2. 无人机系统基础
要进行飞行数据系统辨识，首先必须理解数据从哪里来、经过哪些环节、最终如何影响飞行状态。无人机并不是单一控制器，而是一个由平台结构、飞控计算机、传感器、执行机构和数据链路共同构成的闭环系统。辨识工作的本质，就是通过外部可测的输入输出数据，反推这个闭环系统内部的关键动态特性。因此，本节从系统组成出发，建立后续建模与辨识所需的物理直觉。
一、无人机平台的五大组成
从系统工程角度看，无人机可划分为五个基本子系统，它们之间既有能量流，也有信息流：
- 机体平台：包括机身、机臂、起落架、机翼或旋翼等，决定气动布局、质量分布与惯性特性，是动力学模型的物理载体。
- 飞行控制系统：以飞控计算机为核心，运行姿态解算、控制律、导航制导与任务管理，是闭环系统的“大脑”。
- 传感器系统：包括IMU、磁力计、气压计、GNSS、空速管、视觉与激光雷达等，负责感知自身状态与外部环境。
- 执行机构：电机与电调、舵机、舵面等，把控制指令转换为力与力矩，是控制作用的最终施加端。
- 数据链路：包括遥控上行链路、遥测下行链路和图传链路，承担指令、状态与任务数据的传输。
这五部分构成“感知—决策—执行—反馈”的闭环。辨识时，输入通常来自执行机构指令，输出则来自传感器测量，而平台与链路特性会直接影响数据的可信度与可辨识性。
二、飞行控制系统的基本原理
飞控是闭环的核心，其内部通常按“感知—估计—控制—分配”四个层次运行。传感器原始数据先经过标定与滤波，再由姿态估计算法（如互补滤波或扩展卡尔曼滤波）融合为姿态、速度与位置估计；随后控制律根据期望轨迹与当前状态的偏差计算所需力矩与推力；最后控制分配模块把总力矩映射到各电机转速或舵面偏角。
从辨识角度看，飞控内部的控制律往往是未知或部分已知的。我们通常把“控制指令到飞行状态”的整体视为待辨识对象，也可以借助飞控日志中的中间变量，把问题拆分为“执行机构动态”和“机体动力学”两个子问题，从而降低辨识难度。
三、传感器系统与执行机构
传感器决定辨识输出的质量。IMU提供角速度与加速度，是姿态与气动参数辨识的主要数据源；磁力计提供航向基准，但易受电机电流干扰；气压计与GNSS提供高度和位置，更新率低但长期稳定；空速管对固定翼辨识尤为关键。执行机构则决定辨识输入的可激励程度，电机响应带宽、舵机死区与延迟都会直接进入辨识模型。
| 子系统 | 典型器件 | 输出/作用 | 辨识关注点 |
|---|---|---|---|
| 传感器 | IMU、磁力计、气压计、GNSS | 姿态、角速度、位置、速度 | 噪声、偏置、延迟、采样率 |
| 执行机构 | 无刷电机、电调、舵机 | 推力、力矩、舵面偏转 | 死区、饱和、响应带宽 |
| 飞控 | 飞控计算机、IMU板 | 控制律、状态估计、日志 | 控制周期、滤波延迟、日志频率 |
| 数据链路 | 数传电台、图传、遥控 | 指令上行、遥测下行 | 丢包、时延、更新率 |
四、数据链路与时间同步
数据链路不仅传输指令，也决定了我们能拿到什么样的辨识数据。遥控链路通常为低带宽、高可靠；遥测链路带宽有限，常以10～50 Hz下传关键状态；图传链路带宽高但延迟大。若辨识依赖地面站记录的数据，必须注意链路时延与丢包会造成输入输出时间错位，从而严重污染辨识结果。
五、案例：悬停辨识的数据链路检查
在一次多旋翼悬停辨识试验中，飞控以400 Hz记录IMU与电机指令，地面站以25 Hz记录遥测。若直接用遥测数据辨识，会因采样率过低丢失高频动态。正确做法是：以飞控日志为主数据源，用遥测数据做粗对齐，再通过互相关估计链路时延。
# 伪代码：输入输出时间对齐
log_fc = load("flight_control_log.csv") # 400 Hz
log_gcs = load("telemetry_log.csv") # 25 Hz
# 1. 重采样到统一时间基准
t = common_time_grid(log_fc, log_gcs, fs=100)
# 2. 互相关估计时延
delay = estimate_delay(log_fc.u, log_gcs.u)
# 3. 对齐后用于辨识
u = resample(log_fc.u, t)
y = resample(log_fc.y, t)
六、复盘：从系统组成到辨识模型
理解无人机五大组成后，可以把辨识问题形式化为：给定执行机构输入 u(t) 与传感器输出 y(t)，寻找一个动态模型，使 y(t) 在相同 u(t) 下的预测误差最小。平台决定模型阶次与非线性程度，飞控决定闭环相关性，传感器决定噪声与可观测性，执行机构决定激励带宽，数据链路决定数据可信度。只有把这五者放在同一张系统图上，后续的参数辨识、频域辨识和闭环辨识才有可靠的物理基础。