2、飞行器建模基础：刚体运动方程、气动力与力矩、线性化与状态空间表示

飞行器建模是飞行控制系统稳定性分析的基石。任何控制律设计、稳定性判据应用或仿真验证，都必须建立在能够准确描述飞行器动态特性的数学模型之上。本章将系统梳理从刚体运动学与动力学方程出发，到引入气动力与力矩模型，最终通过小扰动线性化获得状态空间表达式的完整链路。这一过程不仅是理论推导，更涉及工程中的简化假设、参数辨识与模型验证，是连接物理世界与控制理论的桥梁。

2.1 刚体运动方程：六自由度动力学与运动学

飞行器在空间中的运动可分解为质心的平移运动和绕质心的转动运动，共六个自由度。刚体运动方程建立在牛顿第二定律和欧拉方程基础上，通常在机体坐标系（Body Frame）中建立动力学方程，在地面坐标系或航迹坐标系中建立运动学方程。机体坐标系原点位于飞行器质心，x轴指向机头，y轴指向右翼，z轴指向下方，满足右手定则。

动力学方程描述力与加速度、力矩与角加速度的关系。在机体坐标系下，力方程可写为：

m(dV/dt + ω × V) = F_aero + F_gravity + F_thrust

其中，V = [u, v, w]^T 为速度向量，ω = [p, q, r]^T 为角速度向量，F_aero 为气动力，F_gravity 为重力分量，F_thrust 为发动机推力。力矩方程则为：

I(dω/dt) + ω × (Iω) = M_aero + M_thrust

I 为惯性张量矩阵，M_aero 为气动力矩。运动学方程则通过欧拉角（滚转φ、俯仰θ、偏航ψ）或四元数描述姿态变化率与角速度的关系，以及位置变化率与速度的关系。

2.2 气动力与力矩模型：气动导数的物理意义

气动力与力矩是飞行器受到的主要外部作用力，其建模精度直接影响稳定性分析的可信度。在常规飞行包线内，气动力和力矩通常表示为动压 q̄ = ½ρV²、特征面积 S（机翼面积）、特征长度（平均气动弦长 c̄ 或翼展 b）以及无量纲气动系数的乘积。以纵向运动为例：

• 升力系数 C_L：主要受迎角 α 和升降舵偏角 δe 影响，C_L = C_L0 + C_Lα·α + C_Lδe·δe。
• 阻力系数 C_D：与升力相关，常用极曲线 C_D = C_D0 + k·C_L² 近似。
• 俯仰力矩系数 C_m：与 α、俯仰角速度 q、升降舵偏角 δe 相关，C_m = C_m0 + C_mα·α + C_mq·(q·c̄/2V) + C_mδe·δe。

这些气动导数（如 C_Lα、C_mα、C_mq）是稳定性分析的关键参数。C_mα 为负值表示静稳定（迎角增加时产生低头恢复力矩），C_mq 为负值表示俯仰阻尼。工程中，气动导数可通过风洞试验、CFD 计算或飞行试验辨识获得。

2.3 线性化与状态空间表示：从非线性到控制设计模型

刚体运动方程和气动力模型均为非线性微分方程，直接用于稳定性分析十分困难。工程中普遍采用小扰动线性化方法：选取一个基准飞行状态（如定直平飞），将各变量表示为基准量加扰动量的形式，代入原方程后忽略二阶及以上高阶小量，得到线性微分方程。以纵向运动为例，选取状态向量 x = [Δu, Δw, Δq, Δθ]^T，控制输入 u = [Δδe, Δδt]^T，可得：

Δẋ = A·Δx + B·Δu

其中 A 矩阵的系数由气动导数和基准飞行状态决定。例如，A 矩阵中的元素 a_32 与 C_mα 相关，a_33 与 C_mq 相关。通过计算 A 矩阵的特征值，即可判断纵向运动的稳定性：特征值实部为负则稳定，为正则不稳定，虚部对应振荡频率。

状态空间表示的优越性在于：它统一了多输入多输出系统的描述形式，便于使用现代控制理论工具（如极点配置、LQR、H∞）进行控制器设计，也便于在 MATLAB/Simulink 中进行仿真验证。对于横向-航向运动，状态向量通常扩展为 x = [Δv, Δp, Δr, Δφ, Δψ]^T，形成完整的九阶或十阶线性模型。

2.4 案例拆解：某无人机纵向稳定性分析建模

以某小型固定翼无人机为例，其巡航状态为：飞行速度 V = 25 m/s，飞行高度 h = 500 m，空气密度 ρ = 1.159 kg/m³，机翼面积 S = 0.55 m²，平均气动弦长 c̄ = 0.25 m，质量 m = 4.5 kg，俯仰转动惯量 I_y = 0.12 kg·m²。风洞试验测得关键气动导数为：C_Lα = 5.2 /rad，C_mα = -0.85 /rad，C_mq = -8.5 /rad，C_mδe = -0.65 /rad。

首先计算动压 q̄ = ½ × 1.159 × 25² = 362.2 Pa。构建纵向状态空间模型，A 矩阵中关键元素计算如下：

a_32 = (q̄·S·c̄·C_mα) / I_y = (362.2 × 0.55 × 0.25 × (-0.85)) / 0.12 = -352.8 /s²
a_33 = (q̄·S·c̄·(c̄/2V)·C_mq) / I_y = (362.2 × 0.55 × 0.25 × (0.25/50) × (-8.5)) / 0.12 = -17.6 /s

求解 A 矩阵特征值，得到短周期模态特征值 λ_short = -8.8 ± 15.2i，长周期（沉浮）模态特征值 λ_phugoid = -0.12 ± 1.35i。短周期模态阻尼比 ζ ≈ 0.50，自然频率 ω_n ≈ 17.6 rad/s；长周期模态阻尼比 ζ ≈ 0.09，自然频率 ω_n ≈ 1.36 rad/s。所有特征值实部均为负，表明该无人机纵向运动是稳定的，但长周期模态阻尼偏小，需关注驾驶员或自动驾驶仪的操纵品质。

进一步分析发现，若将重心后移导致 C_mα 变为 -0.4 /rad，则 a_32 变为 -166.0 /s²，短周期特征值变为 -6.2 ± 11.3i，阻尼比降至 0.48，稳定性裕度下降。这提示在无人机装载配置时需严格控制重心位置。

2.5 常见误区与建模复盘

在飞行器建模实践中，以下误区值得特别注意：

• 忽略惯性耦合：当飞行器进行滚转-偏航耦合机动时，I_xz 项不可忽略，否则横向-航向模型将产生显著误差。
• 气动导数线性化范围误用：将小迎角下获得的 C_Lα 直接用于大迎角状态，导致失速预测失败。
• 状态变量选择不当：若使用地面坐标系速度分量而非机体坐标系分量，A 矩阵将包含复杂的坐标变换项，增加分析难度。
• 忽略执行机构动态：状态空间模型中的 B 矩阵通常假设舵面瞬时响应，但实际舵机存在带宽限制，需在模型中串联执行机构传递函数。

建模复盘时，建议按以下流程验证模型质量：首先检查 A 矩阵特征值是否与物理直觉一致（如短周期频率应高于长周期）；其次通过时域仿真对比非线性模型与线性模型的响应差异；最后利用飞行试验数据对模型进行频域辨识修正。只有经过充分验证的模型，才能作为后续稳定性分析和控制律设计的可靠基础。