企业官网建设流程全解析

这门叫 Aerial Robotics 的公开课，我拖了大半年才真正开始跟。第1和第2周的内容我连续过了两遍，第一遍以为看懂了，第二遍动手做课后题才发现漏掉大量符号细节。这篇学习记录不打算复述课件，而是把课后的推导、做题时卡住的地方，以及最后在仿真里踩的坑一起整理出来。如果你正在跟这门课，或者想真正理解四旋翼为什么能稳定悬停，这篇文章应该能帮你少花几个晚上。

先说明一个现实：空中机器人看起来是硬件领域，但前两周几乎全是数学——刚体运动学、旋转矩阵、牛顿-欧拉方程、级联控制结构。内容密度比一般课程大不少，后面所有章节都在默认你已经掌握这些基础。所以这两周不是“先修课”，而是真正的地基。把这里吃透，后面不管是轨迹规划还是状态估计，都会顺很多。

1. 前两周究竟在讲什么：一张我复盘出来的知识地图

1.1 这门课跟你想象的“无人机课”不一样

大多数爱好者第一次接触四旋翼，可能从玩具或者开源自驾仪开始。你调一调 PID，飞控自己就把飞机稳住了。但课程第1周把这些“黑箱”全部打开：四旋翼是一个六自由度、四个输入的欠驱动系统。位置和姿态强耦合，推力始终沿着机体坐标系的z轴，你没法直接推着飞机往水平方向走，只能先倾斜机身，让推力产生水平分量，然后位置才跟着动。

这个认知差异很重要。很多人玩无人机时总觉得“控制就是调PID”，但为什么偏偏要用这种级联结构、为什么内环频率要比外环高那么多，这些问题的答案都在前两周的动力学模型里。课程第1周从刚体运动学切入，引入位置、速度、姿态、角速度这些状态量；第2周则进入动力学和最基本的控制器设计。看似进度不快，但每一步都在为后面的内容铺路。

1.2 两周内容的四层结构

我复盘之后，把前两周的内容归纳成四层：

这四层里，运动学和动力学是纯理论，控制结构需要动手做题才能体会，状态估计部分目前只是铺垫，后面章节才会展开。学完前两周以后，我的感觉是：课程团队非常清楚知识之间的依赖关系，每个公式都不是为了炫技，而是后面某个控制器或者估计器里的必需品。

2. 四旋翼动力学模型：为什么状态里不能省掉旋转矩阵

2.1 六个自由度、四个输入，意味着什么

四旋翼的四个电机只能产生沿机体z轴的推力和三个方向的机体力矩。平动方向有三条轴，但直接可控的只有机体z轴这条推力线，所以水平方向的控制全部要靠机身倾斜来实现。第2周课程常讲的一个结论是：位置控制环的输出不能直接是“水平推力”，而是期望姿态角；真正的水平加速度要等姿态内环转到对应角度之后才产生。

这对控制系统设计有非常直接的推论：内环姿态响应必须明显快于外环位置响应。如果姿态内环带宽不够，飞机还没转到期望角度，外环的位置误差已经累积到很大，整个闭环就会振荡发散。前两周的课不会直接给你一套完整的调参表格，但理解了“内环快、外环慢”这个基本逻辑，后面看飞控代码时就能对号入座。

2.2 牛顿-欧拉方程每一项的物理含义

我采用世界系z轴向上的约定，重力方向沿 (-e_3)。状态包括位置 (p)、速度 (v)、姿态矩阵 (R)、机体角速度 (\omega)。动力学方程可以写成：

[ m\dot v = -mg e_3 + T R e_3 ]

[ I\dot\omega = -\omega \times I\omega + M ]

第一行是平动方程。重力只出现在世界系里，方向固定不变；推力大小是 (T)，但它永远沿着机体z轴，所以要靠旋转矩阵 (R) 变换到世界坐标系再参与计算。第二行是转动方程，所有项都在机体系里表达，转动惯量 (I) 是一个常矩阵，这样比在世界系里处理方便得多。

很多人一开始会漏掉转动方程里的 (-\omega \times I\omega) 这一项。它是陀螺力矩，来自高速旋转的转子与机体转动的耦合。悬停时没多大影响，可一旦做大角速度机动，这一项会成为主要角色，漏掉它仿真结果会越来越离谱。所以每次写完运动方程，我都习惯先把这一项的物理含义写清楚，再继续下一步。

