企业官网建设流程全解析

1. 飞控算法到底在飞控里扮演什么角色

1.1 从一次炸机说起：为什么算法比硬件更致命

我玩无人机前后差不多八年，从最早的KK飞控板一路用到Pixhawk、大疆的N3和A3，中间炸过的机器少说也有十几架。真正让我意识到飞控算法分量的，是早年一次四轴在悬停时突然翻跟头的事故。当时硬件没坏、电机没烧、桨也没断，问题出在姿态解算的互补滤波参数上——陀螺仪积分漂移没被加速度计拉回来，姿态角在十几秒内慢慢偏了三十多度，飞控以为自己在水平状态，实际上机身已经歪了，PID还在拼命修正一个根本不存在的偏差，最后直接失控。

这件事之后我才认真去啃飞控算法的底层逻辑。很多人一提飞控就想到Pixhawk、想到大疆的飞控板，觉得买个好硬件就万事大吉。实际上飞控硬件只是躯干，算法才是大脑和小脑。同样一块Pixhawk 4，刷不同的固件、调不同的参数，飞行品质能差出天壤之别。飞控算法要解决的核心问题就三件事：我现在是什么姿态（状态估计）、我该往哪飞（制导与导航）、我怎么飞过去（控制律）。这三件事串起来，才构成一个完整的飞控算法闭环。

这篇文章我打算把飞控算法从底层到上层拆开讲一遍，包括姿态解算、PID控制、混控输出、导航制导这几块。适合刚入门想搞明白飞控内部逻辑的朋友，也适合已经在飞但总调不好参数、想从原理层面找答案的人。我不会只讲概念，会尽量把每个环节的参数怎么算、为什么这么选、踩过哪些坑都写出来。

1.2 飞控算法的三层结构：感知、决策、执行

飞控算法从架构上可以分成三层，这个分层方式在Pixhawk的PX4固件和ArduPilot里都能看到影子。

最底层是感知层，负责从IMU、磁力计、气压计、GPS这些传感器拿到原始数据，然后做姿态解算和位置估计。姿态解算的输出是机体的滚转、俯仰、偏航三个角，以及对应的角速度。位置估计输出的是三维位置和速度。这一层的核心算法是互补滤波、卡尔曼滤波，以及后来的Mahony滤波和Madgwick滤波。

中间层是决策层，也就是制导与导航。它根据你的遥控器输入或者航线任务，算出期望的姿态角和期望的推力。比如你打杆让飞机往前飞，决策层会把它翻译成“期望俯仰角10度、期望推力60%”，而不是直接告诉电机转多快。

最上层是执行层，也就是控制律加混控输出。控制律通常是串级PID：外环姿态角、内环角速度。外环根据期望姿态和实际姿态的偏差算出期望角速度，内环再根据期望角速度和实际角速度的偏差算出三个轴的力矩需求。最后混控器把力矩需求分配到四个或更多电机上，变成具体的PWM或DShot信号。

这三层的关系可以用一个生活化的类比：感知层是眼睛和内耳，决策层是大脑决定往哪走，执行层是小脑和肌肉负责具体动作。任何一层出问题，飞行的表现都会异常，但异常现象往往相似，所以排查时要从现象反推到具体层级，这个后面会细讲。

2. 姿态解算：飞控算法的地基

2.1 为什么加速度计和陀螺仪必须互补

姿态解算的输入主要是陀螺仪和加速度计。陀螺仪测的是角速度，积分之后得到角度，短期精度高、响应快，但积分会累积漂移，时间一长角度就偏了。加速度计测的是重力方向，静态下能直接算出滚转和俯仰角，长期稳定不漂移，但振动一大就全是噪声，而且它算不出偏航角。

这两者的特性正好互补：陀螺仪管短期、加速度计管长期。互补滤波就是用一个高通滤波器让陀螺仪积分值通过，用一个低通滤波器让加速度计值通过，然后加权融合。公式大概是这样的：

angle = alpha * (angle + gyro * dt) + (1 - alpha) * accel_angle

其中alpha通常取0.98左右，dt是采样周期。这个alpha的选取很关键，越大越信任陀螺仪，响应快但漂移抑制弱；越小越信任加速度计，稳定但振动敏感。我一般会在悬停时看姿态角的漂移速度来调，如果十秒内漂了超过两度，就把alpha调小一点。

2.2 卡尔曼滤波和Mahony滤波怎么选

互补滤波够用，但遇到振动大或者机动剧烈的场景就力不从心了。这时候就得上卡尔曼滤波或者Mahony滤波。

卡尔曼滤波是概率框架下的最优估计，它把姿态解算建模成一个状态空间问题，用过程噪声和观测噪声的协方差矩阵来动态调整信任权重。优点是理论上最优，缺点是要调Q和R两个噪声矩阵，调不好反而比互补滤波还差。我在Pixhawk上用过EKF2，默认参数对大多数机架都够用，但如果机架振动特别大，需要把陀螺仪的噪声参数调大，否则滤波器会过度信任陀螺仪导致漂移。

