4、调优前置准备：传感器校准、滤波器设置、执行器响应测试、数据记录与日志分析工具

飞行控制参数调优并非单纯调整PID增益或姿态环系数，而是一项系统性工程。若传感器数据不可信、执行器响应滞后或数据记录缺失，任何调优结论都如同在流沙上筑塔。本章聚焦调优前的四项核心准备工作：传感器校准、滤波器设置、执行器响应测试以及数据记录与日志分析工具链的搭建。这四项工作决定了后续调优数据的真实性、可追溯性与可复现性，是飞行器安全与性能的基石。

上图展示了调优前置准备的完整工程链路。传感器校准为系统提供“真实感知”，滤波器设置确保“信号干净”，执行器响应测试明确“执行边界”，数据记录与日志分析则构建“可回溯的决策依据”。四者并非孤立步骤，而是相互关联、迭代优化的闭环。以下逐一展开。

4.1 传感器校准：从原始数据到可信物理量

核心原理：飞行控制器依赖IMU（惯性测量单元）、磁力计、气压计等传感器获取姿态、位置与速度信息。然而，MEMS传感器存在零偏（Bias）、标度因数误差（Scale Factor）、轴间非正交（Misalignment）以及温度漂移。若未校准，陀螺仪零偏可能导致积分姿态在数秒内漂移数度，加速度计标度误差则直接影响倾角计算。校准的本质是建立传感器原始输出到物理真值的映射模型，通常采用六面静态校准法（加速度计/陀螺仪）和椭圆拟合校准法（磁力计）。

判断方法与操作流程：校准前需确认传感器安装方向与机体坐标系一致，并保证飞行器处于水平、无振动环境。标准流程如下：

1. 静态六面校准：将飞行器分别以机头朝上、朝下、左倾、右倾、前倾、后倾六个姿态静止放置，采集加速度计与陀螺仪数据，计算零偏与标度因数。
2. 磁力计校准：在无强磁干扰环境下，旋转飞行器覆盖所有姿态，采集磁场数据拟合椭球，消除硬磁与软磁干扰。
3. 气压计校准：记录当前环境气压与温度，设置基准海平面气压，消除温漂影响。
4. 温度补偿验证：若飞控支持温补，需在温度变化范围内记录零偏变化曲线，生成补偿系数。

案例拆解：某四旋翼在调参时出现悬停漂移，初始怀疑PID增益不足。但通过日志分析发现，陀螺仪零偏在起飞后3分钟从0.2°/s漂移至2.5°/s，导致姿态积分误差累积。进一步检查发现飞控减震棉老化，高频振动耦合至IMU。更换减震棉并重新校准后，零偏恢复至0.3°/s以内，悬停漂移问题消失。此案例说明，传感器校准不仅是静态操作，还需关注动态环境对校准结果的影响。

4.2 滤波器设置：在噪声与延迟之间寻找平衡

核心原理：传感器原始信号包含机械振动、电气噪声和空气动力扰动。滤波器用于衰减这些噪声，但任何滤波器都会引入相位延迟。延迟过大将降低控制系统的相位裕度，导致震荡甚至发散。因此，滤波器设置的核心是“在噪声抑制与信号保真之间取得最优折中”。常用滤波器包括：低通滤波器（LPF）、陷波滤波器（Notch）、移动平均滤波器（MAF）。LPF适合衰减高频噪声，但会引入随频率增加的相位滞后；Notch滤波器可精准抑制特定频率（如电机转速产生的振动峰），且对相位影响较小；MAF适合平滑噪声，但会引入固定延迟。

判断方法与操作流程：滤波器参数需基于振动频谱分析确定，而非盲目套用默认值。流程如下：

1. 采集振动频谱：在飞行器悬停或地面全油门状态下，以2kHz以上采样率记录陀螺仪和加速度计数据。
2. 识别振动峰：使用FFT分析频谱，标记能量集中的频率点（如电机基频、桨叶通过频率）。
3. 设置陷波滤波器：针对主要振动峰设置Notch滤波器，中心频率对准峰值，品质因数（Q值）根据峰宽调整，通常Q=5~10。
4. 设置低通滤波器：根据控制环带宽需求选择截止频率。例如，若姿态环带宽为20Hz，LPF截止频率可设为40~60Hz，确保相位延迟在可接受范围。
5. 验证相位延迟：通过注入扫频信号或查看阶跃响应，确认滤波器引入的延迟不超过控制周期的1/3。

案例拆解：某固定翼无人机在高速飞行时出现副翼振荡。日志显示陀螺仪信号在85Hz处存在明显振动峰，源于螺旋桨转速（5000RPM）的谐波。默认LPF截止频率为100Hz，无法有效抑制该峰。通过FFT分析后，在85Hz处设置Notch滤波器（Q=8），同时将LPF截止频率降至70Hz。修改后，振荡消失，滚转通道的相位延迟仅增加3ms，控制品质显著提升。

