【UAV】从单环到串级：PID控制进阶与飞行器姿态稳定实战

1. PID控制基础与无人机姿态控制初探

第一次接触无人机飞控时，我被各种专业术语搞得晕头转向。直到真正上手调试，才发现PID控制就像骑自行车——理论再复杂，实践起来却有种奇妙的直觉。单环PID是最基础的控制算法，它通过比例（P）、积分（I）、微分（D）三个环节来修正系统误差。

举个生活中的例子：想象你用手托着一根竖立的木棍保持平衡。P项相当于看到木棍倾斜时立即做出的反应幅度；I项记录持续存在的偏差并逐步加大修正力度；D项则预判木棍的倾倒趋势提前施加反作用力。在四轴飞行器上，这套机制通过传感器和电机协同工作：陀螺仪测量当前姿态角，控制器计算电机转速调整量。

但单环PID有个致命弱点。去年我调试一架450轴距的穿越机时发现，单纯控制角度会遇到严重振荡。当设定悬停角度为30度时，飞行器会在25-35度之间剧烈摇摆。这是因为单环系统同时处理了角度误差和角速度变化，就像试图用方向盘同时控制汽车的方向和车速——结果往往是顾此失彼。

2. 单环PID的局限性实战分析

在实验室用空心杯电机搭建的微型四轴上，我记录了一组典型数据。当只使用角度环PID（Kp=3.5, Ki=0.2, Kd=1.8）时，遭遇侧风扰动后的恢复过程长达2.3秒，超调量达到42%。这就像新手司机在冰面打滑时过度修正方向盘，反而导致车辆更剧烈的摆动。

问题核心在于控制环路的响应速度不匹配。角度变化本质上是角速度的积分，二者存在天然的时间滞后。通过示波器捕捉的波形显示：电机转速变化总是滞后于角度误差约80ms，这个延迟主要来自三个环节：

• 传感器采样周期（约10ms）
• PID算法计算时间（约5ms）
• 电机响应延迟（约65ms）

更麻烦的是耦合效应。尝试调整横滚角时，偏航角会不受控地偏移。有次户外测试，飞行器突然像陀螺一样自转起来，最后桨叶都摔断了。后来发现是D项参数过大，放大了陀螺仪的高频噪声。

3. 串级PID的架构与实现细节

串级PID的突破性在于解耦控制。就像专业赛车手会分别控制方向盘和油门，我们把角度控制（外环）和角速度控制（内环）拆分成两个独立且协同的闭环。具体实现时需要注意几个关键点：

外环设计要点：

• 输入：期望角度与实际角度差值
• 输出：目标角速度
• 典型参数范围：Kp=1.0-3.0，Ki=0.01-0.1，Kd=0
• 特别注意：外环D项通常置零，因为角度的微分已由内环处理

内环设计要点：

• 输入：外环输出的目标角速度与陀螺仪实测值差值
• 输出：电机PWM占空比
• 典型参数范围：Kp=0.1-0.5，Ki=0-0.05，Kd=0.5-2.0
• 关键技巧：内环采样频率至少应是外环的5倍

我的工程笔记本里记着一次成功的参数整定过程：先用内环让飞行器角速度响应稳定，测试阶跃响应时调整到上升时间约0.1秒，超调量<10%。然后再调外环，直到角度跟踪的稳态误差<0.5度。最终参数组合为：

外环：Kp=2.1, Ki=0.05, Kd=0 内环：Kp=0.3, Ki=0.02, Kd=1.2

4. 抗干扰优化与参数整定实战

去年参加大学生飞行器竞赛时，我们遇到了强风干扰的难题。常规串级PID在3级风况下就会失控。通过分析发现，问题出在内环的积分项积累。改进方案是增加"抗积分饱和"机制：

// 内环PID代码片段 if(fabs(error) > 15.0f) { // 当误差超过15度/秒时 integral = 0; // 清零积分项 } else { integral += error * dt; integral = constrain(integral, -100.0f, 100.0f); // 限幅 }

另一个实用技巧是动态调整。通过气压计检测高度变化时，自动将垂直方向的PID参数切换为更保守的值。我们开发了一套参数自适应算法：

1. 实时计算姿态角变化率
2. 当变化率超过阈值时，自动减小P项10%
3. 持续2秒无超调则恢复原参数

测试数据显示，改进后的系统在5级风况下仍能保持±1.5度的姿态稳定，比传统方法提升60%的抗扰能力。这些经验后来被用在农业植保机的定点悬停功能上，效果非常显著。

5. 传感器融合带来的性能提升

纯PID控制有个天花板——传感器精度。有次拆解大疆精灵的飞控，发现他们用IMU的原始数据做了深度预处理。经过多次实验，我总结出几个传感器优化的方向：

陀螺仪校准：

• 开机时自动进行零偏校准
• 温度补偿曲线拟合
• 非线性校正（特别是±2000dps量程）

加速度计数据处理：

• 滑动窗口均值滤波（窗口长度5-7）
• 重力向量归一化
• 运动加速度补偿

多传感器融合：

# 简化的互补滤波实现 def sensor_fusion(accel, gyro, dt, alpha=0.98): angle_acc = atan2(accel.y, accel.z) # 加速度计计算的角度 angle_gyro = angle_prev + gyro.x * dt # 陀螺仪积分角度 angle = alpha * angle_gyro + (1-alpha) * angle_acc angle_prev = angle return angle

这套方案将姿态估计误差从±3度降到±0.8度，特别适合低成本飞控。有个有趣的发现：用橡皮减震器隔离飞控与机身振动后，控制性能提升了约30%，这印证了机械设计对控制系统的重大影响。

6. 从理论到实践的调试方法论

经过数十架次飞行测试，我形成了一套可复用的调试流程：

第一阶段：静态测试

1. 用支架固定飞行器
2. 通过遥控器发送阶跃指令
3. 用USB示波器记录响应曲线
4. 先调内环直到阶跃响应临界振荡

第二阶段：悬停测试

1. 在安全网内进行离地测试
2. 观察高度保持能力
3. 微调外环消除稳态误差
4. 测试抗干扰（可用风扇模拟阵风）

第三阶段：动态测试

1. 8字航线飞行
2. 急停测试
3. 高速俯冲拉起
4. 记录最大跟踪误差

有个容易忽视的细节：电池电压会影响电机响应特性。建议在PID前端增加电压补偿系数：

实际PWM = 目标PWM * (标称电压/当前电压)

最近尝试的模型参考自适应控制(MRAC)显示出更好潜力，但PID仍是工程实践中最可靠的方案。特别是在开源飞控领域，超过80%的项目仍在使用各种改进型PID算法。