小型无人机自主飞行控制：从感知决策到建模仿真实践

简介：《Small Unmanned Aircraft: Theory and Practice》是一份面向无人机飞控方向的高阶教材型PDF，适合航空航天、自动化与控制工程专业学生、研究人员及工程实践者系统学习小型无人机的建模、控制与制导。内容从系统架构、坐标系与旋转矩阵讲起，依次展开运动学与刚体动力学、气动力与力矩、配平条件、传递函数及线性状态空间模型，并延伸到连续闭环自动驾驶仪设计、机载传感器、状态估计与卡尔曼滤波、制导设计等主题，兼顾理论推导与设计项目。压缩包内为1个PDF文件，约4.89MB，单文件结构便于检索和离线阅读。已有309人学习，说明其在无人机控制领域具有一定参考价值。读者可据此建立从动力学建模到飞控实现的完整知识链路，并结合各章设计项目加深对坐标转换、线性化建模、PID回路与姿态估计等关键环节的理解。

1. 小型无人机到底是什么：从“会飞的手机”说起

很多人第一次见到小型无人机，会把它当成“装了螺旋桨的遥控飞机”。这个理解不算错，但漏掉了最关键的部分：遥控飞机是人在下面扳摇杆，飞机只负责执行；小型无人机是自己决定往哪飞、飞多高、拐多大弯。两者的差别不在有没有螺旋桨，而在于飞机上有没有一整套“感知—决策—执行”的闭环。

用一句话说，小型无人机是一类翼展不大、载荷有限，却能依靠机载传感器和算法完成自主飞行的小型固定翼飞行器。它值得搞懂，是因为它把空气动力学、控制理论、传感器融合和路径规划压缩进了几十厘米到几米的空间里，任何一个环节没想清楚，飞机就会用一次失控来提醒你。

2. 无人机凭什么自己飞：感知、决策、执行的三层架构

2.1 三层架构各自在忙什么

把小型无人机拆开看，它的系统架构可以粗暴地分成三层：感知器、控制器、执行器。感知器负责回答“我现在在哪、姿态是什么、速度多少”；控制器负责回答“下一步舵面该怎么偏、油门该给多少”；执行器负责把控制器的电信号变成舵面的机械转动和电机的转速变化。

这个过程和开车很像。眼睛和耳朵是传感器，大脑是控制器，手脚是执行器。你开车时不会每秒钟都想“我要不要往左打半度方向”，大脑把这件事交给了肌肉记忆和条件反射。无人机的自动驾驶仪干的就是这个活：它不关心你从哪来、到哪去，只负责把滚转角、俯仰角、空速、高度、航向这几个量稳在指令值附近。高一级的路径规划模块再告诉它“下一个航点在哪、沿着哪条线飞”。

三层之间是有严格分工的。感知层输出的是带噪声的原始测量，控制层需要的是干净的状态估计，执行层需要的是限幅后的舵面指令。任何一层越界，整个回路就会出问题。比如把未经滤波的陀螺仪信号直接送给舵机，舵机会跟着噪声高频抖动，几分钟内就能把舵机齿轮磨平。

提示：感知、控制、执行三层不是并列关系，而是串联关系。上游一层的噪声和延迟会沿着链条往下游放大，所以越靠前的环节，越值得花时间。

2.2 小尺寸反而更难：载荷限制带来的连锁反应

固定翼无人机按翼展大致能分成两档。小型无人机一般指翼展在 5 到 10 英尺之间的固定翼，多数烧汽油，起降需要跑道，续航能到 10 到 12 小时，载荷在 10 到 50 磅。再往下是翼展小于 5 英尺的微型飞行器，电池驱动，手抛起飞、腹部着陆，续航从 20 分钟到几个小时不等，载荷只有几盎司到几磅。

这张表最值得看的是最后一列。载荷越小，能装的传感器越少，能带的计算机越弱，但自主飞行的难度并没有同步降低。一架 5 英尺翼展的飞机遇到阵风照样会被吹偏，一架 3 英尺翼展的飞机遇到同样的阵风，偏得更快、修正窗口更短。载荷限制和扰动强度之间的这个剪刀差，才是小尺寸无人机真正的难点。

所以这本书从头到尾都在处理同一个矛盾：用有限的传感器和有限的计算资源，去应对一个并不因为飞机小而变简单的飞行控制问题。理解了这一点，后面所有的坐标系、模型、滤波器、路径算法，都是在给这个矛盾找工程解。

