第四章：大气数据系统——空速、高度、攻角、侧滑角的测量原理与传感器融合

各位同学，欢迎来到第四章。

这一章，我们聊聊飞机的“感觉器官”——大气数据系统。说白了，就是飞机怎么知道自己飞多快、飞多高、姿态怎么样。

我刚开始做飞控那会儿，总觉得传感器数据嘛，读出来直接用就行了。直到有一次试飞，空速管堵了个小虫子，飞机在天上乱跳……嗯，从那以后，我对大气数据系统就再也不敢马虎了。

4.1 空速测量：皮托管与静压孔

空速，就是飞机相对于空气的速度。不是地速，是空速。这个区别很重要，你想想看，逆风飞行时地速可能很小，但空速必须够大才能产生升力。

测量空速，核心器件是皮托管（总压管）和静压孔。

• 皮托管：开口朝前，感受气流冲击，测得总压（P_t）。
• 静压孔：开在机身侧面，感受大气静压，测得静压（P_s）。

动压 q = P_t - P_s。然后根据伯努利方程：

V = sqrt(2 * q / ρ)

其中 ρ 是空气密度。这里有个坑——ρ 会随高度变化。所以真正的空速计算，需要结合高度信息做修正。

4.2 高度测量：气压高度与无线电高度

高度测量，主要有两套路子。

气压高度：利用大气压力随高度递减的规律。标准大气模型下，高度 h 与静压 P_s 的关系：

h = (T0 / L) * [ (P_s / P0)^(-R*L/g) - 1 ]

看着复杂？其实代码里就是个查表加插值。我一般用ISO 2533标准大气表，精度够用。

无线电高度：发射电磁波，测反射时间。这个精度高，但只能测离地高度，而且地形起伏时会跳变。

类型	优点	缺点
气压高度	连续、无地形依赖	受气温、气压影响，误差可达几十米
无线电高度	精度高（±0.5m）	只能测离地高度，地形复杂时不可靠

4.3 攻角与侧滑角：直接测量与间接估计

攻角（AoA）是机翼弦线与来流的夹角。侧滑角（Beta）是机身轴线与来流的夹角。这两个角，直接决定了飞机的升力系数和阻力系数。

直接测量：用风标传感器或压差式攻角传感器。

• 风标：一个小叶片，随风向转动。简单可靠，但响应慢，容易结冰。
• 压差式：在机头两侧开孔，测压差。响应快，但需要校准。

间接估计：用IMU和GPS数据反推。

// 攻角估计（简化版）
alpha = atan2(w, V) - pitch_angle;

// 侧滑角估计
beta = asin(v / V);

这里的 v、w 是机体坐标系下的速度分量，V 是真空速。说实话，这个方法在动态飞行时误差很大，我一般只用来做故障备份。

4.4 传感器融合：卡尔曼滤波的应用

单个传感器总有毛病。皮托管会堵，静压孔会结冰，攻角风标会卡滞。所以，我们需要融合。

我个人最常用的方法是扩展卡尔曼滤波（EKF）。状态量包括：空速、高度、攻角、侧滑角，以及它们的偏差项。

观测方程：

• 总压 - 静压 → 空速
• 静压 → 高度
• 攻角传感器 → 攻角
• IMU + GPS → 侧滑角（间接）

核心思想：用IMU的高频数据做预测，用大气传感器的低频数据做修正。这样既保证了实时性，又抑制了漂移。

// 简化的EKF预测步
x_pred = F * x_est + B * u;
P_pred = F * P_est * F' + Q;

// 更新步
K = P_pred * H' * inv(H * P_pred * H' + R);
x_est = x_pred + K * (z - H * x_pred);
P_est = (I - K * H) * P_pred;

4.5 知识体系总览

下面这张图，是我自己梳理的大气数据系统知识框架。你可以把它当作本章的思维导图。