1. 四旋翼无人机PID控制研究概述
四旋翼无人机作为一种典型的欠驱动系统，其控制问题一直是自动化领域的研究热点。我在实际项目中多次使用PID控制器来解决这类飞行器的姿态稳定问题，发现其效果往往超出预期。记得第一次调试时，当看到无人机从剧烈晃动到平稳悬停的转变，那种成就感至今难忘。
这类无人机通过四个旋翼的差速旋转实现六自由度运动控制。相邻电机采用相反旋转方向的设计（如1、3号顺时针，2、4号逆时针）可有效抵消反扭矩。这种对称结构虽然简化了机械设计，却带来了复杂的动力学耦合问题——任何一个旋翼的转速变化都会同时影响多个自由度。
2. 动力学建模关键要点
2.1 坐标系定义与转换
建立模型时首先要明确两个核心坐标系：
- 机体坐标系（Body Frame）：原点在质心，X轴指向机头方向
- 惯性坐标系（Earth Frame）：固定于地面的参考系
两者间的转换通过Z-Y-X欧拉角（偏航ψ、俯仰θ、滚转φ）完成。在实际建模中，我习惯先用旋转矩阵表示姿态，再推导出角速度与欧拉角变化率的关系。这个步骤容易出错，建议反复验证转换矩阵的正交性。
2.2 非线性动力学方程
完整的动力学模型包含平移和旋转两部分。经过多次实践验证，我发现以下简化模型既保证精度又便于仿真：
平移动力学：
mẍ = (cosφsinθcosψ + sinφsinψ)U₁ - Kₓẋ
mÿ = (cosφsinθsinψ - sinφcosψ)U₁ - Kᵧẏ
mz̈ = (cosφcosθ)U₁ - mg - K_zż
旋转动力学：
Iₓφ̈ = θ̇ψ̇(Iᵧ - I_z) + l(U₂ - Kₚφ̇)
Iᵧθ̈ = φ̇ψ̇(I_z - Iₓ) + l(U₃ - K_qθ̇)
I_zψ̈ = φ̇θ̇(Iₓ - Iᵧ) + U₄ - K_rψ̇
其中U₁~U₄为控制输入，l为臂长，K为阻尼系数。这个模型考虑了主要的气动效应，适合初步控制器设计。但在实际项目中，我会额外加入电机动态特性（一阶惯性环节）来更真实地模拟响应延迟。
3. PID控制器设计与实现
3.1 串级控制架构
经过多次迭代验证，我推荐采用如图所示的串级结构：
code复制[位置环PID] → [姿态环PID] → [电机分配] → [无人机动力学]
↑ ↑ ↑
位置反馈 姿态反馈 电机响应
外环（位置控制）：
- 输入：期望位置(x,y,z)与当前误差
- 输出：目标俯仰/滚转角度、总推力
- 特点：响应较慢，采样周期可设为50-100ms
内环（姿态控制）：
- 输入：期望角度(φ,θ,ψ)与当前误差
- 输出：各电机PWM信号
- 特点：需要快速响应，采样周期建议10-20ms
关键技巧：内外环带宽应保持3-5倍差异，避免耦合振荡。我常用位置环10Hz、姿态环50Hz的配置。
3.2 参数整定实战方法
3.2.1 手动整定步骤
- 初始化所有参数为零，先调P项直到出现持续振荡
- 记录此时的临界增益K_u和振荡周期T_u
- 根据Ziegler-Nichols规则设置初始值：
- P控制：K_p = 0.5K_u
- PI控制：K_p = 0.45K_u, T_i = 0.83T_u
- PID控制：K_p = 0.6K_u, T_i = 0.5T_u, T_d = 0.125T_u
3.2.2 自动整定改进
在Simulink中，我常用以下两种进阶方法：
- 频域法：通过波特图观察相位裕度（建议45°-60°）
- 优化算法：使用MATLAB的PID Tuner工具或自定义代价函数：
matlab复制其中ts为调节时间，os为超调量，ess为稳态误差cost = 0.6*ts + 0.3*os + 0.1*ess;
4. Simulink建模深度解析
4.1 关键模块实现
电机混合模块示例代码：
matlab复制function [w1,w2,w3,w4] = mixer(U1,U2,U3,U4,kt)
% 输入：U1-总推力, U2-滚转力矩, U3-俯仰力矩, U4-偏航力矩
% 输出：四个电机转速（rad/s）
A = [kt kt kt kt;
0 -kt*l 0 kt*l;
-kt*l 0 kt*l 0;
kd -kd kd -kd];
w_sq = A \ [U1;U2;U3;U4];
w = sqrt(abs(w_sq)).*sign(w_sq);
w1=w(1); w2=w(2); w3=w(3); w4=w(4);
end
4.2 仿真技巧汇编
-
变步长设置：
- 使用ode45求解器
- 最大步长设为最小控制周期的1/10（如2ms）
- 相对容差1e-4，绝对容差1e-6
-
抗混叠处理：
matlab复制% 在传感器输出端添加低通滤波 G = tf(1,[0.02 1]); % 截止频率50Hz -
风扰建模：
matlab复制function F_wind = wind_model(t) % 阵风模型 if t>5 && t<5.2 F_wind = 5*randn(3,1); else F_wind = 0.5*randn(3,1); end end
5. 典型问题排查指南
5.1 振荡问题
现象：无人机在悬停时持续抖动
- 检查项：
- 传感器噪声（加速度计需<0.05m/s²）
- 微分项过强（尝试减小D增益20%）
- 控制延迟（确保整个环路延迟<2个采样周期）
5.2 发散问题
现象：无人机迅速偏离目标
- 排查流程：
- 验证电机转向是否正确（建议用标记法）
- 检查IMU安装方向（常见90°或180°错误）
- 重新校准传感器零偏（特别是陀螺仪）
5.3 性能优化记录
在某次实际调试中，通过以下调整将跟踪误差降低62%：
- 在D项加入一阶低通（截止频率30Hz）
- 对积分项采用抗饱和处理：
matlab复制if abs(I)>Imax I = sign(I)*Imax; end - 添加前馈补偿：
matlab复制U_ff = 0.2*dtheta_desired;
6. 进阶改进方向
6.1 自适应PID实现
基于模型参考自适应控制(MRAC)的方案：
matlab复制function [Kp,Ki,Kd] = adapt_pid(e,de,dt)
persistent gamma_p gamma_i gamma_d;
if isempty(gamma_p)
gamma_p = 0.1; gamma_i = 0.01; gamma_d = 0.05;
end
Kp = Kp_0 + gamma_p*e^2;
Ki = Ki_0 + gamma_i*abs(e)*dt;
Kd = Kd_0 + gamma_d*de^2;
end
6.2 硬件部署要点
当移植到实际飞控时需注意：
- 将连续PID离散化（推荐Tustin变换）
- 添加输出限幅（通常±500ms PWM）
- 启用看门狗定时器（超时保护）
经过多个项目的验证，这套方法可以使四旋翼在3级风况下保持位置误差<0.2m。最终的Simulink模型建议采用模块化设计，将植物模型、控制器、环境干扰分别封装为独立子系统，便于后续扩展为更复杂的控制算法。