2、飞行控制系统基础:飞控计算机架构、传感器/执行器接口、控制律算法与关键性能指标

飞行控制系统是无人机与有人机的“神经中枢”,其核心任务可概括为三个闭环:感知(传感器)、决策(控制律)、执行(执行器)。在硬件在环(HIL)测试中,被测对象(DUT)正是飞控计算机(Flight Control Computer, FCC),而传感器与执行器则通过实时仿真模型与物理接口进行模拟。因此,理解飞控计算机的硬件架构、接口电气特性、控制律算法实现方式以及关键性能指标(KPI),是搭建HIL测试平台的前提。本章将从这四个维度展开,帮助学员建立从芯片级到系统级的完整认知框架。

飞控系统硬件在环测试核心链路 传感器仿真组 IMU (6轴) GPS/RTK 空速/气压计 磁力计 ADS/激光雷达 接口: SPI/I2C/UART/CAN 信号调理与 接口适配层 电平转换/隔离 协议解析 故障注入点 飞控计算机 (FCC) 主处理器: ARM/PPC 协处理器: FPGA/DSP 存储: DDR/Flash 通信: 1553B/ARINC429 电源: 5V/3.3V/1.2V 看门狗/复位管理 控制律算法驻留 执行器仿真组 舵机/伺服 电机/电调 (ESC) 液压/气动作动筒 襟翼/减速板 接口: PWM/模拟量 负载模拟/断线检测 原始信号 数字/模拟 PWM/指令 状态反馈(位置/速度/姿态) 控制律算法核心模块 姿态控制 → 航迹控制 → 速度控制 PID/ADRC/鲁棒控制/自适应控制 控制分配 → 执行器指令生成 关键性能指标 (KPI) 控制周期: 1kHz/500Hz 延迟: <5ms | 超调: <10% 稳态误差: <0.5° | 鲁棒性增益/相位裕度

2.1 飞控计算机硬件架构

核心原理:飞控计算机的硬件架构决定了其计算能力、实时性、可靠性和扩展性。现代飞控计算机普遍采用“主处理器+协处理器+外围接口”的分层结构。主处理器(如ARM Cortex-M7/A9、PowerPC或x86)负责控制律解算、任务调度和通信管理;协处理器(FPGA或DSP)则承担高速信号采集、滤波、PWM生成等确定性任务。这种异构计算架构将非实时任务与硬实时任务隔离,确保控制律在固定时间片内完成。

典型架构组成:

模块典型器件功能职责HIL测试关注点
主处理器STM32H743 / TMS320C6678控制律解算、导航解算、任务管理计算负载率、栈溢出检测
协处理器FPGA (Xilinx Artix-7)传感器数据预处理、PWM生成、硬件滤波时序确定性、位宽精度
存储系统DDR3/DDR4 + NOR Flash程序运行空间、参数存储、日志记录读写延迟、掉电保护
通信接口UART/SPI/I2C/CAN/1553B与传感器、执行器、地面站通信波特率匹配、帧格式解析
电源管理LDO + DC-DC (5V→3.3V/1.2V)多电压域供电、电源监控电压纹波、上电时序
安全机制看门狗、电压监测、温度监测异常复位、故障保护复位触发条件、恢复时间

案例拆解:某型固定翼无人机飞控采用“双余度ARM+FPGA”架构。主ARM运行姿态控制律,备份ARM运行导航与任务逻辑,FPGA负责IMU数据同步采集和PWM输出。在HIL测试中发现,当FPGA以2kHz频率采集IMU数据时,主ARM的SPI读取偶尔出现数据错位。通过分析时序发现,FPGA的DMA传输与ARM的中断处理存在竞争条件。解决方案是将FPGA的数据输出改为“双缓冲+标志位”机制,并在ARM侧增加数据校验。这一案例说明,HIL测试不仅要验证功能,更要暴露硬件架构中的时序隐患。

常见误区:许多初学者认为飞控计算机的CPU主频越高越好。实际上,飞控系统更关注确定性(Worst-Case Execution Time, WCET)而非平均性能。在HIL测试中,应重点测量控制任务的最大执行时间,而非平均负载率。若WCET超过控制周期,即使平均负载率仅60%,系统也可能在极端工况下失控。

2.2 传感器与执行器接口技术

核心原理:飞控计算机与外部设备之间的接口是HIL测试的关键物理层。传感器接口负责将物理量(角速度、加速度、气压、磁场等)转换为数字信号;执行器接口则将控制指令转换为驱动信号(PWM、电流、电压)。接口的电气特性、协议时序和故障模式直接影响控制律的执行效果。

接口分类与关键参数:

  • IMU接口(SPI/I2C):典型SPI时钟频率1-10MHz,数据位宽16-32位。需关注帧同步信号(FSYNC)的时序关系,以及陀螺仪和加速度计的采样同步性。
  • GPS/UART接口:波特率通常为115200或460800,NMEA协议或UBX协议。HIL测试中需模拟PPS(脉冲秒信号)与IMU数据的时间同步。
  • 空速/气压计(I2C/模拟量):MS4525等数字传感器通过I2C输出,模拟式传感器则输出0-5V或4-20mA信号,需ADC采样。
  • 舵机/PWM输出:标准PWM频率50Hz(周期20ms),脉宽1-2ms对应-45°~+45°。HIL测试需精确测量脉宽精度(通常要求±1μs)。
  • 电机/ESC接口:除PWM外,部分ESC支持DShot或CAN总线协议,需按协议解析。

