固定翼无人机概念设计中的迭代选择：翼载荷与功率载荷如何闭环

简介：这是一份面向固定翼无人机设计工程师与Matlab学习者的迭代设计实现资料，聚焦机翼面积与推进系统尺寸的参数优化。文档基于Matlab环境，结合遗传算法、粒子群优化等优化策略，系统演示了从飞行性能需求出发，通过循环迭代获得最优参数组合的完整流程，可用于解决升力、载荷、续航、推力匹配等设计权衡问题。资料不仅涵盖机翼面积对升力、飞行速度、载荷能力及续航指标的影响分析，也涉及发动机与螺旋桨的尺寸匹配、推力与功率比优化，以及疲劳寿命、振动和结构强度等安全可靠性验证方法。资料仅含1个docx文档，约119KB，内容以代码实现思路、算法框架与设计计算说明为主，便于读者快速掌握迭代设计方法并迁移到实际项目中。该资源已有32人学习下载，适合具备基础Matlab编程能力、希望系统学习固定翼无人机参数设计的入门及进阶开发者。

1. 为什么“迭代选择”是固定翼无人机设计绕不开的一步

很多第一次做固定翼无人机概念设计的人，都会尝试“一步到位”：先估一个总重，按巡航速度算出需要的机翼面积，再按阻力算出发动机或电机功率，好像这事就结束了。实际上只要把结果拿去复核，基本都会发现失速速度超了、爬升率不够，或者电池重量大得离谱。问题出在飞机设计里最典型的“鸡生蛋、蛋生鸡”：机翼面积决定空重和阻力，空重和阻力决定所需推力，所需推力又决定电池和电机重量，而电池和电机重量反过来再次改变总重和机翼面积。这就是标题里“迭代选择”四个字的来源——你必须在固定翼无人机的总重、机翼面积、推进系统尺寸之间反复闭环，直到前后两次算出的总重差得足够小，这组尺寸才真正站得住。

这个做法的直接产出是两组数字：一个收敛后的机翼面积 S（或翼载荷 W/S），一个收敛后的推进系统尺寸，包括电机连续功率、电池容量和螺旋桨直径/螺距。适合做这件事的人很明确：正在做小型电动固定翼方案论证的学生、创客、预研工程师，以及那些被“第一版参数飞不起来”折磨过的爱好者。下面从设计方程讲起，再把 Matlab 迭代脚本一条条拆开，最后把最容易翻车的几个坑一次性说清楚。

2. 两条设计方程：翼载荷和功率载荷怎么决定一架飞机的性格

2.1 先定两个自由度：W/S 和 P/W

固定翼无人机概念设计里，机翼面积和推进尺寸不会被单独指定，而是被压缩成两个更本质的设计变量：翼载荷 W/S（总重除以机翼面积，单位 N/m²）和功率载荷 P/W（推进功率除以总重，单位 W/N）。这两个变量几乎控制了一架飞机的全部性格。

翼载荷高，意味着机翼小、结构轻、巡航阻力小、抗风性好，但失速速度高、起飞着陆距离长，转弯半径也大。翼载荷低，翼面积大、升力余量大、失速慢，但空重大、巡航阻力大、对颠簸气流更敏感。功率载荷则是另一个方向：P/W 大，爬升快、加速猛，但电机、电池、螺旋桨全都跟着变大，重量直接撑上去。P/W 小则刚好相反，省重量但飞得“肉”。

关键点在于这两个变量不是独立的。给定巡航速度 V 和总重 W 时，机翼面积 S 由 W/S 决定，S 又通过升力系数 CL 影响升阻比 L/D，L/D 再决定巡航需要的功率 P，P 又决定电池和电机重量，最后回头修改 W。这个耦合环就是迭代存在的理由，也是后面 Matlab 脚本主循环要处理的核心结构。

2.2 四条约束写成判据：失速、巡航、爬升、续航

迭代不是瞎迭代，每一步都要拿设计任务书里的硬指标来卡。以下是固定翼无人机方案论证中最常用的四类判据，全部写成可计算的不等式。这里统一使用国际单位：速度 m/s，重量 N，功率 W，密度 kg/m³。

