企业官网建设流程全解析

1. 无人机飞控到底在算什么：从三个算法说起

很多人第一次接触无人机飞控，看到捷联惯导、卡尔曼滤波、PID控制这三个词，第一反应是“这仨到底啥关系”。我刚开始玩开源飞控的时候也一样，翻了一堆论文，越看越懵。后来自己焊板子、调参数、炸了几次机之后才慢慢理清楚：这三个算法其实是一条流水线上的三道工序，缺一不可。

简单说，捷联惯导负责“我现在在哪、朝哪个方向、转多快”，它靠陀螺仪和加速度计推算姿态；卡尔曼滤波负责“把传感器那些带噪声的数据揉在一起，给出一个靠谱的估计”，因为惯导会漂、磁力计会被干扰、GPS会跳；PID控制负责“我知道偏差了，该给电机发多少指令去纠正”。三者串起来，就是飞控最核心的一条链路：感知、估计、控制。

这篇文章适合谁看？如果你刚入坑无人机飞控，或者做嵌入式控制想了解飞控算法怎么落地，又或者你只是好奇“为什么无人机能悬停不飘”，那这篇内容应该能帮你把这三个算法的骨架搭起来。我不打算堆公式，而是从工程实现的角度讲清楚每个算法在飞控里到底干什么活、参数怎么调、坑在哪里。10分钟不一定能让你成为飞控专家，但至少能让你看懂飞控代码里那些变量名到底在折腾什么。

2. 捷联惯导：飞控的“内耳”是怎么工作的

2.1 为什么叫“捷联”，它和平台惯导差在哪

捷联惯导这个词听起来很唬人，其实“捷联”就是“绑定”的意思。早期的惯导系统是平台式的，陀螺仪和加速度计装在一个物理稳定平台上，平台通过万向节保持水平，传感器永远在一个固定的参考系里测量。这种方式精度高，但体积大、成本高、结构复杂，导弹和潜艇用得起，消费级无人机想都别想。

捷联惯导的思路完全不同：把陀螺仪和加速度计直接“绑”在机体上，跟着飞机一起翻滚俯仰。传感器测出来的就是机体坐标系下的角速度和加速度，然后靠算法把这些数据转换到导航坐标系里去。这个转换过程就是姿态解算，核心是四元数或者方向余弦矩阵。

我刚开始看四元数的时候也觉得莫名其妙，四个数怎么能表示旋转？后来想通了一个类比：你可以把四元数想象成“绕某个轴转某个角度”的紧凑表达，比欧拉角少了很多麻烦。欧拉角有万向节死锁问题，俯仰角到90度的时候滚转和偏航会耦合，算出来的姿态会跳变。四元数没这个问题，而且计算量小，适合单片机跑。

2.2 姿态解算的核心流程与实操要点

飞控里捷联惯导的姿态解算，一般跑在几百赫兹到几千赫兹的频率上。以常见的MPU6000为例，陀螺仪输出的是角速度，单位是度每秒或者弧度每秒，加速度计输出的是比力，单位是g或者米每二次方秒。解算流程大致是这样的：

1. 读取陀螺仪和加速度计的原始数据，做零偏校准和温度补偿。
2. 用陀螺仪积分更新四元数，得到预测姿态。
3. 用加速度计测量的重力方向去修正陀螺仪的积分漂移。
4. 如果有磁力计，再用磁力计修正偏航角。
5. 归一化四元数，转换成欧拉角或者旋转矩阵供后续使用。

这里面最关键的一步是加速度计修正陀螺仪漂移。陀螺仪有个毛病：它测角速度，积分之后角度会慢慢漂。哪怕你静止不动，积分出来的角度也会越走越偏。加速度计虽然噪声大，但它长期来看是准的，因为它测的是重力方向。所以工程上常用互补滤波的思路：高频信陀螺仪，低频信加速度计。

注意：加速度计修正只在飞机接近水平、且没有大加速度的情况下才靠谱。如果飞机在做剧烈机动，加速度计测到的就不只是重力，还有运动加速度，这时候修正反而会把姿态带偏。所以很多飞控会判断加速度计的模长是否接近1g，只有接近的时候才用加速度计做修正。

实操中还有一个坑：传感器安装误差。加速度计和陀螺仪的轴不可能完全对齐，如果安装有偏差，修正的时候会引入额外的误差。我一般会在校准阶段做六面校准，把每个轴的零偏和比例因子都算出来。开源飞控里通常有校准脚本，按照提示把飞机翻六个面就行。