2.3 为什么需要“设计模型”而不是直接写代码试

很多人第一反应是：既然要飞，那就写代码、烧进飞控、扔上天试。这条路不是不能走，但试错成本极高。一次摔机损失的不仅是机身，还有传感器、电池、以及你花了几周调出来的参数——这些参数在摔机后没有任何参考价值，因为你不知道是参数错了、模型错了，还是当天风太大。

设计模型的作用，是把“试飞”这件事从物理世界搬到计算机里先跑一遍。模型不需要和真机一模一样，它只需要在关键频段上足够准。什么是关键频段？就是你控制器带宽附近的频段。你的滚转角回路带宽大概在 2 到 5 赫兹，那么模型在 1 到 10 赫兹范围内的幅频和相频特性就必须靠谱，至于 50 赫兹以上的细节，差一点没关系。

这本书给出的设计模型，覆盖了从坐标系、运动学、动力学、气动力、配平、线性化，到自动驾驶仪、传感器、状态估计、制导、路径跟踪的完整链条。每一章后面都配了设计项目，让你把这一章的概念实现成一个可以跑的模块。把这些模块串起来，就是一个端到端的飞行仿真器：给定航点，飞机能自己起飞、爬升、转弯、跟踪直线、绕圈、降落。这个仿真器本身不是目的，目的是让你在摔第一架真机之前，已经知道每一个参数在系统里起什么作用。

3. 坐标系与运动学：无人机怎么知道“我在哪、朝哪飞”

3.1 三套坐标系：惯性系、机体系、气流系

小型无人机身上同时跑着三套坐标系，初学者最容易在这里翻车。第一套叫惯性坐标系，原点固定在地面某处，x 轴指北、y 轴指东、z 轴指地。GPS 给出的经纬度和高度，本质上就是在这个系里描述位置。第二套叫机体坐标系，原点在飞机重心，x 轴指机头、y 轴指右翼、z 轴指机腹。陀螺仪测的角速度、加速度计测的比力，都是在这个系里。第三套叫气流坐标系，x 轴沿着空速方向，z 轴在飞机对称面内垂直于空速。升力和阻力就是在这个系里定义的。

为什么非要搞三套？因为不同来源的信息天然属于不同的系。GPS 不知道你的机头朝哪，它只知道你在惯性系里的坐标；陀螺仪不知道你在世界里的绝对位置，它只知道机体相对惯性空间的转动角速度；气动数据表里的升力系数，是按气流系的角度定义的。控制器要做的第一件事，就是把这些不同系里的量统一到同一个系里比较。

把机体系转到惯性系，靠的是旋转矩阵。绕 z 轴转偏航角、绕 y 轴转俯仰角、绕 x 轴转滚转角，三个基本旋转矩阵乘起来，就得到一个 3×3 的方向余弦矩阵。这个矩阵的每一列，就是机体系的三个轴在惯性系里的方向。

import numpy as np def rotation_body_to_inertial(roll, pitch, yaw): # 三个基本旋转矩阵，顺序为 Z-Y-X（偏航-俯仰-滚转） cr, sr = np.cos(roll), np.sin(roll) cp, sp = np.cos(pitch), np.sin(pitch) cy, sy = np.cos(yaw), np.sin(yaw) Rz = np.array([[cy, -sy, 0], [sy, cy, 0], [0, 0, 1]]) Ry = np.array([[ cp, 0, sp], [ 0, 1, 0], [-sp, 0, cp]]) Rx = np.array([[1, 0, 0], [0, cr, -sr], [0, sr, cr]]) # 先滚转、再俯仰、最后偏航 return Rz @ Ry @ Rx R = rotation_body_to_inertial(0.1, 0.05, 1.2) print(R)

这段代码里的roll、pitch、yaw是欧拉角，单位是弧度。Rz @ Ry @ Rx的乘法顺序不能随便换，换完之后得到的是另一套旋转约定，和传感器输出对不上。实际工程里更常见的做法是用四元数做姿态传播，因为欧拉角在俯仰角接近 ±90 度时会出现万向节锁，旋转矩阵在这个点附近数值上也会变得病态。四元数没有这个问题，代价是多了一层“从四元数反解欧拉角”的换算。

3.2 旋转矩阵与风三角：空速、地速、风速的关系

飞机相对空气运动的速度叫空速，相对地面运动的速度叫地速，两者之间的差就是风速。这三个量构成一个向量三角形：地速 = 空速 + 风速。逆风飞行时，空速不变的情况下地速会变小；顺风时地速会变大。这个关系听起来像常识，但在控制器设计里非常关键。

