1. 项目背景与核心目标
四旋翼无人机作为当前最热门的智能飞行器之一，其姿态控制精度直接决定了飞行性能的优劣。传统PID控制在面对复杂扰动时往往力不从心，而自抗扰控制(ADRC)因其出色的扰动抑制能力，正逐渐成为研究热点。这个项目就是要用Matlab搭建一个完整的四旋翼无人机仿真环境，从最基础的姿态动力学模型开始，逐步实现ADRC控制器的设计与验证。
我花了三个月时间完整走通了这条技术路线，期间踩过不少坑，也积累了一些独到的经验。本文将详细拆解整个实现过程，包括：
- 四旋翼刚体动力学模型的数学推导
- 欧拉角与四元数姿态表示的转换技巧
- ADRC控制器的参数整定方法
- Simulink仿真中的实用调试技巧
2. 四旋翼姿态建模关键解析
2.1 坐标系定义与转换
建立正确的坐标系是建模的第一步。我们需要定义两个关键坐标系：
- 机体坐标系(B-frame)：原点在无人机质心，X轴指向机头方向
- 地面坐标系(E-frame)：固定在地面的惯性参考系
两者间的转换通过旋转矩阵实现：
matlab复制% 欧拉角转旋转矩阵
R = angle2dcm(yaw, pitch, roll, 'ZYX');
注意：Matlab的angle2dcm函数使用Z-Y-X旋转顺序，这与大多数文献定义一致。我曾因旋转顺序错误导致模型发散，调试了整整两天。
2.2 刚体动力学方程推导
基于牛顿-欧拉方程，我们得到姿态动力学方程：
code复制I·ω̇ + ω×(I·ω) = τ
其中：
- I为3×3惯性矩阵
- ω为机体角速度
- τ为控制力矩
在Matlab中表示为：
matlab复制function omega_dot = dynamics(omega, I, tau)
omega_dot = I \ (tau - cross(omega, I*omega));
end
2.3 螺旋桨推力模型
每个旋翼产生的升力与力矩：
code复制F_i = k_f·ω_i²
M_i = k_m·ω_i²
其中ω_i为电机转速。这个非线性关系需要在实际控制中进行线性化处理。
3. ADRC控制器实现细节
3.1 自抗扰控制结构设计
ADRC的核心由三部分组成：
- 跟踪微分器(TD)：安排过渡过程
- 扩张状态观测器(ESO)：估计总扰动
- 非线性状态误差反馈(NLSEF)
我的Simulink实现结构如下：
code复制[TD] -> [NLSEF] -> [Plant]
^ |
|---[ESO]----|
3.2 ESO参数整定技巧
ESO的带宽ω_o是关键参数，我的经验公式：
code复制ω_o = (3~5)·ω_c
其中ω_c为期望闭环带宽。过高的ω_o会导致观测器对噪声敏感。
实测效果最好的参数组合：
matlab复制beta01 = 3*omega_o;
beta02 = 3*omega_o^2;
beta03 = omega_o^3;
3.3 抗饱和处理实践
电机存在最大转速限制，需要特别处理积分饱和问题。我采用的反计算抗饱和方法：
matlab复制if u > umax
u = umax;
eso_integral = eso_integral - (u - u_unsat)/Ki;
end
4. 完整仿真实现流程
4.1 Simulink模型搭建步骤
- 创建Plant模块：封装动力学方程
- 设计ADRC控制器子系统
- 添加信号源和示波器
- 配置求解器为ode4(Runge-Kutta)，固定步长0.001s
关键技巧：使用Matlab Function块比S-Function更易调试，支持实时参数调整。
4.2 典型测试案例
我设计了三种测试场景：
- 阶跃响应测试：评估调节时间
- 正弦跟踪测试：验证动态性能
- 扰动抑制测试：施加脉冲风扰
测试结果对比(PID vs ADRC)：
| 指标 | PID | ADRC |
|---|---|---|
| 调节时间(s) | 1.2 | 0.8 |
| 超调量(%) | 15 | 5 |
| 抗扰恢复时间 | 2.5 | 0.6 |
4.3 实时调参方法
开发了交互式调参界面：
matlab复制h = uicontrol('Style','slider','Callback',@(src,evt) updateParams());
通过实时观察响应曲线，可以快速找到最优参数组合。
5. 常见问题与解决方案
5.1 模型发散问题排查
现象：仿真时状态量急剧增大
可能原因：
- 坐标系定义不一致
- 力矩方向错误
- 求解器步长过大
我的检查清单：
- 验证旋转矩阵行列式是否为1
- 检查cross(ω,Iω)项符号
- 尝试减小步长或改用ode15s
5.2 高频振荡处理
当出现高频抖动时：
- 降低ESO带宽
- 在TD中加入滤波
- 检查传感器噪声模型
经验值：控制量采样频率应至少比ω_o高10倍。
5.3 实时性优化技巧
对于硬件在环(HIL)测试：
- 将ESO离散化
- 使用查表法替代复杂计算
- 采用定点数运算
实测优化后单步计算时间从1.2ms降至0.3ms。
6. 进阶扩展方向
基于这个基础框架，还可以进一步研究：
- 结合强化学习的参数自整定
- 考虑气动效应的增强模型
- 多机编队协同控制
我在模型里预留了这些扩展接口：
matlab复制function dy = enhanced_model(t,y,wind)
% 可添加风扰模型
end
这个项目让我深刻体会到，一个好的控制算法必须建立在精确的模型基础上。ADRC虽然对模型精度要求不高，但理解底层动力学能让参数整定事半功倍。建议初学者一定要先吃透姿态动力学，再着手控制器设计。