2.3 捷联惯导的误差来源与应对策略

捷联惯导的误差主要来自三个方面：传感器噪声、积分漂移、以及坐标系转换的数值误差。

传感器噪声是物理层面的，陀螺仪的随机游走、加速度计的振动噪声，都会影响解算精度。应对办法一是选好的传感器，二是做低通滤波。但低通滤波会引入相位延迟，延迟大了控制环路会震荡，所以截止频率要折中。我一般把陀螺仪低通设在80到100赫兹，加速度计设在30到50赫兹，具体看机架振动情况。

积分漂移前面说了，靠加速度计和磁力计修正。但修正不能太猛，太猛了会把陀螺仪的高频信息压掉，姿态响应变迟钝。互补滤波的系数一般取0.01到0.05之间，卡尔曼滤波则通过协方差矩阵自动调节权重。

坐标系转换的数值误差主要来自四元数归一化。四元数在积分过程中模长会慢慢偏离1，如果不归一化，旋转矩阵会变形。所以每次更新完四元数都要重新归一化，这个操作计算量很小，但必须做。

3. 卡尔曼滤波：把一堆不准的传感器揉成一个靠谱的估计

3.1 卡尔曼滤波在飞控里到底解决什么问题

捷联惯导给出了姿态，但那个姿态是“预测”出来的，带着漂移和噪声。卡尔曼滤波的作用就是融合多个传感器的数据，给出最优估计。注意“最优”这个词，它是有数学定义的：在系统模型和噪声统计特性已知的情况下，卡尔曼滤波是最小均方误差意义下的最优估计器。

飞控里最常见的卡尔曼滤波应用是姿态估计。状态量一般是姿态四元数或者欧拉角，再加上陀螺仪的零偏。观测量是加速度计和磁力计的数据。预测步骤用陀螺仪积分，更新步骤用加速度计和磁力计修正。整个过程是递归的，每个周期算一次，计算量可控。

我见过很多新手把卡尔曼滤波当成“万能滤波器”，觉得只要上了卡尔曼，数据就准了。其实不是。卡尔曼滤波的效果高度依赖系统模型和噪声矩阵的准确性。如果过程噪声Q和观测噪声R设得不对，滤波效果可能还不如互补滤波。Q设大了，滤波器更相信观测，结果噪声大；Q设小了，滤波器更相信预测，结果漂移大。R也是同样的道理。

3.2 卡尔曼滤波的五个核心方程与参数整定

卡尔曼滤波的数学形式看起来吓人，但拆开就是五个方程：

1. 状态预测：用上一时刻的状态和系统模型，预测当前时刻的状态。
2. 协方差预测：预测估计的不确定性。
3. 卡尔曼增益计算：根据预测不确定性和观测不确定性，算出一个权重。
4. 状态更新：用观测值和卡尔曼增益，修正预测状态。
5. 协方差更新：更新估计的不确定性，供下一轮使用。

在飞控姿态估计里，状态量通常是四元数和陀螺仪零偏，系统模型是四元数微分方程，观测模型是重力方向和磁场方向。过程噪声Q反映陀螺仪的随机游走和零偏不稳定性，观测噪声R反映加速度计和磁力计的噪声水平。

参数整定是个经验活。我的做法是先用传感器手册上的噪声密度算出初始Q和R，然后在地上静止测试，看姿态输出的波动和收敛速度。如果姿态抖动大，就增大R或者减小Q；如果姿态收敛慢，就减小R或者增大Q。实际调的时候，我一般会把Q和R都做成可调参数，飞的时候用遥控器通道实时调，找到合适的值再固化。

提示：卡尔曼滤波的观测更新有个前提，就是观测噪声是高斯白噪声。但加速度计在振动环境下噪声不是高斯的，磁力计在电机附近会被干扰。所以工程上通常会在观测更新之前做卡方检验，把异常观测剔除掉。这个技巧在开源飞控里很常见，能显著提升滤波鲁棒性。

3.3 扩展卡尔曼滤波与误差状态卡尔曼滤波的取舍

标准的卡尔曼滤波只适用于线性系统，但姿态估计是非线性的，因为四元数微分方程和旋转矩阵都是非线性的。所以实际用的是扩展卡尔曼滤波，通过一阶泰勒展开把非线性系统线性化。

扩展卡尔曼滤波的问题是线性化误差。当姿态偏差大的时候，一阶近似不够准，滤波可能发散。后来有人提出了误差状态卡尔曼滤波，把状态量定义成“真实状态和名义状态的误差”，误差状态是小量，线性化更准确。而且误差状态卡尔曼滤波的协方差矩阵维度更低，计算量更小。

我在实际项目里两种都用过。扩展卡尔曼滤波实现简单，代码量少，适合资源受限的单片机。误差状态卡尔曼滤波精度更高，适合对姿态要求高的场景，比如云台增稳或者室内导航。选哪个看你的MCU性能和精度需求，没有绝对的好坏。

