1. 飞控系统概述：什么是飞控、核心组成与常见固件
大家好，我是你们的飞控调试课讲师。今天咱们聊聊飞控系统的基础。说实话，很多新手一上来就急着调参数，结果炸机了还不知道问题出在哪。我个人习惯是，先搞清楚飞控到底在干什么，再动手。
1.1 什么是飞控？
飞控，全称飞行控制器。说白了，它就是无人机的大脑。你想想看，无人机在空中要稳住姿态、要飞到你指定的位置、要应对突如其来的阵风——这些事全靠飞控来协调。
我遇到过不少朋友，把飞控当成一个简单的“遥控信号转发器”。其实远不止如此。飞控的核心任务是：感知当前状态 → 计算目标状态 → 输出控制指令。这个循环每秒要跑几百次甚至上千次。
核心定义：飞控是一个实时嵌入式系统，它读取传感器数据，运行控制算法，最终驱动电机或舵机，让飞行器按照预期运动。
1.2 飞控的核心组成
一个完整的飞控系统，离不开几个关键传感器。我按重要性排个序，咱们一个个说。
1.2.1 IMU（惯性测量单元）
IMU是飞控最核心的传感器。它包含加速度计和陀螺仪。加速度计测的是“重力方向”，陀螺仪测的是“旋转速度”。
嗯，这里要注意：IMU的数据天生有噪声和漂移。我记得刚入行时，为了滤掉IMU的高频噪声，折腾了好几个通宵。后来发现，光靠硬件滤波不够，还得在软件里做互补滤波或卡尔曼滤波。
我的经验：调试时如果发现无人机悬停时轻微抖动，先别急着调PID。检查一下IMU的安装是否牢固，减震海绵是否老化。我曾经被一个松动的IMU螺丝坑了整整两天。
1.2.2 GPS（全球定位系统）
GPS提供位置和速度信息。室外飞行时，它是飞控的“眼睛”。但GPS有个毛病——更新频率低（通常5-10Hz），而且容易受遮挡影响。
你想想看，如果GPS信号突然变差，飞控会怎么办？它会尝试用IMU推算位置，但IMU的积分误差会随时间快速累积。这就是为什么很多飞控要求“GPS+IMU融合”。
1.2.3 气压计
气压计用来测高度。原理很简单：气压随高度变化。但实际用起来坑不少。我遇到过最典型的问题：无人机在室内起飞，空调一吹，气压计读数直接跳变2米。
避坑指南：气压计对气流非常敏感。安装时一定要用海绵或泡沫包裹，避免直接暴露在螺旋桨下洗气流中。我曾经因为没做防护，导致定高模式下一阵风过来，无人机直接“坐电梯”。
1.2.4 磁力计（电子罗盘）
磁力计用来测航向（也就是机头朝向）。它容易受电机电流和周围铁磁物质干扰。我建议每次更换安装位置后，都做一次磁力计校准。
这里有个小技巧：校准磁力计时，让无人机在空中转几个圈，比在地上转效果更好。因为地面可能有钢筋或金属管道干扰。
1.3 常见飞控固件介绍
目前主流的开源飞控固件有两个：PX4和ArduPilot。我两个都用过，说说我的感受。
| 特性 | PX4 | ArduPilot |
|---|---|---|
| 架构 | 模块化，基于uORB消息传递 | 整体式，基于AP_HAL硬件抽象层 |
| 编程语言 | C++，部分模块支持Python | C++ |
| 适用机型 | 多旋翼、固定翼、VTOL、无人车 | 多旋翼、固定翼、直升机、无人船 |
| 调参工具 | QGroundControl | Mission Planner |
| 学习曲线 | 中等，文档较新 | 较陡，但社区资源丰富 |
1.3.1 PX4
PX4是苏黎世联邦理工学院发起的项目。我个人比较喜欢它的模块化设计。每个传感器、每个控制算法都是一个独立模块，想换哪个就换哪个。
举个例子，如果你觉得默认的EKF（扩展卡尔曼滤波）效果不好，可以换成LPE（局部位置估计器）。这在ArduPilot里就没那么灵活。
# PX4的传感器数据流示例（伪代码）
sensor_accel.publish(accel_data)
sensor_gyro.publish(gyro_data)
estimator_ekf.update(sensor_accel, sensor_gyro, sensor_gps)
controller_attitude.update(estimator_ekf.attitude)
actuator_output.publish(controller_attitude.control)1.3.2 ArduPilot
ArduPilot历史更久，功能更全。它支持上百种机型，从玩具级到工业级都有。我刚开始学飞控时用的就是ArduPilot，因为它的调参界面Mission Planner非常直观。
但ArduPilot也有缺点：代码量巨大，想改底层逻辑比较费劲。如果你只是做应用开发，ArduPilot很合适；如果你想深入研究控制算法，PX4可能更适合。
我的建议：初学者从ArduPilot入手，先学会调参和飞行。等理解了PID、EKF这些概念后，再转到PX4做深度开发。不要一上来就啃源码，容易劝退。
1.4 本章知识体系
下面这张图总结了飞控系统的核心逻辑。你可以看到，传感器数据经过估计器融合，生成状态估计；控制器根据状态估计和目标指令，计算控制量；最终驱动执行机构。
这张图看起来简单，但每个环节都有很多坑。比如传感器噪声怎么滤？估计器参数怎么调？控制器响应太快会不会震荡？这些我们后面会一一展开。
学习建议：刚开始不用追求理解所有细节。先记住这个流程：感知 → 估计 → 控制 → 执行。后面每讲一个知识点，你都可以回到这张图，看看它属于哪个环节。