第3章：软件在环测试（SIL）——让飞控代码先飞一会儿

说实话，很多刚入行的朋友容易犯一个错误：代码写完就直接往真机上跑。我当年也干过这事，结果嘛……嗯，炸鸡了。从那以后，我养成了一个习惯——先做SIL，再谈真机。

软件在环测试，说白了就是把飞控代码放到仿真环境里跑。你想想看，不用螺旋桨、不用电池、不用担心中午炸机，多好。今天我就带你走一遍SIL的完整流程。

3.1 SIL环境搭建——你的第一个虚拟试飞场

搭建SIL环境，核心就三样东西：飞控模型、仿真器、通信桥梁。我个人习惯用这套组合：

组件	推荐工具	作用
飞控固件	PX4 / ArduPilot	你要测试的代码本体
仿真器	Gazebo / jMAVSim	模拟物理世界和传感器
通信层	MAVSDK / ROS 2	让飞控和仿真器对话

安装步骤其实不复杂，但有几个坑我得提醒你：

具体安装命令（以Ubuntu 20.04为例）：

# 安装PX4依赖
sudo apt update
sudo apt install git zip cmake build-essential genromfs ninja-build exiftool -y

# 克隆PX4源码
git clone https://github.com/PX4/PX4-Autopilot.git --recursive
cd PX4-Autopilot

# 编译并启动SIL仿真
make px4_sitl gazebo

看到控制台输出 INFO [commander] Ready for takeoff!，恭喜你，环境搭好了。

3.2 飞控模型与仿真器配置——让虚拟飞机听话

环境跑起来只是第一步。真正的挑战在于模型配置。你想想看，如果仿真里的飞机和真机参数对不上，那测试结果就是废纸。

我一般会关注这几个关键参数：

• 气动参数：升力系数、阻力系数、力矩系数
• 传感器噪声：IMU的零偏、GPS的精度、磁力计的干扰
• 执行器延迟：电机响应时间、舵机行程

举个例子，在Gazebo里调整四旋翼的模型文件：

<!-- 修改 ~/PX4-Autopilot/Tools/sitl_gazebo/models/iris/iris.sdf -->
<model name="iris">
  <link name="base_link">
    <inertial>
      <mass>1.5</mass>  <!-- 实际重量1.5kg -->
      <inertia>
        <ixx>0.029</ixx>
        <iyy>0.029</iyy>
        <izz>0.055</izz>
      </inertia>
    </inertial>
  </link>
</model>

3.3 自动化测试脚本编写——解放双手的关键

手动跑SIL？一次两次还行，跑100次你手就废了。所以自动化脚本是必须的。我习惯用Python写测试脚本，配合MAVSDK控制飞控。

一个典型的自动化测试脚本长这样：

#!/usr/bin/env python3
import asyncio
from mavsdk import System

async def run_mission():
    drone = System()
    await drone.connect(system_address="udp://:14540")
    
    print("等待飞控就绪...")
    async for state in drone.core.connection_state():
        if state.is_connected:
            print("已连接！")
            break
    
    # 上传航线任务
    mission_items = [
        MissionItem(47.398, 8.545, 10, 10, True, float('nan'), float('nan'), 
                    MissionItem.CameraAction.NONE, float('nan'), float('nan'), 
                    float('nan'), float('nan'), float('nan')),
        # ... 更多航点
    ]
    
    await drone.mission.upload_mission(mission_items)
    await drone.mission.start_mission()
    
    # 监控飞行状态
    async for position in drone.telemetry.position():
        print(f"高度: {position.relative_altitude_m:.2f}m")
        if position.relative_altitude_m < 0.5:
            print("降落完成")
            break

if __name__ == "__main__":
    asyncio.run(run_mission())

3.4 测试用例设计——覆盖比完美更重要

测试用例怎么设计？我的原则是：先覆盖，再优化。别想着一次写出完美的用例，先保证该测的都测了。

我一般把测试用例分成这几类：

1. 功能测试：起飞、悬停、航线飞行、降落
2. 边界测试：最大速度、最大高度、最小电量
3. 故障注入：GPS丢失、电机失效、传感器漂移
4. 回归测试：每次代码提交后跑一遍

举个例子，GPS丢失的测试用例：

测试编号：TC-FAIL-001
测试名称：GPS信号丢失后自动切换为惯性导航
前置条件：飞机处于悬停状态，GPS信号正常
测试步骤：
  1. 在仿真中关闭GPS输出
  2. 观察飞控状态切换
  3. 等待30秒后恢复GPS
  4. 检查位置误差
预期结果：
  - 飞控应在2秒内切换到惯性导航模式
  - 恢复GPS后位置误差小于5米
实际结果：（测试后填写）
结论：通过/失败

3.5 知识体系总览

下面这张图，是我自己整理的SIL测试知识体系。你照着这个框架走，基本不会漏掉关键环节：

你看，整个SIL测试其实就围绕这三块展开。环境搭好了，模型配准了，脚本和用例到位了，剩下的就是让代码在仿真里反复跑、反复验证。

---

公众号：蓝海资料掘金营，微信deep3321