姿态控制器关心的是空速，因为升力正比于空速的平方。空速掉到失速速度以下，飞机就会掉高度，这时候你盯着地速看是看不出问题的——地速可能因为顺风还很漂亮，但机翼已经快不产生升力了。路径跟踪控制器关心的是地速，因为航点是在地面坐标系里定义的，你实际飞过的轨迹由地速决定。

风三角还有一个隐藏作用：它把“风”从一个扰动变成了一个可观测的量。如果你同时知道空速向量和地速向量，两者相减就得到风速向量。这就是为什么很多飞控在 GPS 和空速管同时可用的条件下，能在线估计出风的大小和方向，并把估计结果送给路径跟踪器做前馈补偿。没有这个补偿，飞机在侧风里跟踪直线会一直偏在航线的一侧，控制器拼命修，修出来的效果就是航迹画出一条弧线。

3.3 十二个状态：把一架飞机的姿态和运动装进一个向量

描述一架刚体飞机在空间里的完整运动，需要十二个状态：三个位置、三个速度、三个姿态角、三个角速度。位置和速度描述质心运动，姿态角和角速度描述绕质心的转动。这十二个量不是随便凑的，它们两两成对，位置求导得速度，姿态角求导得角速度（中间差一个旋转矩阵的变换）。

运动学和动力学在这里分家了。运动学只关心几何关系：位置怎么随速度变化，姿态角怎么随角速度变化。它不关心力，也不关心质量。动力学关心的是另一件事：速度怎么随受力变化，角速度怎么随力矩变化。牛顿第二定律管的是动力学，运动学只管“你动成什么样”，不管“你为什么这么动”。

把这两组方程合在一起，就是六自由度十二状态非线性模型。这个模型不假设小角度、不假设线性、不忽略耦合，它能描述大机动、大迎角、快速滚转这些线性模型覆盖不了的情况。代价是它太复杂了，复杂到没法直接拿来做控制器设计。你没法对一个十二状态的非线性方程组画伯德图，也没法直接读它的相位裕度。所以工程上的标准做法是：非线性模型用来做仿真验证，线性模型用来做控制器设计。两者各司其职，缺一不可。

4. 力与力矩：升力、阻力和配平

4.1 四种力：重力、气动力、推进力、大气扰动

作用在小型无人机上的力可以归成四类。第一类是重力，方向永远指向地心，大小等于质量乘以重力加速度。重力在惯性系里是个常数向量，但一旦转到机体系，它就会随着滚转角和俯仰角的变化而重新分配。飞机倾斜的时候，重力在机体 z 轴上的分量变小，在 y 轴上的分量变大，这就是为什么转弯需要额外拉杆。

第二类是气动力，包括升力、阻力和侧力。升力垂直于空速方向，阻力平行于空速方向且反向，侧力在对称面内垂直于升力和阻力。升力和阻力都可以写成动压乘以参考面积再乘以无量纲系数的形式。阻力系数里有一项叫诱导阻力，正比于升力系数的平方——升力越大，诱导阻力越大。这个平方关系是固定翼飞机的一个基本约束：你不能既要大升力又要低阻力，只能在效率和机动性之间找平衡点。

第三类是推进力，沿机头方向（简化模型里这么假设），由电机或发动机提供。第四类是大气扰动，包括阵风、湍流、风切变。扰动不是直接作用在舵面上的，它是通过改变来流速度和来流角，间接改变气动力和力矩。所以在模型里，扰动通常以附加速度分量的形式进入气动力计算，而不是单独加一个力。

力矩这边对应着三组：滚转力矩、俯仰力矩、偏航力矩。滚转力矩主要由副翼差动产生，俯仰力矩由升降舵产生，偏航力矩由方向舵产生。三者之间有耦合，滚转的时候会诱导偏航，偏航的时候也会诱导滚转。这个耦合在转弯的时候特别明显，也是横侧向控制器设计比纵向控制器麻烦的原因之一。

4.2 配平：巡航时舵面为什么几乎不动

配平是飞行控制里一个特别朴素但特别重要的概念。所谓配平，就是找到一组状态和输入，使得合力为零、合力矩为零。飞机在这个状态下不需要任何额外的控制 effort 就能保持匀速直线飞行。你坐客机巡航的时候，机翼几乎不抖、舵面几乎不动，飞机稳稳地往前飞，那就是配平状态。

配平点不是唯一的。给定一个高度和一个空速，可以解出一组对应的迎角、俯仰角、油门和升降舵偏角。换个空速，配平点就变了。空速越大，需要的迎角越小，油门越大；空速越小，需要的迎角越大，油门越小。当空速低到某个临界值以下，需要的迎角超过失速迎角，就配不出平了——这就是失速边界。

