2、飞控系统基础：飞控硬件架构、传感器融合、控制律与执行机构的工作原理

飞控系统是无人机、eVTOL及各类自主飞行器的“大脑与神经中枢”，其核心任务可概括为三个闭环：感知（Sense）—决策（Decide）—执行（Act）。本章从硬件架构出发，逐层拆解传感器融合算法、控制律设计逻辑以及执行机构的机电特性，帮助测试工程师建立对飞控系统的整体认知框架，为后续验证测试中的故障注入、边界测试和性能评估奠定基础。

2.1 飞控硬件架构：模块化与冗余设计

飞控硬件通常采用“主控MCU+传感器阵列+接口管理+电源管理”的四层架构。主控MCU（如STM32H7系列、NXP i.MX RT系列）负责运行实时操作系统（RTOS）和控制律算法，其计算能力直接决定了控制频率和算法复杂度。传感器阵列包括惯性测量单元（IMU）、磁力计、气压计、GNSS接收机等，通过SPI/I2C/UART总线与主控通信。接口管理部分负责与电调（ESC）、舵机、数传电台、地面站等外部设备交互，常见接口有PWM输出、DSHOT协议、CAN总线、SBUS接收机输入等。电源管理模块则提供多级电压转换（如5V→3.3V、电池电压→12V），并具备过压/欠压保护、反接保护功能。

2.2 传感器融合：从原始数据到状态估计

传感器融合的核心目标是利用多源异构传感器的互补特性，输出高精度、高鲁棒性的飞行状态（姿态角、角速度、位置、速度）。最常用的算法是扩展卡尔曼滤波器（EKF），其工作流程分为预测和更新两步：预测阶段利用陀螺仪角速度积分推算姿态；更新阶段则用加速度计、磁力计、GPS等测量值修正累积漂移。互补滤波则更轻量，适合资源受限的飞控，通过高通滤波处理陀螺仪高频信号、低通滤波处理加速度计低频信号，实现姿态估计。

融合算法的测试验证重点在于：时间戳对齐（不同传感器数据到达主控的时间差）、异常值剔除（如GPS跳变、磁力计受电机磁场干扰）、协方差矩阵调参（过程噪声和测量噪声的比值决定融合权重）。实际测试中，可通过在转台上注入已知角速度激励，对比融合输出的姿态角与高精度光学编码器的真值，评估稳态误差和动态跟踪延迟。

2.3 控制律：从PID到级联控制

飞控控制律普遍采用级联PID结构，将控制问题分解为内环（角速率环）、中环（姿态环）和外环（位置/速度环）。内环频率最高（通常200-500Hz），直接输出执行机构指令；中环频率约50-100Hz，负责将期望姿态角转换为角速率指令；外环频率最低（10-50Hz），根据位置误差计算期望姿态角。这种级联结构的优势在于：内环可以快速抑制扰动，外环则保证轨迹跟踪精度。

// 典型内环角速率PID伪代码（Z轴为例）
float error_rate = target_rate_z - gyro_z;
integral_rate += error_rate * dt;
if (integral_rate > limit) integral_rate = limit;
output = Kp_rate * error_rate + Ki_rate * integral_rate + Kd_rate * (error_rate - prev_error_rate) / dt;
// 输出限幅到[-1, 1]，再映射到PWM/DSHOT油门范围

控制律测试的核心指标包括：阶跃响应超调量（应小于15%）、稳态误差（姿态角误差小于0.5°）、抗风扰能力（在5m/s阵风下姿态波动小于±3°）。测试方法通常采用频率响应分析（扫频输入正弦信号，绘制Bode图）和时域阶跃测试。对于eVTOL等倾转旋翼飞行器，还需验证过渡飞行阶段控制律切换的平滑性，避免出现姿态突变。

2.4 执行机构：电机、电调与舵机的机电特性

执行机构是控制指令的最终执行者，其响应延迟、线性度和饱和特性直接影响控制品质。多旋翼常用无刷直流电机（BLDC）配合电子调速器（ESC），ESC接收PWM或DSHOT信号，控制电机转速。固定翼和倾转机构则使用舵机，通过PWM信号控制舵面偏转角度。执行机构的关键参数包括：响应时间常数（从指令到转速/角度达到63%目标值的时间，典型电机为50-100ms，舵机为100-200ms）、死区（PWM脉宽变化小于某阈值时输出不变）、饱和特性（最大转速/最大舵角限制）。

2.5 案例拆解：某四旋翼飞控的传感器融合故障排查

背景与约束：某工业级四旋翼在悬停测试中出现低频振荡（约2Hz），姿态角波动达±5°，超出设计指标±2°。飞控硬件为STM32F7主控，IMU通过SPI接口连接，采样率1kHz，控制律频率500Hz。

初始现象与数据：通过地面站日志分析发现，陀螺仪Z轴角速度信号存在周期性尖峰，幅值约为正常值的3倍，频率恰好与电机转速（约120Hz）的谐波相关。进一步检查发现，IMU安装位置靠近电机电源线，且减震海绵老化导致高频振动传递到IMU。

分析判断过程：首先排除控制律参数问题——将PID增益降低50%后振荡依旧；其次检查传感器融合输出——发现EKF的innovation序列在尖峰时刻明显增大，说明测量值异常。最终定位为机械振动耦合到IMU，导致陀螺仪测量值混入高频噪声，经控制律放大后形成低频振荡。

实际操作步骤：①更换减震海绵并调整IMU安装方向，使敏感轴远离振动源；②在飞控软件中增加50Hz低通滤波器（巴特沃斯二阶），对陀螺仪信号进行预处理；③重新进行频率响应测试，确认2Hz振荡消失。

结果对比：修复后悬停姿态波动降至±1.2°，满足设计指标。同时，在相同风扰条件下，姿态恢复时间从3.5s缩短至1.8s。

复盘经验：传感器融合问题往往不是算法本身错误，而是硬件安装、信号调理和滤波环节的缺陷。测试工程师应建立“传感器原始数据→融合输出→控制指令→执行机构响应”的全链路数据追溯能力，通过频谱分析工具（如FFT）快速定位异常频段。

2.6 常见误区与总结复盘

• 误区一：认为传感器融合算法越复杂越好。实际上，在振动环境恶劣的飞行器上，简单的互补滤波配合良好的硬件减震，可能比EKF更稳定。
• 误区二：忽略控制律输出限幅与执行机构饱和的匹配。当PID输出超过执行机构物理极限时，积分项会持续累积导致“积分饱和”，引发大幅超调。测试中应验证限幅逻辑和抗积分饱和算法（如条件积分法）的有效性。
• 误区三：只关注稳态性能而忽略动态切换过程。例如，飞控从“手动模式”切换到“定高模式”时，控制律结构变化可能引起姿态突变，需在测试中专门设计模式切换用例。