第3章 IMU传感器模型

第1章：IMU传感器模型——飞控感知世界的“眼睛”

大家好，我是你们的老朋友。今天咱们正式开讲多旋翼飞控EKF姿态估计的第一章——IMU传感器模型。说白了，就是搞清楚飞控上那几个小芯片到底是怎么“看”世界的。

我刚开始做飞控那会儿，总觉得传感器数据读出来就能直接用。结果呢？飞机悬停不到三秒就开始晃，像喝醉了酒一样。后来才明白——你不理解传感器的“脾气”，它就跟你耍性子。

加速度计测的是什么？很多人以为是“重力加速度”。其实不对。它测的是比力——也就是除了重力之外，作用在传感器上的所有外力产生的加速度。

数学上写成这样：

a_m = a - g + b_a + n_a

其中：

你想想看，如果飞机悬停在空中不动，a = 0，那么加速度计读到的就是 -g + b_a + n_a。这就是为什么静止时加速度计输出不是0，而是大约9.8 m/s²（方向朝上）。

关键理解：加速度计不能区分重力加速度和运动加速度。这是EKF中需要融合陀螺仪和磁力计的根本原因。

我在项目中遇到过一个问题：飞机做急加速时，加速度计读到的“重力方向”完全跑偏了。如果你只用加速度计算姿态，那结果就是灾难性的。嗯，这里要注意——加速度计只在低动态情况下可信。

陀螺仪就相对“老实”一些。它测的是角速度，也就是飞机绕三个轴转动的快慢。但陀螺仪有个大毛病——漂移。

ω_m = ω + b_g + n_g

参数说明：

陀螺仪的零偏 b_g 是个“慢性子”。它不会突然跳变，但会随着温度、时间慢慢漂移。我曾经遇到过一架飞机，起飞时姿态好好的，飞了五分钟就开始慢慢倾斜——就是陀螺仪零偏在“作妖”。

避坑指南：我曾经因为忽略陀螺仪零偏的在线估计，导致飞机在长航时任务中姿态发散。后来在EKF中加入了零偏状态量，才彻底解决这个问题。

陀螺仪的噪声 n_g 通常是高频的，可以用低通滤波器处理。但零偏不行——它是个低频分量，滤波反而会把它保留下来。所以EKF里必须把零偏当成一个状态量去估计。

磁力计测的是地球磁场方向。说白了，就是帮你找到“北”。但问题是——地球磁场很弱，周围随便一个电机、一根导线都能干扰它。

m_m = R * m_e + b_m + n_m

其中：

磁力计最让人头疼的就是硬铁干扰。我调试过一台四轴，磁力计读数在机头朝北和朝南时差了将近20度。后来发现是电源线走线离磁力计太近了。

个人经验：我建议在飞控板上给磁力计留出“隔离区”，远离大电流走线和电机。如果实在避不开，那就必须在EKF里把硬铁干扰也当成状态量去估计。

磁力计的另一个问题是倾角依赖。如果飞机倾斜了，磁力计测到的水平分量会变小，导致航向估计不准。所以一般会先用加速度计算出俯仰和横滚，再把磁力计投影到水平面上去算航向。

好了，三个传感器都介绍完了。咱们来总结一下它们的“性格”：

传感器	主要误差来源	频率特性	EKF中的处理方式
加速度计	零偏、运动加速度干扰	低频稳定，高频噪声	低动态时信任，高动态时降权
陀螺仪	零偏漂移、积分误差	高频噪声，低频漂移	零偏作为状态量估计
磁力计	硬铁干扰、软铁干扰	低频稳定，易受环境干扰	硬铁干扰作为状态量估计

噪声特性一般用Allan方差来分析。说白了，就是看不同时间尺度下噪声的“大小”。我习惯在传感器上电后先采集几分钟静态数据，算一下Allan方差，确定噪声的量化噪声和随机游走系数。这些参数会直接用到EKF的噪声协方差矩阵里。

核心要点：传感器模型不是摆设。你给EKF喂什么样的模型，它就给你什么样的估计精度。模型越准，估计越稳。

下面这张图是我自己画的，把本章的核心逻辑串起来了。你看一遍就能明白三个传感器在EKF里各自扮演什么角色：

这张图你看懂了吗？三个传感器各司其职：陀螺仪负责“猜”下一时刻的姿态，加速度计和磁力计负责“纠正”猜错的部分。EKF就是那个“裁判”，把两边的信息按置信度加权融合。

我的习惯：每次调参前，我都会先画一张这样的逻辑图。把传感器模型、状态量、观测方程都标清楚。代码写起来就顺了，debug也快。

好了，第一章就到这里。传感器模型是EKF的“地基”，地基不稳，上面盖什么楼都得塌。下一章咱们会讲姿态的数学表示——四元数、旋转矩阵这些东西。到时候你会发现，有了传感器模型的基础，理解姿态表示就轻松多了。

公众号:蓝海资料掘金营，微信deep3321