3. 模型参数校准概述
在飞控系统中，模型参数校准是连接“理论模型”与“真实飞行”的关键桥梁。飞控算法依赖大量模型参数来预测飞行器行为，例如质量、转动惯量、电机推力系数、气动阻尼、传感器零偏与尺度因子等。如果这些参数与真实系统不一致，控制器输出就会偏离预期，表现为姿态振荡、高度漂移、航向误差甚至失控。因此，理解校准与验证的区别、掌握校准流程、明确参数分类，并熟悉典型应用场景，是开展后续参数辨识与验证工作的基础。
一、校准与验证的区别
校准与验证常被混用，但在飞控模型参数工程中，两者目标不同、输出不同、判定标准也不同。校准关注“让模型参数逼近真实值”，验证关注“确认模型在真实场景下是否足够可信”。
| 对比维度 | 校准（Calibration） | 验证（Validation） |
|---|---|---|
| 核心目标 | 估计或修正模型参数，使模型输出与实测数据一致 | 评估模型在未参与校准的数据或场景中的预测能力 |
| 主要输入 | 激励信号、传感器数据、已知参考量 | 独立测试数据、飞行日志、边界工况 |
| 典型输出 | 参数估计值、置信区间、残差曲线 | 误差指标、通过/不通过结论、适用边界 |
| 判定标准 | 残差是否收敛、参数是否物理合理 | 预测误差是否满足任务要求、是否可泛化 |
| 常见误区 | 用同一组数据既校准又验证，导致过拟合 | 只验证稳态，忽略动态与边界工况 |
校准回答“参数是多少”，验证回答“模型能不能用”。两者必须使用独立数据集，否则容易得到虚假的高精度。
二、校准流程
飞控模型参数校准通常遵循“建模—激励—采集—辨识—评估—固化”的闭环流程。每一步都影响最终参数的可信度。
- 明确模型结构与待校准参数：确定是线性模型还是非线性模型，列出需要校准的参数集合，例如电机时间常数、推力系数、气动导数等。
- 设计激励试验：根据参数可辨识性设计输入信号，如阶跃、扫频、多正弦、脉冲等，确保激励覆盖关注频段和幅值范围。
- 采集同步数据：记录飞控输入、传感器输出、GPS/光流/气压等参考量，保证时间同步与采样率一致。
- 数据预处理：去除异常值、补偿延迟、滤波去噪、统一单位与坐标系。
- 参数辨识与估计：采用最小二乘、极大似然、卡尔曼滤波、递推最小二乘或优化算法求解参数。
- 残差与物理合理性检查：观察残差是否白噪声、参数是否落在物理可行区间。
- 独立验证：用未参与校准的飞行数据验证模型预测误差。
- 参数固化与版本管理：将通过验证的参数写入配置文件，记录试验条件、数据版本和校准日期。
# 典型校准参数配置片段（示例）
model:
mass: 2.35 # kg
inertia_xx: 0.021 # kg·m^2
inertia_yy: 0.019
inertia_zz: 0.034
motor:
thrust_coeff: 1.42e-5
time_constant: 0.045
aero:
drag_coeff: 0.27
roll_damping: 0.018
sensor:
gyro_bias: [0.0012, -0.0008, 0.0005]
accel_scale: [1.002, 0.998, 1.001]
三、参数分类
飞控模型参数可按物理来源、时间特性和辨识难度分类。分类有助于选择校准方法和试验设计。
- 质量与几何参数：质量、质心位置、转动惯量。通常通过称重、悬吊或CAD估算获得，也可通过飞行辨识修正。
- 动力系统参数：电机推力系数、反扭矩系数、时间常数、螺旋桨效率。常通过台架试验或阶跃响应辨识。
- 气动参数：阻力系数、升力斜率、阻尼导数、侧力系数。依赖风洞或飞行试验，受雷诺数和姿态影响明显。
- 传感器参数：零偏、尺度因子、非正交误差、噪声密度。通过静态多位置试验和温度试验校准。
- 环境与任务参数：风速、空气密度、载荷质量。属于时变或场景相关参数，需在线估计或自适应补偿。
参数分类不是学术分类，而是工程决策依据：不同类别对应不同激励方式、不同数据长度和不同验证指标。
四、典型应用场景
模型参数校准贯穿飞控研发、生产、使用和维护全生命周期。以下是几个典型场景。
- 新机型首飞前：通过台架和地面试验校准质量、惯量、电机参数，降低首飞风险。
- 控制器调参前：先校准模型参数，再整定PID或LQR增益，避免“用错模型调参”。
- 载荷变更后：更换电池、相机或药箱后，质量与惯量变化，需要重新校准或在线估计。
- 传感器更换或维修后：重新校准零偏与尺度因子，防止姿态解算漂移。
- 事故复盘与排障：用飞行日志反推参数是否漂移，判断是模型失配还是执行机构故障。
- 批量生产一致性检查：对同型号多台产品抽检参数分布，建立出厂阈值。
五、常见误区与复盘要点
在实际项目中，参数校准失败往往不是算法问题，而是流程和认知问题。以下误区值得警惕。
- 用校准数据做验证：残差很小但新数据误差很大，属于典型过拟合。必须划分训练集与验证集。
- 忽略激励充分性：输入信号频带太窄，某些参数不可辨识，估计值看似收敛实则不可信。
- 忽视时间延迟与坐标对齐：传感器延迟未补偿会导致阻尼参数估计偏大或偏小。
- 只校准一次：温度、载荷、电池老化都会使参数漂移，应建立定期复校或在线估计机制。
- 缺少版本记录：参数被修改却无记录，排障时无法判断模型状态，复盘困难。
校准不是“调参到曲线好看”，而是“让参数具有物理意义且可复现”。任何无法解释的参数变化都应视为异常信号。
综上，模型参数校准与验证是飞控系统可信运行的基础工程。校准负责估计参数，验证负责确认模型可用性；流程上要形成闭环，分类上要区分物理来源与时间特性，场景上要覆盖研发、生产、使用和维护。只有把校准与验证分开做、把数据与版本管起来，后续的控制器设计和飞行试验才有可靠依据。