1. 课程导入与全局认知

无人飞行器在真实环境中飞行时，几乎不可能遇到“理想大气”。阵风、风切变、湍流、下洗气流、地面效应以及自身气动参数漂移，都会以扰动形式作用在机体上。所谓抗扰控制，就是让飞行器在存在外部扰动、内部参数不确定和测量噪声的条件下，仍能保持姿态稳定、轨迹精度和任务完成度的一整套控制设计方法。而风场适应则更进一步：它不只要求“扛住风”，还要求飞行器能够感知风、估计风、利用风，甚至在风场中主动调整策略以节省能量或提高任务成功率。

本课程围绕这两条主线展开，但需要先明确一个边界：抗扰控制不等于“把增益调大”。高增益虽然能抑制低频扰动，却会放大噪声、降低相位裕度，甚至激发结构模态。风场适应也不等于“加一个前馈项”那么简单，它涉及风场建模、估计、观测器设计、控制分配和任务层决策的协同。因此，本课程的技术边界可以概括为：在模型不确定、扰动未知、测量受限的条件下，通过控制与估计的联合设计，使飞行器获得可接受甚至优化的抗风性能。

为了建立全局认知，先看典型任务场景。多旋翼在楼宇间穿行时，会遇到突发的涡旋和狭管效应，表现为滚转/俯仰力矩扰动；固定翼在低空巡航时，会遇到风切变和热气流，表现为空速突变和高度漂移；植保无人机在近地作业时，地面效应和作物冠层风场会改变升力与阻力；物流无人机在阵风下悬停投放时，位置保持精度直接决定投放误差。这些场景的共同点是：扰动具有随机性、时变性和空间相关性，且往往无法直接测量，只能通过状态量间接估计。

从图中可以看到，抗扰控制与风场适应并不是孤立的两块，而是通过“风场估计/前馈”和“状态反馈”形成闭环。扰动源作用于飞行器本体，本体运动响应被风场适应模块用于估计风场，估计结果一方面前馈给抗扰控制器，另一方面用于任务层决策；抗扰控制器输出控制指令驱动执行机构，最终影响性能指标。这个闭环结构贯穿本课程所有章节。

接下来明确学习产出。完成本课程后，你应该能够：第一，针对给定飞行器模型和风场条件，判断扰动的主要频段和幅值范围，选择合适的抗扰控制结构；第二，设计并实现一个干扰观测器或扩张状态观测器，完成扰动估计与补偿；第三，建立风场模型，利用空速、地速、姿态和加速度信息估计风速矢量；第四，在仿真环境中复现典型风场场景，分析姿态误差、位置误差和能量消耗；第五，根据试飞数据判断抗扰性能是否达标，并定位问题来源。

为了让你对“实际怎么做”有具体感知，这里给出一个贯穿课程的示例参数集。假设一架四旋翼，质量 m = 1.5 kg，转动惯量 Ixx = Iyy = 0.02 kg·m²，Izz = 0.04 kg·m²，悬停时单电机拉力约 3.7 N。在 6 m/s 侧风中悬停，若不加抗扰补偿，滚转方向可能出现约 8°~12° 的稳态倾斜；加入扩张状态观测器后，目标是将稳态倾斜压到 3° 以内，同时保证滚转通道相位裕度不低于 45°。这些数字是教学示例，用于说明“扰动—响应—指标”之间的量化关系，并非实测结果。

最后说明本课程的组织方式。前 6 章建立风场模型、坐标系约定和飞行器动力学基础；第 7 至 14 章进入抗扰控制核心，包括自抗扰控制、鲁棒控制、干扰观测器和滑模方法；第 15 至 22 章聚焦风场适应，涵盖风场估计、空速感知、轨迹重规划和能量优化；第 23 至 27 章为仿真与试飞实践，给出可复现的测试用例和调参流程；第 28 至 30 章通过综合案例完成排障与复盘训练。每一章都会围绕一个可观察、可判断的工程问题展开，而不是停留在公式推导。

需要特别强调的是，抗扰控制与风场适应的最终检验标准不是“算法是否先进”，而是“任务是否完成、飞行是否安全、能量是否可接受”。因此，本课程在每一阶段都会给出明确的性能指标和判断依据，帮助你把控制理论转化为可执行的工程决策。