福桃九分饱1. 项目背景与核心目标
四旋翼飞行器作为典型的欠驱动系统，其高度和位置控制一直是飞行控制领域的核心挑战。传统PID控制器在动态环境或复杂任务中往往表现受限，而模型预测控制（MPC）凭借其前馈优化和约束处理能力，成为解决这类问题的理想选择。本项目通过构建四旋翼的动力学模型，设计了一套完整的MPC控制框架，实现了对高度和x-y平面位置的精确控制。
在实际工程中，四旋翼常面临风力扰动、负载变化等不确定因素。MPC通过在线求解有限时域内的优化问题，能够主动预测系统行为并提前调整控制输入，这种"先看几步再走"的特性使其特别适合这类应用。我在无人机物流配送项目中实测发现，相比传统方法，MPC能将着陆精度提升40%以上。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 四旋翼动力学建模
2.1 坐标系定义与运动分解
采用东北天（ENU）坐标系作为惯性系，机体坐标系遵循前-右-下（FRD）惯例。将六自由度运动解耦为：
- 高度方向（z轴）：通过总推力控制
- x-y平面位置：通过滚转/俯仰角控制
- 偏航角：独立控制（本项目暂不涉及）
这种解耦方式大幅简化了控制设计，实测表明在悬停和小范围移动场景下完全够用。但要注意当倾角超过25°时，耦合效应会显著增强。
2.2 动力学方程推导
基于牛顿-欧拉方程建立简化模型：
高度动力学：
math复制m\ddot{z} = u_1\cos\phi\cos\theta - mg
x-y平面动力学：
math复制\begin{cases}
m\ddot{x} = -u_1\sin\theta \\
m\ddot{y} = u_1\sin\phi\cos\theta
\end{cases}
其中控制输入u₁为四个电机的总推力。为便于MPC设计，我们将其线性化为状态空间形式：
math复制\dot{\mathbf{x}} = A\mathbf{x} + B\mathbf{u}
注意：实际建模时要考虑电机动力学延迟（通常一阶惯性环节，时间常数约0.1s），否则会导致控制器在高频段性能下降。
3. MPC控制器设计
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，采样周期选择20ms（对应常见飞控频率）。将高度和位置控制分为两个独立的MPC控制器：
**高度控制器