失速约束给的是翼载荷上限；巡航和爬升约束给的是功率载荷下限；续航约束本质上是重量约束，它不直接画在匹配图上，但参与迭代的每一轮重量结算。这里有个容易被忽略的细节：巡航约束里的 L/D 应当取巡航状态下的实际升阻比，而不是全机最大升阻比 L/D_max。概念设计阶段为了快速估算，通常先假设巡航点落在最大升阻比附近，等迭代出 CL 后再回头修正。爬升约束我一般用 L/D_max 做保守估计，因为这对应最小阻力状态，算出来的功率需求偏低，真正设计时还会再乘 1.05~1.15 的余量系数。

2.3 重量闭环：空重、电机、电池都必须放进同一个方程

重量闭合方程是整套迭代的骨架。对于电动固定翼无人机，总重拆成四块：空重（机体结构+航电+舵机等）、电机与电调、电池、有效载荷。写成方程就是：

W_total = W_empty + W_motor + W_battery + W_payload

这四块里，有效载荷是任务书给的，不随迭代变化。其余三块全部和总重或功率相关。空重常见做法是用统计回归公式 W_empty = a·W_total^b，或者用一个简化的空重系数 f_empty 乘总重；电机重量按连续功率选型，大致落在 3~5 kg/kW 的范围（含电调和线束）；电池重量由巡航电功率和续航时间决定，等于 P_elec·T/(e_bat·η_batt)，其中 e_bat 是电池能量密度，η_batt 是可用电量系数，大约 0.8~0.9。

这三块彼此嵌套，没法直接解出闭式解，只能迭代。迭代的物理含义很直观：先猜一个总重算出机翼面积和功率，再由这个功率算出电机和电池重量，加出新的总重，然后拿新旧两个总重做比较。一致就说明“这套尺寸配得上这个重量”，不一致就带着新重量再来一轮。后面 Matlab 代码部分会把这一步写成可运行的循环，收敛条件、松弛因子、参数取值都在里面。

3. 把迭代选择写成 Matlab：主循环、气动极曲线、推进尺寸链

3.1 不动点迭代主循环：从初猜总重到收敛

在 Matlab 里落地迭代选择，核心是一个不动点迭代循环。以下代码是可运行的最小框架，参数以小型电动固定翼无人机为例，重量单位用 N，功率用 W，速度用 m/s。建议新建脚本后先把这段跑通，再加自己的任务参数。

% 固定翼无人机概念尺寸迭代：重量-面积-推进闭环 % 输入均使用国际单位：重量(N)、速度(m/s)、功率(W)、时间(h) rho = 1.164; % 巡航高度空气密度 kg/m^3 Vc = 18.0; % 巡航速度 m/s Vstall = 8.5; % 设计失速速度 m/s CLmax = 1.4; % 高升力构型最大升力系数 W_pay = 24.5; % 有效载荷重量 N（约为2.5kg） E_req = 1.2; % 任务续航时间 h CD0 = 0.025; % 全机零升阻力系数 AR = 8.0; % 展弦比 e = 0.80; % 奥斯瓦尔德效率因子 etaP = 0.65; % 巡航点螺旋桨效率 etaB = 0.85; % 电池可用电量系数 e_bat = 180; % 电池能量密度 Wh/kg k_mot = 3.5; % 电机+电调质量功率比 kg/kW f_empty= 0.45; % 空重系数统计初值 WS = 60; % 翼载荷初猜 N/m^2 alpha = 0.55; % 松弛因子，防振荡 tol = 1e-3; % 收敛残差 N W_prev = W_pay; % 总重初猜：先只挂载荷 for iter = 1:200 % 用上一轮总重更新几何和功率 S = W_prev / WS; % 机翼面积 m^2 CL = 2 * W_prev / (rho * Vc^2 * S); % 巡航升力系数 CD = CD0 + CL^2 / (pi * AR * e); % 抛物线极曲线 LD = CL / CD; % 巡航点升阻比 P_shaft = W_prev * Vc / LD; % 巡航所需轴功率 W P_elec = P_shaft / etaP; % 对应输入电功率 W m_motor = k_mot * P_elec / 1000; % 电机+电调重量 kg m_batt = P_elec * E_req / (e_bat * etaB); % 电池重量 kg m_empty = f_empty * W_prev / 9.81; % 空重估计 kg W_next = (m_empty + m_motor + m_batt) * 9.81 + W_pay; % 新一轮总重 if abs(W_next - W_prev) < tol break; end W_prev = alpha * W_next + (1 - alpha) * W_prev; % 松弛更新 end fprintf('迭代 %d 轮收敛，总重 %.1f N，机翼面积 %.2f m^2\n', iter, W_next, W_next/WS); fprintf('巡航电功率 %.0f W，电机 %.2f kg，电池 %.2f kg\n', P_elec, m_motor, m_batt);

