4. 可视化基础：用 Matplotlib 绘制单变量时序图

做飞控调优，说白了就是跟数据打交道。

你想想看，飞机在天上飞了十分钟，日志文件里攒了几十万行数据。Roll 角、Pitch 角、Yaw 角、电机转速、GPS 经纬度……全是数字。光盯着数字看，眼睛看花了也看不出门道。

这时候就需要可视化。把数字变成曲线图，一眼就能看出问题在哪。

我个人习惯，拿到一份新日志，第一件事就是画 Roll 角的时序图。为什么？因为 Roll 角最能反映飞控的横滚响应好不好，有没有超调，有没有震荡。画出来一看，心里就有底了。

4.1 横纵坐标到底在说什么？

很多初学者觉得坐标轴很简单，不就是 X 轴和 Y 轴吗？嗯，确实简单，但理解不到位，后面分析就容易跑偏。

  • 横轴（X 轴）：时间。单位通常是秒（s）或者毫秒（ms）。注意，飞控日志里的时间戳有两种——系统启动后的相对时间，和 GPS 的绝对时间。我一般用相对时间，方便看飞行阶段。
  • 纵轴（Y 轴）：变量值。比如 Roll 角，单位是度（°）。正负号代表方向——正的是右倾，负的是左倾。

举个例子。你画出来的 Roll 角曲线，如果横轴是 0 到 300 秒，纵轴是 -30 到 +30 度。那你就知道：这架飞机在 5 分钟里，最大横滚角度没超过 30 度，说明飞得还算平稳。

一个小技巧：画图之前，先看一眼数据的范围。如果 Roll 角突然跳到 180 度，那大概率是传感器数据异常，不是飞机真的翻了。我在项目里遇到过这种情况，当时吓一跳，后来发现是 IMU 的 SPI 通信丢了一帧。

4.2 第一张图：Roll 角时序图

好，我们直接上代码。用 Matplotlib 画一张 Roll 角随时间变化的图。

import matplotlib.pyplot as plt
import pandas as pd

# 假设你已经把日志解析成了 DataFrame
# df 里有 'timestamp' 和 'roll' 两列
df = pd.read_csv('flight_log.csv')

plt.figure(figsize=(12, 5))
plt.plot(df['timestamp'], df['roll'], color='#3498db', linewidth=1.5)

plt.xlabel('Time (s)')
plt.ylabel('Roll Angle (deg)')
plt.title('Roll Angle vs Time - Flight Log Analysis')
plt.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

这段代码很简单。但有几个细节我想强调一下：

  • figsize=(12, 5)：宽高比。飞控时序图我习惯用宽屏，因为时间跨度长，窄了看不清细节。
  • linewidth=1.5：线宽。太细了看不清，太粗了遮挡数据点。1.5 刚刚好。
  • grid(True, alpha=0.3)：网格线。透明度调低一点，别喧宾夺主。
注意：如果你的日志里时间戳是毫秒级的，记得先转成秒。不然横轴数字会很大，看着别扭。我曾经犯过这个错，画出来的图横轴从 0 到 600000，完全没法看。

4.3 图形标注：让图表会说话

光画一条线不够。你得告诉看图的人——这里发生了什么。

我常用的标注方式有三种：

标注类型 用途 代码示例
垂直参考线 标记关键时间点，比如起飞、降落、切模式 plt.axvline(x=120, color='red', linestyle='--')
水平参考线 标记目标值或阈值，比如期望 Roll 角 0 度 plt.axhline(y=0, color='gray', linestyle=':')
文本注释 在图上直接写说明，比如“此处有超调” plt.text(125, 15, 'Overshoot', fontsize=10)

举个例子。假设你在 120 秒时切了增稳模式，Roll 角出现了一个小尖峰。你可以这样标注：

plt.axvline(x=120, color='#e74c3c', linestyle='--', linewidth=1, label='Mode Switch')
plt.text(122, 10, 'Mode switch to Stabilize', fontsize=9, color='#e74c3c')
plt.legend()

这样一看图，就知道那个尖峰是因为切模式引起的，不是飞控参数有问题。

核心原则：标注是为了让看图的人一眼就能抓住重点。不要标太多，否则图会变成花脸。我一般一张图不超过 5 个标注。

4.4 保存图片：别让分析成果白费

画完图，你得保存下来。不然下次还得重新跑代码。

保存图片用 plt.savefig()。我建议用 PNG 格式，兼顾清晰度和文件大小。

plt.savefig('roll_angle_analysis.png', dpi=200, bbox_inches='tight')

几个参数说明：

  • dpi=200：分辨率。200 够清晰，又不至于文件太大。如果你要打印或者放报告里，可以调到 300。
  • bbox_inches='tight'：自动裁剪空白边。不然保存出来的图四周会有一圈白边，看着不专业。
我的习惯：文件名里带上日期和飞行架次。比如 2024-03-15_flight03_roll.png。这样找图的时候不会乱。我曾经把所有图都存成 plot.png，结果第二天就覆盖了，后悔莫及。

4.5 本章知识体系

下面这张图帮你梳理一下本章的核心逻辑：

单变量时序图绘制流程 原始日志数据 提取 timestamp + roll plt.plot() 绘制曲线 添加标注 + 网格 plt.savefig() 保存 关键点 • 横轴：时间 • 纵轴：Roll 角 • 标注不超过 5 个 • 保存用 dpi=200

4.6 避坑指南

最后，分享几个我踩过的坑：

  • 时间戳不连续：飞控日志有时候会丢帧。画出来的图会出现断点。解决办法是用 plt.plot() 的 marker 参数把数据点标出来，比如 marker='o', markersize=2。这样能看出哪些地方数据缺失了。
  • 纵轴范围不合适：如果 Roll 角大部分时间在 -5 到 +5 度之间，但有一次跳到了 30 度，Matplotlib 会自动把纵轴拉到 -30 到 +30。这时候小波动就看不清楚了。我一般用 plt.ylim(-10, 10) 手动固定范围，把异常值单独分析。
  • 中文字体乱码：Matplotlib 默认不支持中文。如果你要在图上写中文标注，记得先设置字体：plt.rcParams['font.sans-serif'] = ['SimHei']。不然出来的图全是方框。

嗯，这一章的内容就这些。画好一张 Roll 角时序图，是后面所有分析的基础。下一张图，我们会加上期望值和实际值的对比，看看飞控到底跟不跟得上指令。

← 上一章 📖 返回目录 下一章 →