配平在工程上的意义，是给线性化提供一个工作点。你不可能在整個飞行包线里用一个线性模型，但你可以把包线切成若干段，每一段围绕一个配平点做线性化。控制器在哪个配平点附近工作，就用哪个线性模型来设计。这也是为什么这本书花了一整章讲配平条件，而不是直接跳到传递函数。

注意：配平点算错，后面所有线性模型都会跟着错。配平是线性化的地基，地基歪了，上面的控制器设计得再漂亮也是白搭。

4.3 线性化：工程师为什么偏爱“小偏差”模型

十二状态非线性模型没法直接拿来做频域分析，但飞机在实际飞行中大部分时间都在配平点附近小幅波动。滚转角不会无缘无故从 0 度跳到 60 度，空速不会在一秒内变化 10 米每秒。这个“小幅波动”就是线性化的物理依据。

线性化的数学操作，是在配平点附近对非线性方程做泰勒展开，只保留一阶项，扔掉二阶及以上。展开完得到四个矩阵：A 是状态雅可比，B 是输入雅可比，C 是输出雅可比，D 是直接传递矩阵。这四个矩阵一出来，非线性系统就变成了一个线性时不变系统，伯德图、根轨迹、奈奎斯特判据、LQR、H∞，全套工具都能上了。

线性模型的另一个好处是它能拆。十二状态模型可以拆成纵向和横侧向两组，纵向管空速、迎角、俯仰角、高度，横侧向管滚转角、偏航角、侧滑角。两组之间的耦合项在小扰动假设下可以忽略，于是两个六状态模型可以分开设计控制器。这就是为什么自动驾驶仪通常分成纵向自动驾驶仪和横侧向自动驾驶仪两套，各调各的，调完再合起来验。

线性化也不是没有代价。它只在配平点附近有效，一旦飞机进入大迎角、大侧滑、快速滚转这些非线性区域，线性模型的预测就会偏得离谱。所以工程上的标准流程是：线性模型设计控制器，非线性模型验证控制器，真机试飞确认控制器。三步缺一不可，跳步的代价通常是一次摔机。

5. 常见误区与易混概念：这五组词最容易把人带沟里

5.1 坐标系搞混：同一个“位置”在不同系里不是同一个数

易混点：GPS 给出的位置、陀螺仪测的角速度、气动系数用的角度，很多人以为它们都在同一个坐标系里。

为什么混：这三组量在数值上都是三个数，形式上看起来一样，初学者很容易直接拿来做加减。

怎么区分：先问一句“这个量是相对谁定义的”。GPS 位置是相对地面定义的，属于惯性系；陀螺仪角速度是相对惯性空间定义的，但表达在机体系里；气动系数里的迎角和侧滑角是相对来流定义的，属于气流系。三个系之间的转换靠旋转矩阵，不转换就直接运算，得到的数在物理上没有意义。

5.2 空速、地速、风速：有风时它们差得很远

易混点：把空速当成地速，或者反过来。

为什么混：无风的时候两者数值相等，平时看飞控地面站上的数字，不刮风的日子里两个数一模一样，很容易形成“它们本来就是一回事”的错觉。

怎么区分：看有没有风。逆风时空速大于地速，顺风时空速小于地速，侧风时两者方向都不一样。判断失速看空速，判断到没到航点看地速。这两件事搞反了，轻则航点跟踪画弧线，重则失速坠机。

5.3 六自由度模型与线性模型：不是越复杂越适合调参

易混点：觉得十二状态非线性模型更“真实”，所以直接拿它来调 PID。

为什么混：“真实”这个词有迷惑性，越真实的模型听起来越靠谱。

怎么区分：看用途。非线性模型是用来做仿真验证的，它回答“这套控制器在真实动力学下会不会出问题”；线性模型是用来做控制器设计的，它回答“这套控制器的带宽、相位裕度、阻尼比是多少”。调参需要的是频域指标，频域指标只在线性模型上有定义。拿非线性模型调参，等于拿一把没有刻度的尺子量长度。

5.4 滤波与估计：低通滤波和卡尔曼滤波不是一回事

易混点：把卡尔曼滤波当成“更高级的低通滤波”。

为什么混：两者都能让曲线变平滑，输出看起来都是“去噪后的信号”。

怎么区分：低通滤波只用了当前和过去的测量，它不知道系统是怎么动的；卡尔曼滤波同时用了测量和系统模型，它一边预测“下一时刻状态应该在哪”，一边用测量修正预测。低通滤波的滞后是固定的，卡尔曼滤波的滞后取决于模型准不准和噪声参数调得好不好。传感器融合场景下，卡尔曼滤波能融合加速度计和陀螺仪，低通滤波只能各自滤波再拼起来。

