第2章飞控系统基础

飞控系统基础：PX4/ArduPilot飞控架构概览、传感器融合与控制环路

大家好，我是你们的飞控调试讲师。今天咱们聊聊飞控系统的骨架——架构、传感器融合和控制环路。这部分内容，说白了就是无人机的大脑、眼睛和肌肉反射。

我个人习惯把飞控系统拆成三个层面来看：硬件抽象层（传感器怎么读数据）、中间层（数据怎么融合成状态）、应用层（状态怎么变成电机转速）。你想想看，悬停不稳，八成是这三个层面中某个环节出了问题。

先说说两个主流开源飞控。PX4和ArduPilot，就像Linux和Windows——各有拥趸，各有绝活。

我在项目中遇到过不少新手，上来就问“哪个更好？”其实没有绝对的好坏。PX4的模块化设计，让我在调试新传感器时能单独替换模块，不用动整个系统。而ArduPilot的宏内核，参数多到让人眼花缭乱，但调好了确实稳。

我的建议：如果你刚开始学，从ArduPilot入手会容易些，文档多、社区活跃。但如果你要做深度定制，PX4的模块化会让你少掉很多头发。

传感器融合，说白了就是让多个“瞎子”互相纠正，得出一个靠谱的结论。

IMU（惯性测量单元）：包含加速度计和陀螺仪。加速度计测重力方向，陀螺仪测旋转角速度。但加速度计怕振动，陀螺仪有零漂。所以需要融合。

GPS：提供绝对位置和速度。但GPS更新频率低（5-10Hz），而且高楼遮挡时信号会跳变。

光流：通过摄像头图像计算水平移动速度。室内无GPS时，光流就是救星。但光流怕纹理少的地面（比如纯白地板），也怕光照变化。

为什么会这样？因为每种传感器都有“死穴”。IMU短期准但长期漂，GPS长期准但短期跳，光流在特定场景下准但通用性差。

核心逻辑：飞控内部用扩展卡尔曼滤波（EKF）把这些数据揉在一起。EKF会根据每个传感器的“置信度”（噪声协方差）动态调整权重。比如GPS信号差时，EKF会自动降低GPS的权重，更多依赖IMU和光流。

我曾经调试一架室内无人机，悬停时总是慢慢往一个方向飘。查了半天，发现是光流传感器的安装角度偏了0.5度。嗯，这种“软故障”最难查，因为EKF不会报错，只会默默把偏差吸收进状态估计里。

控制环路是飞控的“肌肉反射”。我习惯把它想象成三层嵌套的PID环：

你想想看，如果内环没调好，外环再怎么调也是白费力气。就像你让一个喝醉的人走直线——他连站都站不稳，怎么可能走直？

避坑指南：我曾经在调试一架大载重无人机时，为了追求响应速度，把内环P值调得很大。结果飞机高频抖动，电机发烫。后来才明白，内环的带宽受限于电机和桨叶的物理响应——你调得再快，电机也转不了那么快。

下面这张图是我自己画的飞控系统架构图，帮你理清各模块的关系：

从这张图你能看到，数据从传感器流入融合层，变成状态估计，然后进入控制环路层层计算，最后输出给电机。每个环节的延迟和精度都会影响最终悬停效果。

我个人习惯在调试悬停参数时，先看内环角速率环的响应。怎么判断？用手轻轻拨动飞机，看它回正的速度和超调量。如果回正太慢，增大P值；如果来回晃动，减小P值或增大D值。

嗯，这里要注意：内环调好后，再动外环。很多人一上来就调位置环的P值，结果飞机像“点头”一样前后晃动——其实是内环没锁住。

核心公式（简化版）：

角速率环输出 = P * (目标角速率 - 实际角速率) + I * 积分项 + D * 微分项
姿态环输出 = P * (目标角度 - 实际角度) + I * 积分项
位置环输出 = P * (目标位置 - 实际位置) + I * 积分项

注意：外环的输出是内环的目标值。比如位置环输出的是目标速度，速度环输出的是目标角度，姿态环输出的是目标角速率。

我曾经遇到一个案例：一架四轴在悬停时，高度保持得很好，但水平方向总是缓慢漂移。检查了所有传感器校准，都没问题。最后发现是GPS的航向角（Yaw）有5度的偏差——因为磁力计受到了电机电流的干扰。解决办法是做了硬铁校准，并在EKF参数里适当降低了磁力计的权重。

调试小技巧：在QGroundControl或Mission Planner里，打开实时曲线图。重点关注“姿态角估计值 vs 目标值”的跟踪误差。如果误差超过2度，说明内环或姿态环需要调整。

好了，这一章的内容就到这里。记住：飞控系统是一个整体，传感器融合是“眼睛”，控制环路是“肌肉”，而架构是“骨架”。三者缺一不可。

公众号:蓝海资料掘金营，微信deep3321