），但算力要求高，一般跑在机载计算机上而不是飞控 MCU 上。
• 自适应控制：在线估计模型参数并调整控制律，能应对载重变化和部分故障。实现复杂，调不好容易发散。

我的建议是：先把串级 PID 吃透，再考虑高级算法。很多所谓“高级控制”在实际飞行里的表现，未必比调好的 PID 强多少，但调试成本和炸机风险高得多。

4. 混控与电机分配：算法落地的最后一公里

4.1 四轴、六轴、八轴的混控矩阵差异

控制律算出来的是三个力矩指令（俯仰、横滚、偏航）加一个总推力指令。这四个量要分配到每个电机上，靠的是混控矩阵。

以最常见的 X 型四轴为例，四个电机两两对角同向。俯仰力矩靠前后电机差速，横滚靠左右差速，偏航靠对角电机差速（利用桨叶反扭矩）。写成矩阵大概是这样：

电机1(右前) = 油门 + 俯仰 + 横滚 - 偏航 电机2(左后) = 油门 + 俯仰 - 横滚 + 偏航 电机3(左前) = 油门 - 俯仰 + 横滚 + 偏航 电机4(右后) = 油门 - 俯仰 - 横滚 - 偏航

六轴和八轴的矩阵更复杂，但原理一样。关键点在于：混控矩阵的符号和电机编号必须和实际机架完全对应。我见过有人把电机顺序接错，结果一解锁飞机就疯狂自旋，因为偏航修正方向反了。

4.2 电机饱和与推力分配优化

混控有个现实约束：电机转速有上限，也有下限（一般不能停转，否则失去控制）。当总推力需求很高、同时又要大姿态修正时，某些电机可能被要求输出超过 100% 的推力，这就是饱和。饱和一旦发生，姿态控制就失效了，飞机可能直接翻。

解决办法是推力分配优化：在满足总推力和力矩需求的前提下，尽量让各电机输出均衡，避免个别电机顶到上限。简单做法是先算需求，如果发现最大输出超过上限，就整体降低总推力指令，优先保姿态。更高级的做法是解一个带约束的优化问题，但飞控 MCU 上一般用简化的优先级策略。

注意：电池电压下降时，同样的油门指令对应的实际推力会变小。所以好的飞控会做电压补偿，根据实时电压调整混控输出，保证操控手感一致。这个补偿系数没调好，低电量时飞机就会变得“软绵绵”。

5. 位置与高度控制：从“稳得住”到“飞得准”

5.1 高度控制的串级结构

高度控制也是串级：外环是高度环，输入目标高度和当前高度差，输出期望爬升率；内环是速度环（垂直方向），输入期望爬升率和实际垂直速度差，输出总推力修正。

这里的气压计噪声和 GPS 高度噪声要处理好。气压计短期准但会漂，GPS 高度长期准但噪声大、更新慢。EKF 会把两者融合，输出一个平滑的高度估计。定高模式下如果发现飞机像坐电梯一样上下晃，通常是高度环的 P 太大或者 D 太小，也可能是气压计受桨叶气流干扰太严重，需要加海绵罩或者改安装位置。

5.2 水平位置控制与路径规划的关系

水平位置控制依赖 GPS、光流、视觉等定位源。控制结构和高度类似：位置环输出期望速度，速度环输出期望姿态角，然后交给姿态环执行。

这里和路径规划直接相关。路径规划算法（比如 A*、RRT、人工势场）给出的是一个个航点或一条期望轨迹，飞控的位置环负责跟踪这条轨迹。如果位置环响应太慢，飞机切弯就会切得很大，甚至飞出安全边界；如果响应太快，又会在航点附近振荡。所以做自动航线时，航点间距、飞行速度、转弯半径这些参数要和位置环的带宽匹配。

我个人的经验是：先把定点悬停调稳，再调航线跟踪。定点都飘的飞机，航线一定飞得稀烂。定点悬停时观察飞机在 GPS 坐标里的漂移范围，如果超过一两米，先查罗盘干扰和 GPS 星况，别急着调位置环 PID。