Mahony滤波是互补滤波的非线性版本，用四元数表示姿态，通过PI控制器来修正陀螺仪的漂移。它的计算量比卡尔曼小，效果又比线性互补滤波好，所以在开源飞控里用得很多。PX4早期版本用的就是Mahony，后来才换成EKF2。如果你是自己写飞控，我建议先从Mahony入手，代码量不大，理解起来也直观。

2.3 磁力计和气压计在姿态解算里的角色

磁力计负责提供偏航角的绝对参考。没有磁力计，偏航角只能靠陀螺仪积分，几分钟就能漂到找不着北。但磁力计特别容易被干扰，电机电流、电源线、甚至机架上的铁螺丝都会影响它。我在实际使用中发现，磁力计校准一定要在远离电机和电源线的位置做，而且校准完之后要把磁力计安装位置在飞控参数里填对，否则融合出来的偏航角会有固定偏差。

气压计负责高度估计，但它对气流特别敏感。桨叶旋转产生的气流会在机身内部形成乱流，导致气压读数跳动。解决办法是用海绵把气压计包起来，或者把飞控装在减震座上。我试过在定高模式下气压计读数跳变导致飞机上下窜动，后来把气压计用海绵裹住，问题就解决了。

3. PID控制：飞控算法里最容易被神化也最容易被误解的部分

3.1 串级PID的结构和每一环的作用

飞控里的PID几乎都是串级结构，外环是角度环，内环是角速度环。为什么不用单环？因为单环角度PID的输出直接给力矩，响应慢而且容易超调。串级之后，外环角度PID的输出作为内环角速度PID的期望值，内环响应快，能及时抑制扰动。

具体来说，外环角度PID的输入是期望角度和实际角度的偏差，输出是期望角速度。内环角速度PID的输入是期望角速度和实际角速度的偏差，输出是力矩需求。这里有个关键点：外环通常只用P，不用I和D。因为角度偏差的积分意义不大，而微分又容易引入噪声。内环则P、I、D都用，P负责响应速度，I负责消除稳态误差，D负责抑制超调。

我调机的顺序一般是先调内环角速度，再调外环角度。内环调好了，外环的P值可以给得比较大，响应会很快。如果内环没调好，外环怎么调都别扭。

3.2 参数整定的实操方法和计算过程

PID参数整定没有万能公式，但有一套可复现的流程。我一般用试凑法结合Ziegler-Nichols的临界比例度法。

先调内环角速度的P。把I和D设为零，P从一个小值开始慢慢加，直到飞机在悬停时出现等幅振荡。记录下这个临界P值和振荡周期T。然后按照Ziegler-Nichols的经验公式：

• P = 0.6 * Kc
• I = 2 * P / T
• D = P * T / 8

其中Kc是临界P值，T是振荡周期。这套公式给的是起点，实际还要微调。我通常会把算出来的D再加大20%左右，因为飞控的角速度噪声比较大，需要更强的微分抑制。

外环角度的P值一般从内环P值的十分之一开始试，慢慢加。外环P太大飞机会快速来回摆，太小则响应迟钝。我一般调到打杆后飞机能快速响应但不过冲就停。

3.3 滤波和限幅：PID之外必须做的两件事

PID的输出不能直接给电机，中间必须加滤波和限幅。滤波是为了抑制D项的噪声，常用的是低通滤波或者陷波滤波。陷波滤波特别有用，因为机架的共振频率通常在100到200赫兹之间，用陷波滤波把这个频段滤掉，能显著改善飞行品质。我在Pixhawk上会先做一次频率扫描，找到机架的共振峰，然后把陷波滤波的中心频率设在那里。

限幅是为了防止PID输出过大导致电机饱和。电机饱和之后，飞控的修正能力就没了，飞机会失控。所以每个轴的力矩输出都要限幅，通常限制在最大力矩的80%左右。另外积分项也要限幅，防止积分饱和导致超调。

4. 混控输出：从力矩到电机转速的最后一公里

4.1 四轴和八轴的混控矩阵怎么推导

混控器的作用是把三个轴的力矩需求加上油门需求，分配到每个电机上。四轴的混控矩阵是一个4x4的矩阵，输入是滚转、俯仰、偏航、油门，输出是四个电机的推力。

以常见的X型四轴为例，电机1在右前，电机2在左后，电机3在左前，电机4在右后。滚转力矩由左右电机差速产生，俯仰力矩由前后电机差速产生，偏航力矩由对角电机差速产生。混控矩阵大概是这样的：

motor1 = throttle - roll + pitch + yaw motor2 = throttle + roll - pitch + yaw motor3 = throttle + roll + pitch - yaw motor4 = throttle - roll - pitch - yaw

八轴的混控矩阵更复杂，但原理一样。我建议自己写飞控的话，先用四轴把混控逻辑跑通，再扩展到八轴。混控矩阵的系数要根据电机的实际推力和力臂来标定，不能随便填。

4.2 电机选型和混控的关系

混控的输出最终要落到电机上，所以电机选型直接影响混控效果。电机的KV值、桨叶尺寸、电池电压共同决定了最大推力。如果电机推力不够，混控输出饱和，飞控就失去了修正能力。