逻辑说明：每一轮先用上一轮的总重算出机翼面积 S，再算出巡航升力系数和升阻比，然后由阻力功率推算电机、电池重量，最后把四块重量相加得到新总重。如果新旧总重之差小于 tol 就停机，否则把松弛后的结果作为下一轮初值。

参数说明里最值得关注的是 alpha 和 f_empty。alpha 取 0.5~0.7 可以明显压制振荡，取 1 就是不做松弛的原始迭代，很多情况下会看到总重在两个值之间来回跳；f_empty 是空重系数的初值，等迭代收敛后仍然建议用部件重量法复核，因为它会是后面第五部分讲到的最大隐藏误差来源。另外注意 m_batt 这行——电池重量必须放在迭代循环内部，这是整个脚本能否收敛的关键。

3.2 气动极曲线和 L/D 怎么进循环：抛物线近似

气动模型在概念设计阶段没必要上 CFD，最稳妥的做法是抛物线极曲线：CD = CD0 + CL²/(π·AR·e)。上面的主循环里已经把它写进去了，但拆成独立函数会更方便调试和替换。以下是一个可以直接放进项目里的小函数：

function [CL, CD, LD] = aero_polar(W, S, rho, V, CD0, AR, e) % 输入：总重W(N)、机翼面积S(m²)、密度rho(kg/m³)、速度V(m/s) % 输出：巡航升力系数CL、总阻力系数CD、升阻比LD CL = 2 * W / (rho * V^2 * S); CD = CD0 + CL^2 / (pi * AR * e); LD = CL ./ CD; end

逻辑说明：CL 由平飞升力等于重力直接解出，是静平衡条件；CD 是零升阻力和升致阻力的叠加，后者用展弦比和奥斯瓦尔德因子描述。把这一函数独立出来的好处是，后续如果换翼型、换展弦比，只需要改输入，不用动主循环。

参数范围上，小型电动固定翼的 CD0 大致在 0.02~0.04，光滑表面带一点整流罩取 0.025 是合理的；奥斯瓦尔德因子 e 通常在 0.7~0.85，矩形翼取 0.8 附近，椭圆形或带翼梢小翼的会高一些。特别注意低雷诺数效应：翼弦十几厘米、巡航速度十几米每秒的时候，雷诺数常常只有 1e5~3e5，这个区间层流分离泡会让 CD0 明显抬升，翼型气动数据也要按真实雷诺数查，而不是直接拿风洞高速数据。

3.3 螺旋桨直径和螺距的尺寸链：从巡航功率反推几何

推进尺寸里最容易“拍脑袋”的就是螺旋桨。很多初学者直接按电机厂家页面推荐的桨径选，结果装到飞机上效率只有 0.5。正确的做法是从巡航速度和转速范围反推。以下这段是常用的初步估算流程：

% 螺旋桨初步尺寸：由桨尖马赫数约束直径，由前进比反推螺距 Vc = 18.0; % 巡航速度 m/s a = 340; % 音速 m/s n = 7000 / 60; % 巡航转速 rps（示例取7000rpm） Ma_tip_max = 0.6; % 桨尖马赫数上限，留噪声和效率余量 D_max = Ma_tip_max * a / (pi * n); % 桨尖速度约束的直径上限 m D_use = D_max * 0.85; % 实际取值留扰动余量 J_design = 0.7; % 巡航设计前进比，通常0.6~0.8 pitch = Vc / (n * J_design); % 几何螺距 m fprintf('建议直径 %.2f m，几何螺距 %.2f m（约 %.1f 英寸）\n', ... D_use, pitch, pitch/0.0254);

