3. 空速校准与标定：风洞校准方法、飞行中校准（GPS对比法）、卡尔曼滤波融合

空速不准，飞控就是瞎子。这话我常跟团队里的新人讲。

你想想看，固定翼飞机在空中，机翼升力直接跟空速的平方成正比。空速计偏了5%，失速速度判断就偏了10%以上。这可不是闹着玩的。我在一个项目中就遇到过，一架翼展3米的无人机，因为皮托管安装位置不对，巡航时读数偏大，结果实际速度偏低，最后在顺风转弯时失速坠地。嗯，从那以后，空速校准就成了我每次装机必做的功课。

3.1 空速测量原理与误差来源

说白了，空速测量就是测动压。皮托管测总压，静压孔测静压，两者一减就是动压。然后根据伯努利方程算出空速：

V = sqrt(2 * (P_total - P_static) / ρ)

但这里有个坑——空气密度ρ不是常数。高度变了，温度变了，密度就变了。我习惯在飞控里用气压高度和温度传感器实时修正密度，而不是用海平面标准值。

误差来源主要有三个：

• 安装位置误差——皮托管离机身太近，气流受扰动，读数就偏
• 静压孔误差——机身表面气流加速或减速，导致静压不准
• 传感器本身误差——MEMS差压传感器的零偏和温漂

3.2 风洞校准方法

风洞校准是最准的，但也是最麻烦的。你得有风洞，还得有合适的工装。

流程其实不复杂：

1. 把飞机或皮托管固定在风洞中
2. 风洞从低速到高速，记录每个风速下的传感器读数
3. 拟合出校准曲线

校准曲线通常是一个多项式：

V_true = a0 + a1 * V_raw + a2 * V_raw^2 + a3 * V_raw^3

我在项目中一般用三阶多项式就够了。高阶项太多反而容易过拟合，尤其是传感器本身线性度还不错的时候。

风洞校准的优点是精度高，能到0.5%以内。缺点也很明显——你不可能每次飞都去风洞。而且飞机在使用过程中，皮托管可能被灰尘堵塞，或者安装位置因振动而松动，这时候风洞数据就失效了。

3.3 飞行中校准：GPS对比法

这才是实战中最常用的方法。原理很简单——用GPS地速和风向风速信息，反推出空速。

你想想看，空速和地速的关系是：

V_air = V_ground - V_wind

但风向风速是未知的。所以我们需要一个技巧——让飞机在不同航向上飞行，通过多组数据解算出风速。

具体做法：

1. 飞机在无风或微风条件下，做几个360度转弯
2. 记录每个时刻的GPS地速和航向
3. 用最小二乘法拟合出风速矢量
4. 然后用V_air = V_ground - V_wind算出真实空速
5. 对比传感器读数和计算值，得到校准系数

代码实现大致是这样：

// 假设有N组数据：ground_speed[i], heading[i]
// 待求：wind_e, wind_n, true_airspeed
// 方程：ground_speed * cos(heading) = true_airspeed * cos(air_heading) + wind_e
// 简化：假设飞机在转弯中空速恒定

for (int i = 0; i < N; i++) {
    double vg = ground_speed[i];
    double hdg = heading[i];
    // 构建观测矩阵 H
    H[i][0] = 1.0;  // wind_e
    H[i][1] = 0.0;  // wind_n
    H[i][2] = cos(hdg); // true_airspeed * cos(air_heading)
    // 实际观测值 vg * cos(hdg)
    z[i] = vg * cos(hdg);
}
// 然后用最小二乘法解 H * x = z

这个方法精度取决于GPS精度和转弯的完整性。一般能做到2-3%的精度，对于大多数固定翼无人机来说已经足够了。

3.4 卡尔曼滤波融合

风洞校准准，但会漂移。GPS对比法实时，但受风场影响大。怎么办？融合呗。

卡尔曼滤波在这里的作用，就是把风洞校准的静态精度和GPS对比法的动态修正结合起来。

状态量我一般选：

• 真实空速 V_true
• 空速传感器偏差 bias
• 风速（东向和北向分量）

观测值有两个：

• 空速传感器读数 V_raw
• GPS地速和航向（通过空速-地速关系间接观测）

卡尔曼滤波的预测方程：

V_true(k+1) = V_true(k) + 过程噪声
bias(k+1) = bias(k) + 过程噪声  // 偏差缓慢变化
wind(k+1) = wind(k) + 过程噪声  // 风速缓慢变化

观测方程：

V_raw = V_true + bias + 观测噪声
V_ground = V_true + wind + 观测噪声  // 简化版

我在实际项目中，会把卡尔曼滤波的更新频率设在10Hz左右。太高了计算量大，太低了跟不上空速变化。

3.5 实战中的避坑指南

讲几个我踩过的坑：

• 皮托管堵塞——飞完沙地后一定要检查。我有一架飞机在沙漠飞了20分钟，皮托管里进了沙子，空速直接卡死。后来我在皮托管入口加了防尘罩，起飞前才取下。
• 静压孔结冰——高空低温时，静压孔可能结冰。我一般在静压孔附近加个小加热片，功率不用大，1瓦就够。
• GPS对比法在强风下不准——风速超过10m/s时，GPS对比法的误差会显著增大。这时候我倾向于信任风洞校准数据，降低GPS对比法的权重。
• 卡尔曼滤波初始化——刚上电时，卡尔曼滤波还没收敛。我一般让飞机先平飞10秒，用GPS对比法做一次粗校准，再启动卡尔曼滤波。

3.6 本章知识体系

下面这张图，是我自己总结的空速校准与标定的完整流程。从风洞到飞行，从静态到动态，最后用卡尔曼滤波兜底。

这张图把整个流程串起来了。从传感器原始数据开始，经过三种校准方法，最后用卡尔曼滤波融合输出。注意那个反馈箭头——卡尔曼滤波会在线更新校准系数，让系统越飞越准。

好了，空速校准这块就讲到这里。记住一句话：空速不准，飞控白费。花时间把校准做好，后面控制律调参能省一半功夫。

---

公众号:蓝海资料掘金营，微信deep3321