4.3 执行器响应测试：摸清动力系统的“脾气”

核心原理：执行器（电机+电调+螺旋桨，或舵机）是控制指令的最终执行者。其响应特性包括：延迟时间（从指令发出到转速/角度变化）、上升时间、带宽、线性度以及饱和特性。若执行器响应滞后，控制环的相位裕度会下降；若存在非线性（如死区、饱和），则可能导致极限环振荡。执行器响应测试的目的是建立“指令-响应”模型，为控制参数设计提供边界约束。

判断方法与操作流程：测试需在安全台架或地面固定装置上进行，避免飞行风险。流程如下：

1. 静态测试：将飞行器固定于测试台，逐步增加油门指令（如从0%到100%，步进5%），记录实际转速或推力响应，绘制静态特性曲线。
2. 动态测试：施加阶跃指令（如从50%到60%），记录响应时间常数和超调量。使用扫频信号（如0.5Hz~50Hz）测量幅频与相频特性，确定执行器带宽。
3. 饱和与死区测试：测试最小油门（死区）和最大油门（饱和）位置，记录非线性区间。
4. 延迟测量：对比指令时间戳与执行器反馈时间戳，计算纯延迟（通常为电调刷新周期+电机机械响应时间）。

案例拆解：某垂直起降（VTOL）飞行器在过渡飞行阶段出现俯仰震荡。测试发现，倾转舵机在15°~20°区间存在明显死区，导致控制指令在死区附近反复切换。通过调整舵机连杆长度消除机械间隙，并在飞控中增加死区补偿逻辑，震荡问题得以解决。此案例表明，执行器非线性往往比增益不足更隐蔽，需通过专项测试暴露。

4.4 数据记录与日志分析工具：让每一次调优都有据可循

核心原理：调优过程需要大量数据支撑，包括传感器原始数据、控制指令、执行器反馈、状态估计结果等。数据记录系统（黑匣子）需具备高采样率（至少与控制频率一致）、精确时间戳和足够存储容量。日志分析工具则用于回放飞行过程、绘制曲线、进行频谱分析和统计评估。没有可靠的数据记录，调优只能依赖主观感受，无法定位问题根源。

判断方法与操作流程：选择或配置数据记录系统时，需关注以下要点：

• 采样率与通道数：确保能同时记录所有关键信号，如陀螺仪、加速度计、电机指令、电池电压、GPS状态等。
• 时间同步：所有数据必须统一时间基准，误差小于1ms，否则无法进行相关性分析。
• 存储与触发：支持循环覆盖和异常触发保存（如检测到振荡时自动保存前后10秒数据）。
• 分析工具：支持FFT、时频分析、轨迹回放、控制品质指标计算（如超调量、稳态误差、相位裕度）。

# 典型日志分析命令（以PX4/ArduPilot为例）
# 1. 查看日志列表
mission_planner.exe --log-list
# 2. 导出特定参数曲线
loganalyzer --extract ATT.Roll, ATT.Pitch, IMU.GyroX --output roll_pitch.csv
# 3. 执行FFT分析
python fft_analysis.py --input gyro_x.csv --fs 500 --fmin 1 --fmax 100

案例拆解：某飞手反馈无人机在急加速时出现“点头”现象。通过日志回放发现，俯仰角速率在加速瞬间出现约50ms的延迟峰值，且电机指令饱和至100%。进一步分析发现，前电机响应速度慢于后电机，导致俯仰力矩不平衡。通过调整前后电机的混控权重，并降低加速度前馈增益，问题得到解决。整个排查过程完全依赖日志数据，避免了盲目试飞。

4.5 常见误区与总结复盘

常见误区：

• 误区一：跳过传感器校准，直接调PID。这会导致控制参数基于错误的状态估计，调优结果不可复现。
• 误区二：滤波器参数“一刀切”。不同机架、不同螺旋桨的振动特性差异巨大，必须基于实测频谱设置。
• 误区三：忽略执行器延迟。将执行器视为理想环节，导致设计的控制带宽超出执行器能力，引发振荡。
• 误区四：日志记录不完整。仅记录控制输出而不记录传感器输入，无法分析问题根源。

总结复盘：调优前置准备的核心逻辑是“先让系统可信，再让系统最优”。传感器校准解决“看得准”，滤波器解决“信号净”，执行器测试解决“动得实”，数据记录解决“查得清”。四者环环相扣，缺一不可。建议在每次调优前，按照本章流程完成全部前置检查，并形成标准化检查单。只有前置准备扎实，后续的PID调优、姿态控制优化和导航算法调整才能建立在可靠的基础上，最终实现飞行器性能的精准提升。