第1章：课程导论与预备知识

各位同学，欢迎来到《LQR控制无人机轨迹跟踪调参实战》的第一课。

我是你们这门课的主讲。做了十几年飞控算法，从最早的PID调参调到吐，到后来接触LQR，说实话，有种「终于找到组织了」的感觉。今天咱们先打好基础，把LQR控制理论、无人机动力学模型，还有必备的数学工具捋一遍。

1.1 LQR控制理论概述

LQR，全称Linear Quadratic Regulator，线性二次型调节器。名字听着唬人，说白了就是：给系统找个最优的控制量，让状态误差和控制代价都尽可能小。

我刚开始接触LQR时，总觉得它是个黑盒子。后来自己手推了一遍Riccati方程，才明白它的优雅之处。你想想看，我们控制无人机，无非是想让它飞得稳、跟得准。PID也能做，但LQR有个天然优势——它考虑了状态之间的耦合。

举个例子。四旋翼无人机的俯仰和滚转，其实是耦合的。你用PID调俯仰，滚转那边可能就抖起来了。LQR呢？它通过状态反馈矩阵K，一次性把多个状态变量协调好。我在项目中遇到过一架大四轴，PID调了三天，悬停还是晃。换成LQR，半天搞定。嗯，这就是状态空间法的威力。

这里的Q和R，就是咱们后面要反复调参的对象。Q惩罚状态误差，R惩罚控制量。你希望无人机跟得紧？Q调大。你希望电机别太累？R调大。就这么简单。

1.2 无人机动力学模型基础

做控制，不懂模型等于盲人摸象。无人机的动力学模型，我习惯把它拆成两部分：运动学和动力学。

• 运动学：描述位置、速度、姿态角之间的关系。说白了就是几何关系，不涉及力。
• 动力学：描述力、力矩如何产生加速度和角加速度。这才是核心。

对于四旋翼无人机，我们通常做几个假设：

• 机体是刚体（别指望它变形）
• 质量分布均匀
• 小角度假设（滚转俯仰角小于30°）

有了这些假设，模型可以简化为：

状态变量 x = [x, y, z, φ, θ, ψ, u, v, w, p, q, r]ᵀ
其中：
  x,y,z  —— 位置
  φ,θ,ψ —— 滚转、俯仰、偏航角
  u,v,w —— 线速度（机体坐标系）
  p,q,r —— 角速度（机体坐标系）

我曾经犯过一个错：忽略了偏航角ψ的积分漂移。结果无人机在天上转圈圈，我还以为是LQR参数没调好。后来发现，是模型里没加偏航修正。所以，模型越精确，控制效果越好，但也要考虑实时性。

1.3 数学工具回顾：线性代数与状态空间

做LQR，线性代数是基本功。别怕，咱们只捡最常用的说。

1.3.1 矩阵运算

你至少得会：

• 矩阵乘法（尤其是状态反馈 Kx 的计算）
• 矩阵转置（代价函数里到处都是 xᵀQx）
• 特征值与特征向量（判断系统稳定性）

我记得刚入行时，手算一个3x3矩阵的逆，算了半小时还错了。现在都用工具，但理解物理意义比会算更重要。

1.3.2 状态空间方程

状态空间方程是LQR的基石。标准形式：

ẋ = Ax + Bu
y = Cx + Du

其中：

• A —— 系统矩阵（描述状态如何自演化）
• B —— 输入矩阵（控制量如何影响状态）
• C —— 输出矩阵（哪些状态可观测）
• D —— 前馈矩阵（通常为0）

举个例子。无人机的高度通道，状态可以选为 [z, v_z]ᵀ，输入是油门。那么：

ẋ = [0  1] [z]   +   [0] u
     [0  0] [v_z]     [1/m]

你看，A矩阵的右上角是1，表示位置对速度的积分关系。左下角是0，表示没有弹簧力。这就是最简单的积分链模型。

1.4 本章知识体系总览

下面这张图，是我手绘的本章知识结构。你可以把它当作整个课程的导航图。

1.5 避坑指南

最后，分享几个我这些年踩过的坑：

1. 状态变量顺序别搞混。我习惯按 [位置, 姿态, 线速度, 角速度] 排列，这样A矩阵的物理意义最清晰。
2. 单位制统一。角度用弧度，别混着度。有一次我角度用度，角速度用弧度/秒，结果LQR算出来的K矩阵完全不对。
3. 先仿真，后实飞。LQR参数在仿真里调好了，再上真机。我见过有人直接上真机调，炸了三次。嗯，学费有点贵。

好了，第一章就到这里。记住：LQR不是魔法，是数学。把基础打牢，后面调参才能游刃有余。

---