5.3 视觉感知与视觉定位的介入点

现在很多无人机用视觉做定位和避障。视觉里程计输出的位置和速度，可以替代或补充 GPS。视觉的好处是室内也能用，缺点是受光照和纹理影响大，算力消耗高。

视觉定位接入飞控时，关键是坐标系对齐和时间同步。视觉算法算出来的位置是在相机坐标系下的，要转到机体坐标系再转到导航坐标系。时间戳对不齐，高速飞行时位置估计就会滞后，表现为飞机“反应慢半拍”。所以视觉和飞控之间的时间同步精度最好做到毫秒级。

6. 仿真与硬件在环：不上天也能调算法

6.1 软件在环仿真的价值与局限

调飞控算法最怕的就是炸机。软件在环仿真（SITL）让你在电脑里跑一个虚拟飞机，飞控固件原封不动地跑，只是传感器数据来自仿真模型。这样你可以随便试参数、试极端情况，不用担心摔飞机。

常用的仿真环境有 Gazebo、jMAVSim 等，配合 MAVLink 协议和地面站通信。你可以模拟 GPS 丢失、磁力计干扰、电机失效等故障，观察飞控的应对。局限在于仿真模型再准也和真机有差距，尤其是振动、气流、电机响应非线性这些，仿真里很难完全复现。

6.2 硬件在环仿真的接线与注意事项

硬件在环（HIL）是把真实飞控板接上，传感器数据由仿真机注入，执行机构信号也回传给仿真机。这样飞控跑的是真实固件、真实运算，只是“身体”是虚拟的。

接线时要注意电平匹配和接口协议。Pixhawk 一般通过串口或 USB 和仿真机通信，注入传感器数据需要走特定的 MAVLink 消息。常见坑是仿真机的实时性不够，导致数据注入有抖动，飞控以为传感器在抖，控制效果就失真了。所以 HIL 对仿真机的性能有一定要求，最好用实时内核或者至少保证高优先级线程。

6.3 从仿真到真机的参数迁移

仿真里调好的参数，搬到真机上通常还要再调。因为真机的振动谱、电机响应、桨叶效率都和模型不同。我的做法是：仿真里确定参数的大致范围和趋势，真机上从小往大微调。特别是 D 项，仿真里往往可以给得比较大，真机上因为噪声大，D 要给得保守些。

7. 那些没人告诉你但一定会遇到的坑

7.1 振动是飞控算法的头号敌人

再好的算法，遇到烂机架也白搭。振动会让加速度计数据失真，EKF 估计发散，PID 的 D 项疯狂放大噪声。判断振动是否超标，可以看飞控日志里的加速度计频谱，如果某个频率的峰值特别高，说明机架在那个频率共振。

解决办法：做桨叶动平衡、电机做动平衡、飞控用减震胶安装、机架加强刚度避开共振频率。这些机械层面的功夫，比调任何参数都管用。

7.2 罗盘干扰的排查链路

飞机自旋、偏航漂移、定点画圈，很多时候是罗盘被干扰。排查顺序我一般这么走：先看罗盘校准是否通过，再看外置罗盘是否远离动力线，然后看电机电流变化时罗盘读数是否跟着跳。如果跳，说明磁场干扰严重，要么换罗盘位置，要么加屏蔽，要么在算法里做电流补偿。

7.3 参数不是越“高级”越好

我见过有人一上来就开 EKF、开视觉、开 MPC，结果基础 PID 都没调好，飞机连稳定悬停都做不到。飞控算法是层层叠加的，底层不稳，上层全是空中楼阁。老老实实从姿态环开始，一层一层往上调，才是最快的路。

8. 写在最后的一点个人体会

飞控算法这东西，看公式觉得不难，真正上手调才知道细节全是坑。我自己的习惯是每次飞行都开日志，飞完回来看姿态跟踪误差、电机输出、振动频谱，比凭感觉调参数靠谱得多。另外，别迷信别人的参数表，机架、电机、桨叶、重量任何一项变了，参数都得重新过一遍。把姿态解算、串级 PID、混控分配这三块吃透，大部分飞行问题你都能自己定位到根因，而不是到处问“为什么我的飞机抖”。