逻辑说明：桨尖线速度不能超过音速的 0.6~0.7 倍，否则激波阻力和噪声都会失控，所以转速给定后直径就有了上限；前进比 J = Vc/(n·D) 是螺旋桨的无量纲工作点，不同桨型峰值效率对应的 J 不同，设计巡航点一般取 0.6~0.8。螺距由巡航速度、转速和设计前进比共同决定，这一步做完才有后续“查厂家效率曲线”的输入条件。

这里要提醒的是：D_use 是按转速上限倒推的保守值，真正设计时还要把电池电压、电机 KV 值、工作转速区间和螺旋桨静拉力一起放进校核。螺旋桨效率 ηP 前面在迭代里固定成 0.65，这属于工程简化；如果手头有某款桨的效率曲线，完全可以写成 ηP(J) 的形式放回主循环，迭代就会更可靠。

4. 匹配图扫描：在 W/S–P/W 平面上找可行域

4.1 用 meshgrid 把全平面扫一遍：失速、巡航、爬升三条线

迭代能给你一个收敛点，但它只能告诉你“这套尺寸自洽”，不能告诉你“这套尺寸是不是最优、有没有别的选型空间”。所以工程上还要配一张匹配图：把翼载荷 W/S 和功率载荷 P/W 各取一段区间，用 meshgrid 铺成网格，逐点判断是否满足所有约束，然后把满足条件的区域画出来。以下是核心扫描代码：

% 匹配图网格扫描：找满足失速、巡航、爬升约束的可行域 WS_vec = linspace(20, 90, 400); % 翼载荷扫描范围 N/m^2 PW_vec = linspace(30, 140, 400); % 功率载荷扫描范围 W/N [WSg, PWg] = meshgrid(WS_vec, PW_vec); % 失速约束：Vstall_lim = sqrt(2*WS/(rho*CLmax))，必须不小于设计要求 Vstall_lim = sqrt(2 * WSg / (rho * CLmax)); stall_ok = Vstall_lim >= Vstall; % 巡航功率约束：P/W >= Vc/(etaP*LDmax) LD_max = 0.5 * sqrt(pi * AR * e / CD0); % 最大升阻比估计 PW_cruise = Vc / (etaP * LD_max); cruise_ok = PWg >= PW_cruise; % 爬升约束：P/W >= (RC + Vc/LDmax)/etaP RC = 2.0; % 设计爬升率 m/s PW_climb = (RC + Vc / LD_max) / etaP; climb_ok = PWg >= PW_climb; % 三个约束取交集就能得到可行域 ok = stall_ok & cruise_ok & climb_ok; % 画图：三条边界线加可行域填充 figure('Color', 'w'); contourf(WS, PW, double(ok), [0.5 0.5]); hold on; contour(WS, PW, Vstall_lim, [Vstall Vstall], 'r--'); contour(WS, PW, PWg - PW_cruise, [0 0], 'b-'); contour(WS, PW, PWg - PW_climb, [0 0], 'k-'); xlabel('翼载荷 W/S (N/m^2)'); ylabel('功率载荷 P/W (W/N)'); legend('可行域', '失速边界', '巡航边界', '爬升边界', 'Location', 'best'); grid on;

逻辑说明：contour 的第二个参数传一个和目标值相等的矩阵，就能画出等值线，这里三条边界分别对应失速速度等于设计值、巡航功率刚好够、爬升率刚好达标。stall_ok、cruise_ok、climb_ok 三个逻辑矩阵取交集后，非零区域就是同时满足全部约束的选型空间。

读图时注意方向：失速边界线左侧是安全的（翼载荷小、失速速度低），右侧不可行；巡航和爬升边界线上方可靠（功率足），下方不可行。因此整个可行域在图的左上方，也就是“大机翼加充沛动力”的一侧。实际设计点不会落在可行域正中，而是贴着功率边界往下找，因为功率越小电机电池越轻，总重越小，翼载荷会自然回落。

