1. 四旋翼飞行器MPC控制仿真项目概述
四旋翼飞行器作为典型的欠驱动系统，其控制算法设计一直是无人机领域的核心挑战。模型预测控制(MPC)凭借其处理多变量约束的天然优势，在近年来的飞行控制应用中展现出独特价值。这个项目通过MATLAB/Simulink环境，完整实现了四旋翼从动力学建模到MPC控制器设计的全流程仿真，并配套开发了技术解析PPT，形成了可复用的教学研究套件。
在实际工程中，四旋翼控制需要同时处理姿态稳定性和轨迹跟踪的双重需求。传统PID控制虽然简单易实现，但在应对复杂机动任务时往往需要繁琐的参数整定。而MPC通过滚动优化和反馈校正机制，能够自动处理系统约束并优化未来动态响应，特别适合四旋翼这类快速动态系统。本项目的仿真平台采用模块化设计，包含动力学模型、环境扰动、传感器噪声等现实因素，为控制算法验证提供了高保真测试环境。
2. 四旋翼动力学建模与系统分析
2.1 机体坐标系与欧拉角描述
建立四旋翼的六自由度模型需要定义两组坐标系：机体坐标系(B系)与地面惯性坐标系(E系)。通过Z-Y-X顺序的欧拉角变换，建立姿态旋转矩阵：
matlab复制% 欧拉角到旋转矩阵的转换
R = [cosθ*cosψ, sinφ*sinθ*cosψ-cosφ*sinψ, cosφ*sinθ*cosψ+sinφ*sinψ;
cosθ*sinψ, sinφ*sinθ*sinψ+cosφ*cosψ, cosφ*sinθ*sinψ-sinφ*cosψ;
-sinθ, sinφ*cosθ, cosφ*cosθ];
2.2 非线性动力学方程推导
考虑四旋翼的刚体动力学，建立包含平移和旋转运动的微分方程：
平移动力学：
$$
m\ddot{\mathbf{r}} = m\mathbf{g} + R\mathbf{F}_b
$$
旋转动力学：
$$
J\dot{\boldsymbol{\omega}} + \boldsymbol{\omega}\times J\boldsymbol{\omega} = \boldsymbol{\tau}_b
$$
其中$\mathbf{F}_b = [0,0,\sum F_i]^T$为螺旋桨总升力，$\boldsymbol{\tau}_b$包含滚转、俯仰和偏航力矩。每个电机的拉力与转速平方成正比：$F_i = k_f\omega_i^2$。
2.3 工作点线性化处理
在悬停状态附近进行线性化，得到状态空间模型：
matlab复制A = [zeros(3) eye(3) zeros(3,4);
zeros(3,6) [0 g 0;-g 0 0;0 0 0] zeros(3,3);
zeros(4,6) diag([-1/τ_m -1/τ_m -1/τ_m -1/τ_m])];
B = [zeros(6,4); diag([k_m k_m k_m k_m])];
注意：线性化模型仅在±30°姿态角范围内有效，大角度机动需使用非线性MPC
3. MPC控制器设计与实现
3.1 预测模型构建
采用离散化后的状态空间模型作为预测模型，采样时间取20ms。将系统输出定义为位置和姿态角：
matlab复制C = [eye(6) zeros(6,4)];
D = zeros(6,4);
sysd = c2d(ss(A,B,C,D), 0.02);
预测时域选择N=20步（对应400ms），控制时域Nu=5步，在计算复杂度和控制性能间取得平衡。
3.2 代价函数设计
目标函数包含跟踪误差和控制量变化率：
$$
J = \sum_{k=1}^N |\mathbf{y}(k)-\mathbf{r}(k)|Q^2 + \sum^{Nu-1} |\Delta u(k)|_R^2
$$
权重矩阵Q和R通过Bryson规则初始化：
matlab复制Q = diag([1 1 10, 5 5 1]); % 重视高度控制
R = 0.1*eye(4); % 限制电机转速变化
3.3 约束条件处理
考虑电机物理限制和姿态安全：
- 电机转速：0 ≤ ω_i ≤ 1000 rad/s
- 姿态角：|φ|,|θ| ≤ 0.5 rad (≈28.6°)
- 控制增量：|Δω_i| ≤ 200 rad/s²
使用MATLAB的MPC工具箱配置约束：
matlab复制mpcobj = mpc(sysd);
mpcobj.MV = struct('Min',0,'Max',1000,'RateMin',-200,'RateMax',200);
mpcobj.OV = struct('Min',{-inf;-inf;0;-0.5;-0.5;-inf},...
