第一章：传感器基础与飞控系统架构
各位同学好，我是老张。在飞控这个行当摸爬滚打了十几年，今天咱们来聊聊飞控系统最底层的那些事儿——传感器。说白了，飞控就是靠传感器“看”世界的。传感器要是坏了，飞机就是瞎子。
1.1 飞控系统到底长什么样？
飞控系统，我习惯把它比作人的神经系统。大脑是主控芯片，传感器是眼睛耳朵，执行机构是手脚。缺了哪一环都不行。
一个典型的飞控系统，包含这几个核心部分：
- 主控单元（MCU）：飞控的大脑，负责跑算法、做决策
- 传感器组：IMU、GPS、磁力计、气压计——这是飞控的感官
- 执行机构：电调、舵机、电机——负责执行命令
- 通信链路：遥控器接收机、数传模块——跟地面说话用的
- 电源管理：稳压模块、电流计——保证不饿肚子
嗯，这里要特别强调一下传感器组。我见过太多新手，一上来就研究PID调参，结果传感器没校准好，飞起来乱飘。传感器是飞控的根基，根基不稳，上层算法再牛也白搭。
1.2 传感器到底在干什么？
传感器的作用，说白了就三件事：
- 感知自身状态：我在哪？我朝哪？我多快？
- 感知环境信息：外面气压多少？有没有磁场干扰？
- 提供反馈信号：告诉飞控“我现在这样，你看着办”
举个例子，你遥控飞机往前飞，飞控得先知道飞机当前是平飞还是倾斜的。这个信息从哪来？IMU。没有传感器反馈，飞控就是个盲人骑瞎马。
核心观点：飞控的本质是一个闭环控制系统。传感器提供反馈，算法计算偏差，执行机构修正偏差。传感器一旦失效，闭环就断了。
1.3 四大核心传感器，一个一个说
1.3.1 IMU（惯性测量单元）
IMU是飞控里最核心的传感器，没有之一。它包含加速度计和陀螺仪，有些还带磁力计。
加速度计：测量三个轴的加速度。注意，它测的是“比力”，不是单纯的运动加速度。重力加速度也会被它测到。所以静止时，加速度计读出来的是1g（9.8m/s²）指向地心。
陀螺仪：测量三个轴的角速度。说白了就是转得有多快。单位是°/s。
我在项目中遇到过一件事：有个客户说飞机悬停时老往一边偏，查了半天，结果是陀螺仪的零偏没校准。陀螺仪有个特性，静止时输出不一定是0，有个固定偏差。这个偏差不消除，积分算角度就会越偏越大。
避坑指南：我曾经因为IMU安装位置没选好，导致震动耦合进传感器数据。飞控装在机臂上，电机一转，加速度计数据全是高频噪声。后来我把飞控挪到了机身中心，用减震垫隔离，问题才解决。记住：IMU要远离震动源，最好用减震泡沫。
1.3.2 GPS（全球定位系统）
GPS提供位置和速度信息。精度嘛，民用的一般在2-5米。速度精度好一些，0.1m/s左右。
GPS有个致命弱点：更新频率低，一般5-10Hz。而且容易丢星，在楼宇间、树荫下信号很差。所以飞控不能完全依赖GPS，得跟IMU配合着用。
你想想看，GPS更新一次要100-200毫秒，这期间飞机早飞出去好几米了。所以飞控里会用IMU来“填充”GPS的空白期，这就是数据融合的雏形。
1.3.3 磁力计（电子罗盘）
磁力计测地球磁场，用来确定航向。说白了就是指南针的电子版。
但磁力计有个大坑：容易受干扰。电机电流、大功率线缆、甚至地下的铁质管道都会影响它。我见过一架飞机，飞着飞着突然画圈，查日志发现是磁力计受到了电机干扰，航向数据跳变了几十度。
警告：磁力计校准不是一次性的。每次更换安装位置、或者飞机结构有大的改动，都要重新校准。我曾经吃过这个亏，换了碳纤维机架没重新校准，结果航向一直偏了15度。
1.3.4 气压计
气压计测大气压力，换算成高度。原理很简单：高度越高，气压越低。
但气压计受天气影响很大。晴天和阴天，地面气压能差几十帕，换算成高度就是好几米。所以飞控一般不会直接用气压计的高度，而是用GPS高度做参考，或者用IMU的垂直加速度来辅助。
还有一个问题：气压计对气流敏感。飞机快速下降时，机翼下方气流紊乱，气压计读数会剧烈跳动。我建议把气压计放在飞控内部，用海绵包裹，减少气流直吹的影响。
1.4 飞控数据融合——为什么需要它？
好，现在问题来了：我们有四个传感器，每个都有优点和缺点。怎么把它们的数据整合起来，得到最准确的姿态和位置？
这就是数据融合要干的事。
我打个比方：你面前有三个人告诉你时间。一个人看的是原子钟（准但慢），一个人看的是手机（快但可能不准），一个人凭感觉猜（完全不可靠）。你怎么得到最准确的时间？
飞控的做法类似：
- 陀螺仪：响应快，但会漂移（长期不准）
- 加速度计：长期稳定，但短期有噪声
- 磁力计：提供航向参考，但易受干扰
- GPS：提供绝对位置，但更新慢
数据融合的核心思想：用陀螺仪的快速响应做短期预测，用加速度计和磁力计做长期校正。这就是互补滤波或者卡尔曼滤波的基本思路。
下面这张图，是我自己画的飞控数据融合流程，你看一眼就明白了：
从图上你能看到，所有传感器数据先经过预处理，然后进入融合算法。最终输出的是稳定、可靠的姿态和位置信息，供控制算法使用。
1.5 一个小例子：互补滤波
说了这么多理论，咱们看一段实际代码。这是互补滤波的核心逻辑，用来融合陀螺仪和加速度计的数据：
// 互补滤波 - 姿态融合
// gyro: 陀螺仪角速度 (rad/s)
// accel: 加速度计数据 (m/s²)
// dt: 时间步长 (s)
// 返回: 融合后的俯仰角 (rad)
float complementary_filter(float gyro, float accel_angle, float dt) {
// 互补滤波系数
// 这个系数决定了信任陀螺仪还是加速度计
const float alpha = 0.98; // 我习惯用0.98
// 陀螺仪积分得到角度
float gyro_angle = previous_angle + gyro * dt;
// 融合：陀螺仪占98%，加速度计占2%
float fused_angle = alpha * gyro_angle + (1 - alpha) * accel_angle;
// 更新上一帧角度
previous_angle = fused_angle;
return fused_angle;
}这段代码看着简单，但实际工程里要考虑的东西很多。比如alpha系数怎么选？我一般根据传感器噪声水平来调。噪声大的传感器，alpha要小一点，多信任加速度计一些。
关键点：互补滤波的alpha系数，本质上是“信任分配”。alpha越大，越信任陀螺仪的短期精度；alpha越小，越信任加速度计的长期稳定性。没有万能的值，得根据实际硬件调。
1.6 本章小结
好了，第一章的内容就这些。咱们捋一捋：
- 飞控系统由主控、传感器、执行机构、通信、电源五部分组成
- 传感器是飞控的感官，负责感知自身状态和环境
- 四大核心传感器各有优缺点：IMU快但漂移，GPS准但慢，磁力计易受干扰，气压计受天气影响
- 数据融合是飞控的灵魂，把多个传感器的数据整合成可靠的状态估计
下一章，咱们会深入讲IMU的故障模式。什么情况下陀螺仪会坏？加速度计数据异常怎么判断？这些都是我实际踩过的坑，到时候一一分享。
公众号:蓝海资料掘金营，微信deep3321