4.2 迭代点和匹配图怎么互相验证：别让收敛变成自洽的谎言

匹配图和迭代循环其实是同一套模型的两个面：迭代循环在某个固定 W/S 下求自洽总重，匹配图则把整个 W/S–P/W 平面都摊开。我一般会把最终迭代收敛点的 W/S 和 P/W 直接画到匹配图上，做一次交叉验证。

具体做法是在 4.1 的图后面加两行：

hold on; plot(W_final/S_final, P_final/W_final, 'kp', 'MarkerSize', 12, 'MarkerFaceColor', 'y'); legend(..., '设计点');

其中 W_final、S_final、P_final 来自 3.1 主循环的输出。如果这个点落在可行域内部，说明“自洽”和“满足任务”两个条件同时成立；如果落在可行域外面，比如功率比爬升边界低，那说明迭代收敛到了一个无效解——重量闭合了，但性能不合格，必须回头调整约束或重新初猜。

另一个常见用途是用匹配图做多方案对比。改展弦比、换翼型、改电池能量密度，都会让三条边界线移动。例如提高 CL_max 会让失速边界右移，可行域变大；降低 CD0 会让巡航边界下移，功率需求变小；提高 e_bat 会让电池重量占比变小，但不改变匹配图的三条线，而是改变迭代收敛位置。把这些曲线叠在一张图里，就能直观判断哪个设计改进性价比最高，而不是靠感觉。

5. 迭代选型避坑：五个真实翻车现场

5.1 迭代振荡和不收敛：总重来回弹

现象：脚本跑了几十轮，总重不是收敛，而是在两个值之间来回跳，残差始终压不到 1e-3；有些情况下直接发散到负数或者无穷大。原因：总重和机翼面积之间存在正反馈环——面积变大→空重和阻力变大→需要更大功率→电池变重→总重变大→再次要求面积变大。如果每次迭代都拿全新的 W_next 覆盖 W_prev，反馈增益就很容易超过 1，形成极限环。解决：在主循环里加松弛因子，令 W_prev = alpha·W_next + (1-alpha)·W_prev，alpha 取 0.5~0.7。alpha 越小越稳定但收敛越慢；如果还压不住，就把空重系数 f_empty 也在每轮末尾更新一次，而不是用固定常数，因为空重占比是随总重变化的。

5.2 电池重量原地爆炸：把电池放在迭代外面算

现象：迭代收敛了，一看电池重量占总重 45% 以上，甚至超过有效载荷好几倍，整架飞机算出来像一块会飞的电池。原因：最常见的错误是把电池容量当成固定输入，先用一个不含电池的“空重”猜出巡航功率，再单独算电池重量加在最后。这样电池重量没有参与巡航功率计算，总重被系统性低估，功率被低估，电池反而是往小里错的。解决：把电池重量计算公式 m_batt = P_elec·E_req/(e_bat·etaB) 放进主循环内部，让功率和电池互相迭代；同时注意 etaB 要取 0.8~0.9 的可用系数，不要拿电池标称能量密度直接算。如果迭代后电池仍然超过总重 35%，大概率是任务航时超出了当前能量密度下电动固定翼的合理边界，要么降航时，要么改混合动力。

5.3 峰值功率当连续功率用：电机越选越重

现象：用爬升率约束算出的功率去选电机，整机重量立刻猛增，续航却反而变短；换一个小电机又怕爬不上去。原因：爬升是短时峰值工况，巡航是长时间连续工况，两者的功率需求可以差出 40% 以上。电机重量应该按连续功率选型，因为巡航占满整个任务剖面；爬升功率只需要在几分钟内撑住，通常用同一个电机的“峰值输出”区间覆盖即可。解决：主循环里的 P_shaft 是按巡航速度算的，本来就应该对应连续功率；迭代收敛后再单独校核一次“爬升率对应功率是否小于该电机峰值功率”，而不是把两者混在一起选型。电机数据表里的“最大功率”通常指 10~30 秒的短时工况，千万别当连续额定值用。