'Max',{inf;inf;inf;0.5;0.5;inf});
4. Simulink仿真环境搭建
4.1 整体仿真架构
构建包含以下模块的仿真系统：
- 轨迹生成器：产生阶跃、正弦或自定义轨迹
- MPC控制器：封装设计好的MPC对象
- 四旋翼模型：非线性六自由度模型
- 扰动注入：风扰、噪声等环境因素
- 可视化模块：FlightGear接口或MATLAB 3D动画
4.2 关键参数配置
在Model Properties - Callbacks中初始化参数：
matlab复制% 物理参数
params.m = 1.2; % 质量(kg)
params.J = diag([0.02 0.02 0.04]); % 惯量矩阵
params.g = 9.81; % 重力加速度
params.kf = 8.5e-6; % 升力系数
params.km = 1.6e-2; % 力矩系数
4.3 传感器模型实现
为模拟真实环境，添加：
- 加速度计：白噪声+0.01m/s²偏差
- 陀螺仪：0.05rad/s随机游走
- 气压计：20Hz低通滤波
matlab复制function [acc, gyro] = sensor_model(a, omega)
persistent bias_acc;
if isempty(bias_acc)
bias_acc = 0.01*randn(3,1);
end
acc = a + 0.005*randn(3,1) + bias_acc;
gyro = omega + 0.01*cumsum(randn(3,100),2);
end
5. 仿真结果分析与调优
5.1 阶跃响应测试
施加Z轴高度阶跃指令，观察响应特性：
| 性能指标 | 无MPC调优 | 调优后 |
|---|---|---|
| 上升时间 | 1.2s | 0.8s |
| 超调量 | 25% | 4% |
| 稳态误差 | ±0.1m | ±0.02m |
调整策略：
- 增大Q(3,3)权重强化高度控制
- 减小R对角线元素放宽控制量限制
- 增加预测时域到N=25
5.2 抗扰动测试
在5s时施加10m/s的突风扰动：
matlab复制wind_gust = [10*(t>=5); 0; 0]; % X方向突风
MPC表现出优于PID的抗扰特性：
- 最大位置偏差：MPC(0.35m) vs PID(1.2m)
- 恢复时间：MPC(2.1s) vs PID(4.5s)
5.3 计算效率优化
通过以下手段提升实时性：
- 使用显式MPC将在线优化转为查表
- 采用QP求解器热启动
- 减少预测时域到N=15
matlab复制mpcobj.Optimizer.UseSuboptimalSolution = true;
mpcobj.Optimizer.Solver = 'active-set';
6. 技术PPT制作要点
6.1 内容结构设计
- 问题引入：四旋翼控制挑战
- MPC原理：滚动优化/反馈校正
- 建模过程：非线性→线性化
- 控制器设计：目标函数/约束
- 仿真验证：对比PID/抗扰性
- 工程启示：参数整定经验
6.2 可视化技巧
- 使用MATLAB Report Generator自动生成结果图
- 动画演示：Simulink 3D → PPT嵌入
- 对比表格突出MPC优势
- 公式用LaTeX排版后插入为矢量图
6.3 演讲注意事项
- 准备Simulink模型实时演示
- 针对不同受众调整技术深度
- 重点强调MPC的约束处理能力
- 预留参数修改互动环节
7. 工程实践中的经验总结
7.1 参数整定方法论
- 先调Q对角元确定主控目标
- 再调R平衡响应速度与超调
- 最后微调预测时域长度
- 使用全局搜索辅助确定Pareto前沿
7.2 常见问题排查
- 发散振荡：检查权重矩阵是否正定
- 计算超时：减少预测时域或改用显式MPC
- 约束冲突：放松输出约束或延长时域
- 稳态误差：添加积分项或扰动观测器
7.3 扩展应用方向
- 结合视觉的室内定位MPC
- 多机编队协同控制
- 基于强化学习的MPC参数自整定
- 嵌入式部署（PX4/Pixhawk）
在完成这个项目后，我特别建议尝试将MPC控制器部署到PX4硬件在环(HITL)环境，这能发现仿真中未暴露的时序问题。实际测试表明，当处理器负载超过70%时，需要将MPC采样时间调整到50ms以上以保证实时性。另一个实用技巧是在Simulink中使用MATLAB System块封装QP求解过程，便于生成嵌入式代码。