我一般会先估算整机重量，然后按推重比2:1来选电机和桨。比如整机重2公斤，那四个电机加起来最大推力要4公斤，每个电机1公斤。然后查电机的推力表，找到能满足这个推力的KV值和桨叶组合。这里有个经验：低KV配大桨效率高但响应慢，高KV配小桨响应快但效率低。航拍机选低KV大桨，穿越机选高KV小桨。

4.3 DShot和PWM的区别以及怎么选

混控输出的信号协议有PWM、OneShot、DShot几种。PWM是模拟信号，精度低、延迟大，现在基本淘汰了。OneShot是PWM的改进版，延迟小一些。DShot是数字信号，精度高、延迟小、还支持双向遥测，能回传电机转速。

我现在的机器全部用DShot600，延迟比PWM低了一个数量级，而且双向DShot能回传转速，对调参帮助很大。如果你还在用PWM，建议至少升级到DShot300。升级之后你会发现飞机的响应明显变快，尤其是做快速机动的时候。

5. 导航与制导：从手动飞行到自主航线

5.1 位置估计和传感器融合

导航的前提是知道自己在哪。位置估计靠GPS、光流、视觉、气压计、IMU融合。GPS提供绝对位置但更新率低、精度差，光流和视觉提供相对位置但需要好的光照和纹理。融合这些传感器通常用扩展卡尔曼滤波。

我在做航道巡查系统的时候，发现GPS在树林附近漂移特别大，后来加了光流模块，在GPS信号差的时候自动切换，位置估计就稳多了。光流模块的安装要注意离地高度和镜头清洁，否则算出来的速度全是错的。

5.2 路径规划算法的选择

路径规划算法有A*、Dijkstra、RRT、蚁群算法等。A*适合静态已知地图，RRT适合高维空间和动态障碍，蚁群算法适合多目标优化但计算量大。

我在实际项目里用得最多的是A*，因为计算量小、路径最优性好。但A的缺点是路径不够平滑，飞机飞起来会一顿一顿的。解决办法是用贝塞尔曲线或者B样条做后处理，把折线路径平滑成曲线。另外A的启发函数要选好，曼哈顿距离适合网格地图，欧几里得距离适合连续空间。

5.3 制导律的设计

制导律负责把路径变成飞机的期望姿态和期望速度。最简单的制导律是纯追踪，飞机始终朝向路径上的前视点飞。前视距离的选择很关键，太短会震荡，太长会切弯。我一般设前视距离为飞机速度的两倍。

更高级的制导律有L1制导和非线性制导。L1制导用一个虚拟圆弧来跟踪路径，对风扰动的抑制更好。我在做果实采摘执行末端的时候，因为飞机要悬停在果树前，对位置精度要求很高，就用了L1制导，效果比纯追踪好很多。

6. 常见问题与排查技巧实录

6.1 飞控算法相关的典型故障速查表

6.2 日志分析：飞控算法调试的必备技能

飞控日志是排查算法问题的最重要工具。Pixhawk的日志里能看到姿态角、角速度、PID各环输出、电机输出、传感器原始数据。我一般先看姿态角和角速度的跟踪情况，如果期望值和实际值差很多，说明内环没调好。然后看PID各环的输出，如果某一环经常饱和，说明参数给大了。

有个技巧：把日志导出来用Python画图，比在Mission Planner里看直观得多。我常用matplotlib画姿态跟踪曲线，一眼就能看出是相位滞后还是幅值不够。

6.3 硬件在环仿真：不上天也能调算法

硬件在环仿真就是让飞控板接上仿真器，在电脑里模拟飞行。这样不用真机就能调算法，安全又高效。我一般用jMAVSim或者Gazebo做仿真，把Pixhawk通过USB接上，飞控以为自己在飞真机，实际上是在仿真环境里。

仿真的好处是可以反复复现同一个场景，比如阵风、GPS丢失、电机失效。我在做无人机视觉感知的时候，就在仿真里跑了上百次降落测试，把算法调稳了才上真机。仿真和真机的差距肯定有，但趋势是一致的，能省很多炸机成本。

7. 我个人的调参心得和几个实用建议

调飞控算法这件事，我最大的体会是：不要迷信默认参数，也不要迷信别人的参数。每架飞机的重量分布、电机响应、桨叶特性都不一样，参数必须自己调。但调参要有章法，先调内环再调外环，先调P再调I和D，每次只改一个参数，改完记录现象。

另外，日志一定要看。很多人调参靠感觉，觉得飞机不抖了就完事。实际上有些问题在悬停时看不出来，一做机动就暴露。日志能让你看到悬停时看不到的东西。

最后分享一个小技巧：如果飞机在某个油门区间特别抖，其他区间正常，大概率是机架共振。这时候不要急着改PID，先做频率扫描找到共振频率，加陷波滤波。我有一架八轴就是在40%油门时抖得厉害，加了陷波滤波之后立马就稳了。

飞控算法这东西，入门容易精通难。但只要你把姿态解算、PID、混控这三块吃透，大部分问题都能自己解决。剩下的就是多飞、多看日志、多总结。