📚 课程目录第2章日志分析工具链

日志分析工具链：QGC内置日志查看器、FlightPlot、PX4日志分析工具（pyulog）、MATLAB/Simulink日志分析

做飞控日志分析，工具选对了，效率翻倍。选错了，你可能在数据海洋里淹死。

我刚开始接触PX4日志时，拿着一个几十MB的ulog文件，用记事本打开——全是乱码。后来才知道，这玩意儿得用专门的工具。今天我把常用的几套工具链捋一遍，都是我在项目中实际用过的，优缺点我会说清楚。

  核心观点：没有万能工具。快速定位用QGC内置查看器，深度分析用FlightPlot或MATLAB，批量处理用pyulog脚本。

2.1 QGC内置日志查看器——快速扫一眼

QGC自带的日志查看器，说白了就是给你“看一眼”用的。飞机刚落地，想知道刚才有没有报错？打开它，拖进去，几秒钟就能看到关键信息。

优点：

不用装任何东西，QGC自带
加载速度快，适合现场快速排查
能显示基本的飞行轨迹、姿态、油门、GPS状态

缺点：

不能做复杂的数学运算
不能叠加多个变量对比分析
图表交互性差，缩放、平移不流畅

我记得有一次在户外测试，飞机突然偏航。客户催得急，我直接在笔记本上打开QGC，加载日志，看到GPS的hdop值在某个时刻跳到了3.5以上。嗯，问题找到了——卫星信号被遮挡。前后不到两分钟。

我的习惯：现场排查用QGC内置查看器，只看三个东西：飞行轨迹（看有没有异常抖动）、GPS状态（看卫星数和hdop）、报错信息（看有没有EKF警告）。其他数据，回去再细看。

2.2 FlightPlot——飞控工程师的瑞士军刀

FlightPlot是我个人最常用的工具。它专门为PX4日志设计，界面比QGC专业得多。

它能做什么？

同时打开多个变量，叠加对比
支持数学表达式计算（比如把加速度计原始值转成g值）
可以导出图片，方便写报告
支持时间轴缩放、区域选择

举个例子，你想看“电机输出”和“期望推力”是否匹配。在FlightPlot里，把actuator_outputs和vehicle_attitude_setpoint拖到一起，一眼就能看出偏差。

安装方式：

# 从GitHub下载最新版本
# 或者用pip安装
pip install flightplot

避坑：FlightPlot对中文路径支持不好。我曾经把日志放在“D:\测试数据\2024-03-15\”下，结果打不开。改成英文路径就好了。所以，养成好习惯——所有日志文件路径不要有中文。

2.3 pyulog——批量处理的利器

当你手上有几十个日志文件，一个一个拖进FlightPlot看？太慢了。这时候就需要pyulog。

pyulog是PX4官方提供的Python库，专门用来解析ulog文件。你可以写脚本批量提取数据、做统计分析、甚至自动生成报告。

常用命令：

# 查看日志基本信息
pyulog_info flight.ulg

# 提取某个topic的数据为CSV
pyulog_extract flight.ulg --topic sensor_accel

# 列出所有topic
pyulog_list flight.ulg

我的一个实际案例：有一次我们需要分析100架次飞行中“振动水平”的变化趋势。手动看？不可能。我写了一个Python脚本，用pyulog批量读取所有日志，提取每个架次的振动RMS值，然后画成趋势图。结果发现，某批次的电机振动明显偏高——后来查出是螺旋桨动平衡出了问题。

核心代码片段：

import pyulog
import pandas as pd

# 读取日志
ulog = pyulog.Pyulog('flight.ulg')
ulog.read_all_messages()

# 提取振动数据
vibe_data = ulog.get_dataset('sensor_vibration')
df = pd.DataFrame({
    'timestamp': vibe_data.timestamp,
    'vibration_x': vibe_data.data['vibration_x'],
    'vibration_y': vibe_data.data['vibration_y'],
    'vibration_z': vibe_data.data['vibration_z']
})

# 计算RMS
rms = (df['vibration_x']**2 + 
       df['vibration_y']**2 + 
       df['vibration_z']**2)**0.5
print(f'振动RMS值: {rms.mean():.3f}')

2.4 MATLAB/Simulink日志分析——学术级深度分析

如果你要做控制系统的深度分析，比如系统辨识、频域分析、滤波器设计，那MATLAB是绕不开的。

PX4官方提供了px4_log_analysis.m脚本，可以直接导入ulog文件。但说实话，这个脚本功能有限，我一般自己写分析脚本。

MATLAB分析流程：

用ulogreader函数读取ulog文件
提取需要的topic数据
做FFT分析、绘制波特图、计算时域指标
对比不同参数下的响应曲线

示例代码：

% 读取ulog文件
ulog = ulogreader('flight.ulg');

% 提取姿态数据
attitude = readTopic(ulog, 'vehicle_attitude');
time = attitude.timestamp;
roll = attitude.Roll;

% 绘制时域曲线
figure;
plot(time, roll*180/pi);
xlabel('时间 (s)');
ylabel('横滚角 (deg)');
title('飞行姿态分析');
grid on;

我的建议：MATLAB适合做“为什么”的分析——为什么PID参数调不好？为什么有高频振荡？而FlightPlot适合做“是什么”的快速查看。两者搭配使用，效率最高。

2.5 工具链对比总结

工具	适用场景	学习成本	分析深度	批量处理
QGC内置查看器	现场快速排查	低	浅	不支持
FlightPlot	日常分析、对比	中	中	有限
pyulog	批量处理、自动化	高（需Python基础）	深	强
MATLAB/Simulink	学术研究、系统辨识	高	最深	强

2.6 我的工具链选择策略

说了这么多，你可能会问：那我到底该用哪个？

我的做法是这样的：

现场测试：只用QGC内置查看器，快速确认有没有明显问题
日常分析：FlightPlot为主，配合pyulog做数据预处理
疑难杂症：MATLAB上场，做频域分析、系统辨识
批量报告：pyulog写脚本，自动生成分析报告

重要提醒：不管你用哪个工具，一定要保证日志文件完整。我遇到过几次，日志文件在写入过程中断电，导致文件损坏。所以，养成好习惯——飞行结束后，先检查日志文件大小是否正常，再拔SD卡。