第3章惯性测量单元(IMU)原理

第三章：惯性测量单元(IMU)原理

各位同学，今天我们来聊聊飞控系统里最核心的传感器——IMU。说白了，它就是飞行器的「内耳」，负责感知自身的运动状态。没有它，无人机就是个瞎子。

我刚开始做飞控那会儿，总觉得IMU数据读出来就能直接用。结果第一次试飞，飞机在天上晃得像喝醉了酒。后来才明白，不理解IMU的工作原理，你连数据都读不懂。

3.1 加速度计工作原理

加速度计测量的是比力（Specific Force），不是单纯的速度变化率。这个概念很多人搞混。

想象一个弹簧挂着的小球。当整个系统加速时，小球会偏离平衡位置。加速度计内部就是类似的微机械结构——质量块被微小的悬臂梁支撑着。

核心公式：

a_measured = a_true - g

其中 g 是重力加速度矢量。静止时，加速度计测到的是 1g 向上的力，而不是 0。

我在项目中遇到过一个问题：无人机悬停时，加速度计输出是 (0, 0, -9.8) m/s²。新手往往以为这是故障，其实完全正常。因为加速度计测的是「支撑力」，不是「重力」。

避坑指南：

我曾经调试一架四旋翼，发现加速度计Z轴读数总偏小0.2m/s²。排查了三天，最后发现是安装面的胶水厚度不均匀，导致传感器倾斜了0.5度。嗯，机械安装的精度比你想象的重要得多。

3.2 陀螺仪工作原理

陀螺仪测量角速度，单位是 rad/s 或 °/s。MEMS陀螺仪的原理是科里奥利效应——一个振动的质量块在旋转时会产生垂直于振动方向的位移。

你想想看，这其实挺巧妙的。让一个质量块以固定频率振动，当整个芯片旋转时，质量块会受到科里奥利力，产生可测量的位移。电容检测这个位移，就能算出角速度。

参数	消费级IMU	工业级IMU	战术级IMU
零偏稳定性	10-100 °/h	1-10 °/h	<0.1 °/h
噪声密度	0.01 °/s/√Hz	0.001 °/s/√Hz	0.0001 °/s/√Hz
典型价格	$1-10	$50-500	$1000+

我个人习惯在选型时先看零偏稳定性。为什么？因为陀螺仪的零偏会直接积分到姿态误差里。一个 10°/h 的零偏，积分10分钟就是 1.67° 的漂移。对于需要长时间飞行的无人机来说，这误差不可接受。

3.3 磁力计工作原理

磁力计测量地球磁场，用来修正航向角。原理很简单：地球磁场从南极指向北极，在水平面上的分量指向磁北。

但实际用起来坑很多。我调试过一架测绘无人机，磁力计数据总是跳变。最后发现是机臂上的大电流导线产生的磁场干扰。嗯，这里要注意：电机电流、电池线、甚至螺丝刀的磁性都会影响磁力计。

重要提醒：

磁力计校准必须在无磁干扰的环境下进行。我曾经在金属架子上校准磁力计，结果飞出去航向误差达到 30°。后来改用木质支架，数据才正常。

3.4 IMU误差模型与校准

IMU的误差可以分为确定性误差和随机性误差。说白了，确定性误差可以标定补偿，随机性误差只能靠滤波。

3.4.1 确定性误差

零偏（Bias）： 传感器静止时的输出偏移。加速度计零偏通常在 ±50mg，陀螺仪零偏在 ±5°/s。
尺度因子（Scale Factor）： 输入输出比例偏差。比如输入 1g 加速度，输出 0.98g。
交叉耦合（Cross-axis）： X轴加速度会在Y轴产生串扰。典型值 1-5%。
非线性（Nonlinearity）： 输出与输入不成正比。通常 0.1-1% FS。

3.4.2 随机性误差

随机性误差用 Allan 方差分析。我常用的模型是：

// 陀螺仪随机误差模型
// 角度随机游走 (ARW): 0.01 °/√h
// 速率随机游走 (RRW): 0.1 °/h/√h
// 零偏不稳定性: 5 °/h

typedef struct {
    float bias;           // 零偏
    float arw;            // 角度随机游走
    float rrw;            // 速率随机游走
    float bias_instab;    // 零偏不稳定性
} GyroErrorModel;

3.4.3 六位置校准法

这是我最常用的加速度计校准方法。说白了，就是把传感器放在六个标准姿态下，记录数据，然后解算误差参数。

水平朝上：测量 (0, 0, +1g)
水平朝下：测量 (0, 0, -1g)
左侧朝上：测量 (0, +1g, 0)
右侧朝上：测量 (0, -1g, 0)
前倾朝上：测量 (+1g, 0, 0)
后倾朝上：测量 (-1g, 0, 0)

校准矩阵计算：

// 加速度计校准模型
// a_calibrated = K * (a_raw - b)
// K: 3x3 尺度+交叉耦合矩阵
// b: 3x1 零偏向量

// 最小二乘求解
// 已知：6个姿态的理论值 a_true
// 测量值：a_raw
// 求解：K 和 b

我曾经用这个方法校准了一批IMU，效果很好。但要注意：每个姿态至少采集30秒数据，取平均。数据采集太快，噪声会影响校准精度。

3.5 知识体系总览

下面这张图是我自己整理的IMU知识体系。你看，从物理原理到误差模型，再到校准方法，每一步都有坑，每一步都需要理解。

说实话，IMU这部分内容我讲了这么多年，每次备课都能发现新的理解。你想想看，一个几块钱的MEMS芯片，能测量地球自转的角速度（15°/h），这本身就是工程学的奇迹。

我的建议：

初学者不要急着跑算法。先把IMU数据读出来，画成波形，观察静止时的噪声、运动时的响应。我当年就是这么干的——盯着波形看了一周，比看十篇论文都有用。

好了，IMU的原理就讲到这里。记住：理解原理是第一步，校准是第二步，融合滤波是第三步。每一步都扎实了，你的飞控才能飞得稳。

公众号:蓝海资料掘金营，微信deep3321