5.5 路径跟踪与轨迹跟踪：跟一条线和一个点不是同一件事

易混点：把路径跟踪和轨迹跟踪当成同义词。

为什么混：中文里“跟踪”这个词覆盖了太多含义，英文里 path following 和 trajectory tracking 也是近亲。

怎么区分：看有没有时间约束。路径跟踪只要求飞机收敛到一条几何路径上，不要求它在某个时刻到达某个特定位置；轨迹跟踪要求飞机在每个时刻都处于轨迹上对应的位置。路径跟踪允许你飞得快一点或慢一点，轨迹跟踪不允许。固定翼无人机常用的是路径跟踪，因为风一吹，精确的时间同步非常难做到，硬做只会让控制器频繁饱和。

6. 什么时候该信模型、什么时候该信试飞：一个直线跟踪的例子

假设你要让一架小型无人机沿着一条直线飞，从 A 点飞到 B 点，航线方向正北，侧风从东往西吹。你有两个选择：直接在真机上试 PID，或者先在仿真里把模型跑通再上真机。

直接试 PID 的流程是：给一个滚转角指令，看飞机往哪偏，改比例增益，再试，再改。侧风一吹，飞机往西偏，你把比例增益调大，飞机修正得更快，但开始来回摆；你把微分增益调大，摆动压下去了，但遇到阵风又开始抖。你在真机上反复迭代，每次迭代都要起降一次，每次起降都有风险。更麻烦的是，你不知道摆动是增益太大引起的，还是传感器延迟引起的，还是舵机饱和引起的。三个原因在时域波形上长得差不多。

先跑模型的流程是：在仿真里把配平点算出来，在配平点附近线性化，拿到横侧向的传递函数，看它的幅频特性。你会发现滚转角回路的带宽大概在 3 赫兹左右，相位裕度在 45 度附近。然后你设计一个滚转角控制器，让内环带宽落在 2 到 3 赫兹，外环航迹跟踪带宽落在外环的十分之一左右，也就是 0.2 到 0.3 赫兹。内外环带宽差一个数量级，这是逐次回路闭合的基本要求，目的是让内外环的动态解耦。调完之后在非线性模型里跑一遍，加侧风、加传感器噪声、加舵机限幅，看航迹误差有没有收敛。

两种做法不是对立的。真机试飞永远需要，模型再准也代替不了真实的气动和真实的阵风。但试飞应该发生在“我已经知道这套参数为什么应该work”之后，而不是“我试试这套参数行不行”之前。

# 横侧向航迹跟踪的简化伪代码，只表达结构，不代表完整实现 Kp_cross = 0.8 # 横向误差到滚转角指令的比例增益 Kd_cross = 0.15 # 横向误差变化率的微分增益 phi_limit = 0.5 # 滚转角指令限幅，单位弧度，约 28 度 def lateral_tracking(cross_track_error, cross_track_rate, course_error): # 外环：横向误差转滚转角指令 phi_cmd = Kp_cross * cross_track_error + Kd_cross * cross_track_rate # 航向误差前馈，减小稳态偏差 phi_cmd += 0.3 * course_error # 限幅，防止内环被大指令打饱和 phi_cmd = max(-phi_limit, min(phi_limit, phi_cmd)) return phi_cmd

这段伪代码里，cross_track_error是飞机到航线的垂直距离，cross_track_rate是它的变化率，course_error是机头方向和航线方向的夹角。三个量分别对应比例、微分和前馈。phi_limit是硬限幅，作用不是“保护飞机”，而是“保护内环”——外环给出一个 60 度的滚转指令，内环根本跟不动，跟不动的结果就是积分项累积、退饱和时过冲，最后航迹画出一条大弧线。限幅放在外环输出端，比放在内环输入端更早生效，这是逐次回路闭合里的一个常规操作。

我自己的习惯是，每次上真机之前，强制在仿真里把配平点、线性模型、内外环带宽、限幅值这四样东西过一遍。有一次偷懒跳过了配平检查，直接拿上一架飞机的参数套到新机身上，结果新机的重心偏后，配平升降舵偏角比预期大了 4 度，起飞后俯仰回路一直在慢速振荡，落地检查才发现是配平点错了。从那以后我每次换机身都强制走一遍配平，不管时间多紧。希望帮到你。

本文还有配套的精品资源，点击获取