可倾斜旋翼四旋翼无人机：全驱动控制与动力学建模

1. 项目概述：当四旋翼遇上螺旋桨倾斜机构

传统四旋翼无人机通过调节四个固定螺旋桨的转速实现姿态控制，这种结构简单可靠，但存在两个固有局限：一是欠驱动特性（仅有4个控制输入却需控制6个自由度的位姿），二是机动性能受限于单一推力矢量方向。2016年苏黎世联邦理工学院的团队在ICRA会议上首次提出可倾斜旋翼概念，通过增加伺服机构使每个螺旋桨能够独立偏转，这项设计让四旋翼获得了全驱动能力（fully-actuated）。

本项目研究的正是这种具备螺旋桨倾斜机构的进阶版四旋翼系统。我在实验室搭建的实物原型显示，当每个旋翼可沿两个轴向倾斜时（俯仰+横滚），无人机能够实现六自由度完全控制，甚至可以在不改变机体姿态的情况下进行纯平移运动——这是传统四旋翼根本无法做到的。下面这张表格直观对比了两种结构的差异：

注：倾斜机构会增加约200g额外重量，并导致约18%的续航下降，这是换取全驱动能力必须付出的代价

2. 系统建模：从机械结构到动力学方程

2.1 坐标系定义与旋翼动力学

建立数学模型的第一步是明确坐标系。我们采用标准的North-East-Down（NED）地面坐标系$F_G$和机体坐标系$F_B$，其中$F_B$的z轴垂直于旋翼平面。关键创新点在于：每个旋翼增加两个旋转关节，其偏转角记为$\alpha_i$(横滚方向)和$\beta_i$(俯仰方向)，i=1,2,3,4对应四个旋翼。

单个旋翼产生的推力矢量在$F_B$中可表示为：
$$
\mathbf{T}_i = R_x(\alpha_i)R_y(\beta_i)\begin{bmatrix}0\0\-f_i\end{bmatrix}
$$
其中$R_x,R_y$是旋转矩阵，$f_i=k_f\omega_i^2$为旋翼推力，$\omega_i$为转速，$k_f$为推力系数。

2.2 全系统动力学方程

通过牛顿-欧拉法推导，得到六自由度动力学方程：

平移动力学：
$$
m\ddot{\mathbf{p}} = R_{BG}\sum_{i=1}^4\mathbf{T}_i + m\mathbf{g}
$$

旋转动力学：
$$
I\dot{\boldsymbol{\omega}} + \boldsymbol{\omega}\times I\boldsymbol{\omega} = \sum_{i=1}^4 (\mathbf{r}_i \times \mathbf{T}_i + \mathbf{M}_i)
$$

其中$R_{BG}$是机体到地面的旋转矩阵，$\mathbf{r}_i$为旋翼位置向量，$\mathbf{M}_i$为旋翼反扭矩。与传统模型不同，这里的$\mathbf{T}_i$方向是动态变化的。

实操中发现：当倾斜角超过25°时，螺旋桨的推力损失会非线性增加，建议在控制器中限制最大倾斜角

3. 控制架构设计：分层递阶控制策略

3.1 控制分配矩阵构建

全驱动系统的核心在于控制分配。我们定义广义控制输入：
$$
\mathbf{u} = [f_1, f_2, f_3, f_4, \alpha_1, \alpha_2, \alpha_3, \alpha_4, \beta_1, \beta_2, \beta_3, \beta_4]^T
$$

通过线性化处理，得到控制效率矩阵$B$满足：
$$
\begin{bmatrix}
\mathbf{F}\
\boldsymbol{\tau}
\end{bmatrix}
= B(\boldsymbol{\alpha},\boldsymbol{\beta})\mathbf{f}
$$

这个6×12矩阵的求逆是本项目的数学难点之一，我们采用加权伪逆法解决：
$$
B^\dagger = W^{-1}B^T(BW^{-1}B^T)^{-1}
$$

3.2 自适应PID控制器实现

位置控制环采用增量式PID：
$$
\mathbf{u}_p(k) = \mathbf{u}_p(k-1) + K_p[\mathbf{e}(k)-\mathbf{e}(k-1)] + K_i\mathbf{e}(k) + K_d[\mathbf{e}(k)-2\mathbf{e}(k-1)+\mathbf{e}(k-2)]
$$

姿态控制则使用基于四元数的几何控制器：
$$
\boldsymbol{\tau} = -k_R\mathbf{e}R - k\Omega\mathbf{e}_\Omega + \boldsymbol{\Omega}\times I\boldsymbol{\Omega}
$$

在Matlab中实现的控制器核心代码片段：

matlab复制function [f, alpha, beta] = control_allocation(F_des, tau_des, params)
    % 加权矩阵设置
    W = diag([1 1 1 1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1]);
    
    % 伪逆求解
    B_pseudo = W\B'/(B/W*B');
    u = B_pseudo * [F_des; tau_des];
    
    % 输出分配
    f = u(1:4);
    alpha = u(5:8); 
    beta = u(9:12);
end

4. Simulink仿真实现与结果分析

4.1 仿真模型架构

搭建的Simulink模型包含以下关键子系统：

1. 环境模块：实现风速扰动和重力场
2. 传感器模型：模拟IMU噪声(白噪声+随机游走)
3. 控制分配器：实时计算旋翼参数
4. 电机动力学：一阶延迟模型 $G(s)=\frac{1}{0.02s+1}$

调试中发现：电机响应延迟超过30ms会导致系统失稳，建议选用响应时间<20ms的伺服电机

4.2 典型工况测试

案例1：空间螺旋轨迹跟踪

matlab复制% 期望轨迹生成
t = 0:0.01:10;
x_des = 2*sin(t);
y_des = 2*cos(t); 
z_des = -0.1*t;

仿真结果显示位置跟踪误差RMS值：

• X轴：0.12m
• Y轴：0.15m
• Z轴：0.08m

案例2：抗风扰测试
施加15m/s的突风扰动，与传统四旋翼对比：

5. 实机调试经验与问题排查

5.1 机械结构振动抑制

初期飞行测试中出现高频振动问题，通过以下措施解决：

1. 在舵机输出轴增加橡胶减震垫
2. 旋翼进行动平衡校准（不平衡量<0.1g）
3. 控制频率从100Hz提升到200Hz

5.2 常见故障代码速查表

5.3 参数整定技巧

1. PID调参顺序：先调高度Z→再调姿态角→最后调XY位置
2. 快速测试法：将D增益从0开始逐步增加，直到出现轻微振荡后回退30%
3. 经验公式：$K_p \approx 0.6m/T^2$，其中m为质量，T为期望响应时间

6. 进阶应用与扩展方向

基于现有平台，我们还可以实现：

1. 精确载荷投放：通过独立控制推力方向实现毫米级定位
2. 接触式作业：保持机体姿态同时施加平面任意方向的力
3. 空中对接：多机协同完成物体传递

在最近一次实验中，我们成功让无人机完成了以下动作序列：

1. 垂直起飞至2米高度
2. 保持机身水平的同时向X轴平移1米
3. 在移动过程中机头始终指向固定信标
4. 精确降落在30cm×30cm的平台中心

这种机动性能在工业检测、特种运输等领域具有显著优势。虽然系统复杂度更高，但随着嵌入式处理器性能提升和优化算法的应用，这类全驱动无人机必将开辟新的应用场景。