操作流程(HIL接口验证步骤):

  1. 使用示波器或逻辑分析仪采集飞控输出的PWM波形,验证频率、脉宽范围与指令值的线性关系。
  2. 对传感器接口注入已知数据(如固定角速度值),比对飞控内部解算结果与注入值的一致性。
  3. 进行接口故障注入测试:断开SPI时钟线、短路UART TX/RX、对PWM输出施加过压,观察飞控的故障检测与响应行为。
  4. 记录接口通信的误码率(BER),在持续运行24小时后确认BER低于10⁻⁷。
实战经验:在HIL测试中,传感器接口的时间同步是最容易被忽视的问题。真实飞行中,IMU数据到达飞控的时间存在微小抖动(jitter)。若HIL仿真器以固定周期发送数据,反而掩盖了飞控在真实抖动下的性能缺陷。建议在HIL测试中人为加入±0.5ms的随机延迟,模拟真实总线竞争场景。

2.3 控制律算法与实现

核心原理:控制律算法是飞控系统的“大脑”,它将传感器数据转换为执行器指令。典型的控制律结构包括:姿态控制(内环,角速度/姿态角)、航迹控制(外环,位置/速度)、速度控制(最外环)。算法实现需考虑离散化方法、计算精度和抗饱和策略。

常用控制算法对比:

算法类型适用场景优点缺点HIL测试重点
PID控制小型无人机、姿态稳定结构简单、参数直观抗干扰能力有限参数整定、积分饱和
ADRC(自抗扰)强扰动环境、高精度控制不依赖精确模型参数较多、调试复杂扩张状态观测器带宽
LQR/H∞固定翼、大型无人机理论最优、鲁棒性强依赖精确模型模型失配时的鲁棒性
自适应控制参数变化大的场景在线调整参数收敛性证明困难参数突变时的稳定性

控制律实现的关键细节:

  • 离散化:连续域传递函数需转换为Z域,常用双线性变换或零极点匹配法。采样周期通常为1-5ms,需验证离散化后的频率响应与连续域一致。
  • 抗饱和(Anti-windup):当执行器达到物理极限时,积分项会持续累积导致超调。需实现条件积分或反向计算抗饱和策略。
  • 控制分配:多执行器系统(如四旋翼的4个电机)需将虚拟控制量(滚转、俯仰、偏航、推力)映射到实际执行器。常见方法包括伪逆分配和链式分配。
  • 滤波与延迟补偿:传感器信号需低通滤波,但滤波会引入相位延迟。可采用状态观测器或预测补偿来抵消延迟影响。
HIL测试建议:在验证控制律时,不要只测试标称工况。应设计参数摄动测试(如气动系数±20%变化)、传感器故障测试(如GPS信号丢失)和执行器卡死测试。这些场景在真实飞行中代价高昂,但在HIL中可安全重复执行。

2.4 关键性能指标(KPI)与测试方法

核心原理:飞控系统的性能指标是衡量其是否满足设计要求的量化标准。在HIL测试中,KPI不仅是验收依据,更是发现设计缺陷的线索。KPI分为时间指标、精度指标和鲁棒性指标三类。

核心KPI清单:

类别指标名称典型要求测试方法
时间控制周期1kHz ± 0.1%示波器测量PWM更新频率
时间端到端延迟< 5ms注入阶跃信号,测量响应时间
时间任务切换抖动< 50μsRTOS任务时间戳记录
精度姿态稳态误差< 0.5°给定固定姿态指令,记录稳态偏差
精度超调量< 10%阶跃响应分析
鲁棒性增益裕度> 6dB频率响应分析(扫频)
鲁棒性相位裕度> 45°频率响应分析(扫频)

测试流程(以姿态控制KPI验证为例):

  1. 在HIL仿真器中设置飞机处于平飞状态(高度1000m,速度30m/s)。
  2. 注入俯仰角阶跃指令(从0°到10°),记录飞控输出的升降舵PWM指令。
  3. 采集飞机模型的俯仰角响应曲线,计算上升时间、超调量、稳态误差和振荡次数。
  4. 重复测试5次,取平均值和标准差,评估一致性。
  5. 改变飞行速度(20m/s、40m/s),验证KPI在不同工况下的稳定性。
常见误区:许多团队只关注稳态精度而忽略动态响应。例如,某飞控在稳态时姿态误差仅0.3°,但在阶跃响应中出现持续3秒的振荡。这种“静态达标、动态失稳”的情况在HIL测试中必须通过时域和频域双重分析才能发现。建议每次测试都同时记录时域响应曲线和Bode图。

案例复盘:某垂直起降(VTOL)无人机在HIL测试中发现,当由悬停模式切换至固定翼模式时,高度波动超过±15m。初步分析认为是控制律切换逻辑问题,但深入排查发现,空速传感器在过渡阶段的测量值跳变导致速度控制环误动作。通过在HIL中模拟空速管的动态延迟特性(时间常数0.5s),并增加模式切换时的传感器数据平滑滤波,最终将高度波动控制在±3m以内。这一案例表明,HIL测试的价值在于能够复现真实飞行中的“软故障”——即传感器动态特性与控制逻辑的交互问题。