4. PID控制：让无人机听话的最后一道工序

4.1 从单级PID到级联PID：为什么飞控要用串级控制

PID控制是飞控里最直观的部分：你知道目标姿态和当前姿态的偏差，用比例、积分、微分三项算出电机指令。但飞控里的PID不是简单的单级PID，而是级联PID，通常是角度环加角速度环。

为什么用级联？因为单级PID响应慢、抗扰能力差。角度环的输出是期望角速度，角速度环的输出是电机指令。角度环负责“我要转到哪个角度”，角速度环负责“我要用多快的速度转过去”。角速度环在内，响应快，能及时抑制扰动；角度环在外，保证最终角度准确。

我刚开始调PID的时候，只调角度环，结果飞机反应迟钝，风一吹就飘。后来加了角速度环，飞机立马稳了很多。角速度环的带宽比角度环高，一般角度环跑在100到200赫兹，角速度环跑在500到1000赫兹。这样内环能快速跟踪外环的指令，外环不用管高频扰动。

4.2 PID三个参数在飞控里的物理意义与整定顺序

比例项P：偏差乘以一个系数，直接产生纠正力。P越大，响应越快，但太大会震荡。在角速度环里，P相当于“阻尼”，P太小飞机会晃，P太大飞机会高频抖动。

积分项I：偏差的累积乘以一个系数，消除稳态误差。在飞控里，I主要用来抵消重力、风阻等持续扰动。I太大会导致“积分饱和”，飞机在长时间偏差后突然过冲。所以工程上会做积分限幅和积分分离，偏差大的时候不积分，偏差小的时候才积分。

微分项D：偏差的变化率乘以一个系数，提供阻尼。D能抑制震荡，但会放大噪声。飞控里D项通常要加低通滤波，否则电机噪声会通过D项放大，导致电机发热甚至烧毁。

整定顺序一般是：先调角速度环的P，再调D，最后调I；然后调角度环的P，再调I。角速度环的P从0开始慢慢加，加到飞机能快速响应但不过冲。D从0开始加，加到震荡消失。I最后加，加到稳态误差消除。角度环的P加到飞机能回到目标角度，I加到角度无静差。

注意：调PID一定要在自稳模式下调，不要一上来就调定高或者定点。自稳模式只涉及姿态控制，变量少，容易定位问题。调好自稳再调高度和位置，一层一层来。

4.3 实际调参中的常见问题与排查思路

调PID最常遇到的问题就是震荡。震荡分两种：低频震荡和高频震荡。低频震荡一般是P太小或者I太大，飞机像喝醉酒一样晃来晃去。高频震荡一般是P太大或者D太小，飞机像得了帕金森一样抖。排查的时候先看日志，把期望姿态和实际姿态画出来，看相位差和幅值。

另一个常见问题是电机发热。如果D项太大，电机指令会高频抖动，电机电流忽大忽小，发热严重。这时候要么减小D，要么给D加低通滤波。我一般会把D项的低通截止频率设在50到80赫兹，既能保留阻尼效果，又能滤掉高频噪声。

还有积分饱和的问题。飞机在地面的时候，如果油门推起来但飞机没离地，角度环的积分会一直累积，离地瞬间飞机会猛跳。解决办法是加积分限幅，或者用“起飞前清零积分”的逻辑。开源飞控里通常有“地面检测”，检测到飞机在地面就清零积分。

5. 三个算法怎么串起来：飞控主循环里的协作关系

5.1 从传感器读到电机输出的完整数据流

飞控的主循环一般跑在1kHz左右，每个周期做以下几件事：

1. 读取IMU数据，包括陀螺仪和加速度计。
2. 捷联惯导解算，用陀螺仪积分得到预测姿态。
3. 卡尔曼滤波更新，用加速度计和磁力计修正姿态。
4. 读取遥控器指令，解析出目标姿态或目标角速度。
5. 级联PID计算，角度环输出期望角速度，角速度环输出电机指令。
6. 混控输出，把电机指令分配到各个电机。
7. 输出PWM或DShot信号给电调。

这个流程里，捷联惯导和卡尔曼滤波是感知层，PID是控制层。感知层的输出是姿态估计，控制层的输入是姿态估计和遥控指令。感知层的延迟和噪声会直接影响控制效果，所以感知层的滤波参数和控制层的PID参数要联合调。

我见过有人姿态估计做得很糙，然后拼命调PID，怎么调都调不好。后来把卡尔曼滤波的参数重新整定，姿态输出平滑了，PID随便调调就稳了。这说明感知是控制的基础，感知不准，控制再牛也没用。

