第3章传感器核心之IMU

3. 传感器核心之IMU：加速度计与陀螺仪

好，咱们今天聊聊飞控里最核心的传感器——IMU。说白了，它就是飞控的「前庭系统」，没了它，无人机就是个瞎子。

IMU由两部分组成：加速度计和陀螺仪。我习惯把它们比作「感觉细胞」和「平衡器官」。加速度计感知重力方向，陀螺仪感知旋转速度。两者配合，才能让飞控知道「我在哪」和「我在怎么动」。

加速度计测量的是比力（Specific Force），不是单纯的速度变化率。它测的是物体受到的惯性力与重力的合力。你想想看，静止时它测到的是1g向上的加速度，而不是0。这个坑我刚开始做飞控时踩过——以为静止时加速度计输出应该是0，结果调试了半天。

主流MEMS加速度计用的是电容式检测原理。内部有个微小的质量块，固定在弹簧结构上。当有加速度时，质量块会偏移，改变电容极板间距，从而改变电容值。通过检测电容变化，就能反推出加速度。

我见过一些廉价模块，温度一变化输出就飘。嗯，这里要注意：电容式传感器对温度敏感，选型时一定要看温漂指标。

我个人习惯，做四旋翼选±8g量程就够了。做固定翼或者高速载具，建议选±16g。量程选大了，分辨率会下降，这是个取舍。

避坑指南： 我曾经遇到过一款加速度计，静态指标很漂亮，但一上振动台就炸了。后来发现是它的内部谐振频率刚好落在电机振动频率附近。选型时一定要看器件的谐振频率，避开电机工作频率。

陀螺仪测量的是角速度，单位是°/s。MEMS陀螺仪用的是科里奥利效应——一个振动的质量块，当它旋转时会产生一个垂直于振动方向的力。这个力的大小与角速度成正比。

说白了，就是让质量块振动起来，然后检测它有没有被「带偏」。偏了多少，就对应转得多快。

做航模级别的飞控，±2000°/s量程基本够用。但如果你做的是云台或者慢速旋转设备，选±250°/s量程能获得更好的分辨率。

我的经验： 陀螺仪的零偏不稳定性是最容易被忽视的参数。很多便宜的IMU，静止时输出看着还行，但积分几分钟后角度就飘得离谱。选型时一定要看这个指标，它直接决定了你的姿态解算能维持多久不漂。

单独用加速度计或陀螺仪都不行。加速度计动态响应慢，受振动影响大；陀螺仪有漂移，长时间积分会发散。所以必须把两者结合起来。

组合导航的核心思想很简单：用加速度计修正陀螺仪的漂移，用陀螺仪弥补加速度计的动态响应不足。这就是互补滤波或者卡尔曼滤波的出发点。

我刚开始做飞控时，用的是最简单的互补滤波。代码就几十行，效果也还行。后来发现，在剧烈机动或者振动环境下，互补滤波就不够用了。这时候就得上卡尔曼滤波。

核心要点： 组合导航不是简单的「取平均」，而是根据传感器的置信度动态调整权重。陀螺仪在短时间内可信度高，加速度计在长时间内可信度高。融合算法要做的就是找到这个平衡点。

我个人建议，初学者先从互补滤波入手，理解原理后再过渡到卡尔曼滤波。直接上手卡尔曼滤波，很容易被矩阵运算搞晕。

注意： 加速度计在自由落体或高速机动时，测到的「重力方向」是错的。这时候如果还用加速度计去修正陀螺仪，反而会把姿态搞乱。好的组合导航算法，一定要有异常检测机制，在加速度计数据不可信时自动降低它的权重。

下面这张图，是我梳理的IMU知识体系。你可以把它当作选型和设计的路线图。

这张图把IMU的知识体系分成了三个层次：底层是加速度计和陀螺仪各自的原理与选型参数，中间是两者的融合逻辑，顶层是具体的融合算法实现。你选型时，先看底层参数是否满足需求，再看融合算法能否匹配你的算力资源。

我的建议： 做产品选型时，不要只看芯片本身，还要看配套的驱动库和算法库。有些IMU厂商会提供成熟的融合算法，能帮你省下大量开发时间。比如InvenSense的MotionDriver库，就内置了DMP（数字运动处理器），可以直接输出四元数。

好了，关于IMU的核心原理和选型，我就讲这么多。记住一句话：加速度计看温漂，陀螺仪看零偏，融合算法看算力。这三样抓好了，你的飞控姿态就不会差到哪去。

公众号:蓝海资料掘金营，微信deep3321