5.4 螺旋桨效率拍脑袋：ηP 设 0.8，实际只有 0.5

现象：迭代时把螺旋桨效率设成 0.8，算出的功率很乐观，试飞或台架实测却发现电机电流偏大、推力不足，巡航根本维持不住。原因：螺旋桨效率不是常数，它随前进比 J = Vc/(n·D) 和螺距比变化；同一个桨在不同转速和速度下效率可以相差 20 个百分点。概念设计阶段常见做法是取 0.6~0.8 的固定值，这没问题，但要注意这个取值必须和 3.3 里选的直径、螺距、转速范围匹配。解决：在迭代里先用 ηP=0.65 的保守值收敛出功率和螺旋桨尺寸，然后回头用前进比查厂家效率曲线，把查到的 ηP 代回主循环再迭代一次。如果两次迭代的功率差超过 10%，说明螺旋桨工作点没选对，需要重新拉直径或螺距。

5.5 空重统计公式超出适用范围：让黑匣子替你做决定

现象：翼载荷很小（比如低于 20 N/m²）时，空重统计公式给出的空重低得离谱，总重迭代出来轻飘飘，怎么看都不像一架能飞的飞机。原因：空重系数 a 和幂指数 b 是从一批同类无人机数据里回归出来的，样本多数集中在常规翼载荷区间，低翼载荷或超大展弦比的机型并不在统计范围内，外推自然失效。解决：收敛后把 W_empty/W_total 打印出来和同类机型做对比，常规电动固定翼一般在 0.4~0.5 左右，低于 0.35 就要警惕；同时确认翼载荷落点相对回归样本不是边缘值。如果超出范围，改用部件重量法：机翼、机身、尾翼、起落架分开估算，再叠加航电和舵机固定重量，不要让统计公式替你承担全部空重判断。

6. 验证设计点的最后一步：把结果放回约束里，再做一次敏感度扫描

6.1 一组快速校核，把迭代结果打回原形

迭代收敛不代表设计成功，只代表“这套重量配得上这套尺寸”。把收敛后的 W_S、S、P 放回四条约束里重新验算，才是真正的验收环节。我的习惯是每次迭代完都顺手填一张表：失速速度按 Vstall = sqrt(2·W/(ρ·S·CLmax)) 重算，爬升率按 RC = (ηP·P/W - V/LD) 重算，续航时间按 T = W_batt·e_bat·ηB/P_elec 重算，三项全部和任务书对比，超出 5% 就回去调整初猜或约束余量。这一步看起来多此一举，实际能拦截掉大半“自洽但飞不动”的方案，尤其是电池重量爆炸和螺旋桨效率虚高这两种问题，都是在校核阶段暴露的。

6.2 电池能量密度的敏感性扫描：让方案不变成一次掷骰子

概念设计最后值得做的一件事，是把电池能量密度 e_bat 从 100 Wh/kg 扫到 220 Wh/kg，看总重、机翼面积、巡航功率怎么变。把主循环封成一个函数后，扫描就是一层 for 循环的事：

e_bat_vec = 100:20:220; for i = 1:length(e_bat_vec) [W_out(i), S_out(i), P_out(i)] = sizing_fixedwing(e_bat_vec(i), task, aero); end plot(e_bat_vec, S_out, '-o'); xlabel('电池能量密度 (Wh/kg)'); ylabel('收敛机翼面积 (m^2)');

输出通常是一条下凸的下降曲线：能量密度越高，电池越轻，总重越小，所需机翼面积也越小。如果某个区间曲线斜率突然变陡，说明设计点正在被电池重量主导，继续堆能量密度的边际收益在递减。这个图配合匹配图一起看，就能把“换电池”这种改动对整机尺寸的连锁影响说清楚。我现在的习惯是每个方案至少扫三个参数：能量密度、有效载荷、巡航速度，然后挑一个最不敏感的参数作为备用方案的设计点，防止任务书微调导致整机重做。做这类迭代脚本最容易翻车的其实不是算法，而是单位——把 g 当 kg、把 Wh 当 W，一次错乱全盘皆错。先核对量纲，再看收敛曲线，这两步顺了，迭代选择基本不会跑偏。希望帮到你。

本文还有配套的精品资源，点击获取