5.2 时序、延迟与计算资源的分配

飞控对实时性要求很高，主循环的周期抖动要小。捷联惯导和卡尔曼滤波的计算量不大，但PID和混控的计算量也不小，加起来在STM32F4上大概占30%到50%的CPU。如果跑双精度浮点或者复杂的滤波算法，可能占更多。

时序上，IMU读取和姿态解算要放在最高优先级，PID和混控可以稍低。我一般会把IMU读取放在定时器中断里，保证采样周期严格固定。姿态解算和PID放在主循环里，用中断标志位触发。这样能保证姿态解算的频率稳定，不会因为主循环的其他任务而抖动。

延迟是另一个关键因素。从传感器采样到电机输出，整个链路的延迟要尽量小。陀螺仪的低通滤波会引入延迟，卡尔曼滤波的更新也会引入延迟，PID的计算还有延迟。这些延迟加起来如果超过控制周期的四分之一，控制环路就可能震荡。所以滤波器的截止频率不能设太低，卡尔曼滤波的更新频率不能太低。

提示：如果你发现飞机在高频抖动，但PID参数已经调得很保守了，那可能是延迟太大导致的。这时候要检查滤波器的截止频率和主循环的周期，把延迟降下来。

6. 常见问题速查与避坑经验

6.1 姿态漂移、震荡、发热的排查表

6.2 我踩过的几个坑

第一个坑是磁力计干扰。我一开始把磁力计装在电机附近，结果偏航角一直跳。后来把磁力计移到GPS模块上，远离电机和电源线，偏航角才稳。磁力计对磁场很敏感，电机电流、电源线、甚至螺丝刀都会干扰它。所以磁力计一定要远离干扰源，而且要做硬铁和软铁校准。

第二个坑是加速度计修正过度。我一开始把互补滤波的系数设得很大，结果飞机一机动姿态就偏。后来把系数降到0.02，机动时姿态稳多了。加速度计修正只在低频有效，高频要靠陀螺仪。

第三个坑是PID调参顺序搞反。我一开始先调角度环，结果角度环怎么调都震荡。后来先调角速度环，角速度环稳了，角度环随便调调就稳了。级联PID一定要从内环往外环调，内环不稳，外环不可能稳。

第四个坑是主循环周期抖动。我一开始把姿态解算放在主循环里，主循环里还有其他任务，导致姿态解算周期不固定。后来把姿态解算放在定时器中断里，周期固定了，姿态输出也平滑了。

6.3 给新手的三个实用建议

第一，先仿真再实飞。MATLAB或者Python里搭个简单的飞控模型，把捷联惯导、卡尔曼滤波、PID都跑一遍，看看参数变化对系统的影响。仿真里炸机不花钱，实飞炸机花钱还费时间。

第二，日志是你的朋友。飞控一定要有日志功能，把传感器数据、姿态估计、PID中间变量都记下来。出了问题看日志，比瞎猜快得多。我一般会用SD卡记录，或者用无线数传实时看。

第三，一次只改一个参数。调参的时候不要同时改多个参数，否则出了问题不知道是哪个参数导致的。改一个，飞一次，看日志，再改下一个。慢就是快。

7. 从算法到飞行：一些个人体会

飞控这三个算法，捷联惯导是基础，卡尔曼滤波是核心，PID是手段。捷联惯导决定了你能不能感知姿态，卡尔曼滤波决定了你感知得准不准，PID决定了你能不能控制住。三者环环相扣，任何一个环节出问题，飞机都飞不好。

我刚开始学的时候，总想找“最优算法”，觉得卡尔曼滤波比互补滤波高级，误差状态卡尔曼滤波比扩展卡尔曼滤波高级。后来发现，工程上没有最优，只有最合适。互补滤波在资源受限的平台上跑得比卡尔曼滤波还稳，因为卡尔曼滤波的参数整定太依赖模型准确性。选算法要看平台资源、精度需求和开发周期，不要盲目追新。

另外，飞控是个系统工程，算法只是一部分。传感器的选型、减震设计、电源质量、电磁兼容，都会影响算法效果。我见过有人算法写得很好，但机架振动太大，加速度计噪声爆表，卡尔曼滤波怎么调都不行。后来换了减震硅胶垫，问题迎刃而解。所以不要只盯着算法，硬件和结构同样重要。

最后分享一个小技巧：如果你在调PID的时候找不到方向，可以把角速度环的P和D先调好，然后用手拿着飞机快速转动，感受电机的响应。如果电机响应跟手，说明角速度环调好了。然后再调角度环，把飞机放在地上，轻轻推一下，看它能不能快速回正。这个方法比看日志直观，适合新手找感觉。