2.3 电机转速如何变成总推力和三个力矩

每个电机的转速 (\omega_i) 不是直接作为输入，而是通过二次关系产生推力和反扭矩：

[ f_i = k_F \omega_i^2 ]

[ m_i = k_M \omega_i^2 ]

总推力 (T) 是四个电机的推力之和。滚转力矩来自左右两侧电机的推力差，俯仰力矩来自前后两侧电机的推力差，偏航力矩来自对角电机反扭矩之差。把期望的总推力与三个力矩打包成一个向量，再乘以一个 (4 \times 4) 的分配矩阵，就能解出四个电机需要的转速平方。这个矩阵在课程里叫控制分配矩阵，实际上就是一条从“控制量”到“执行机构”的通道。

我在实际做习题时发现，理解分配矩阵最好的方法，是把四个电机按“十字型”或者“X型”摆开，然后逐个看每个电机推力变化对六个自由度里哪些量有贡献。刚学的同学可以先做到“会查矩阵”，后面仿真里要自己实现一遍，才能真正记住结构。

3. 姿态表示里最容易被忽略的三个细节

3.1 欧拉角、旋转矩阵、角速度不是同一件事的三种写法

很多初学者觉得欧拉角足够直观，姿态就用 ((\phi,\theta,\psi)) 三个角表示不就行了吗。直到某次我试着自己写仿真，当俯仰角接近90度时，姿态更新突然出现跳变，我才真正体会到欧拉角的问题：它本身不是一个全局无奇点的几何对象，旋转的组合也不直观，而且在特定角度会发生万向锁。旋转矩阵虽然要存9个数字，但组合、求逆、与角速度的关系都非常干净。

课程坚持用旋转矩阵作为姿态状态，而不是直接拿欧拉角当状态量，这个选择是经过工程权衡的。我的理解是：旋转矩阵的可微性、全局性以及和刚体角速度之间的线性关系，让它特别适合做数值积分和误差定义。若你要在状态估计器里定义“姿态误差”，用旋转矩阵或四元数定义误差也比欧拉角稳定得多。

3.2 一个必须亲手验算的结论：欧拉角速率不等于刚体角速度

这是第1周最容易踩的坑。欧拉角速率 ((\dot\phi, \dot\theta, \dot\psi)) 是三个“欧拉轴”上的角速度分量，而不是刚体角速度 (\omega) 的分量。只有在小角度近似下，(\omega \approx (\dot\phi, \dot\theta, \dot\psi)) 才近似成立。任意姿态下，两者之间隔着一个转换矩阵 (W(\eta))。

对于ZYX顺序、内旋旋转的常见约定，机体坐标系下的角速度可以写成：

[ \omega = \begin{bmatrix} 1 & 0 & -\sin\theta\ 0 & \cos\phi & \sin\phi\cos\theta\ 0 & -\sin\phi & \cos\phi\cos\theta \end{bmatrix} \begin{bmatrix} \dot\phi\ \dot\theta\ \dot\psi \end{bmatrix} ]

我建议你自己推导一遍，核心思路是：每一步欧拉角速率都绕“当前时刻的对应轴”转动，所以要把后发生的旋转逐级变换到机体坐标。具体写出来就是：

[ \omega = \dot\phi, e_1 + \dot\theta, R_x(\phi), e_2 + \dot\psi, R_x(\phi) R_y(\theta), e_3 ]

整理之后正好得到上面那个矩阵。验证方法也很简单：取小角度，矩阵近似变成单位阵，结果和直觉一致；再拿任意角速度数值算一遍，对比 (\dot R R^T) 的反对称部分，就能确认符号方向。

3.3 为什么课程里坚持用旋转矩阵而不是欧拉角做状态量

除了万向锁问题，旋转矩阵还带来两个工程层面的好处。第一，它可以直接参与力和力矩方向的计算，比如推力方向 (R e_3)，不需要先转换成角度再算三角函数。第二，它支持更统一的误差定义，后续做轨迹跟踪时，姿态误差可以用 (R_\text{des}^T R) 之类的矩阵形式写，几何意义清楚，推导也方便。

真实飞控固件里为了减小计算量，通常会用四元数代替完整旋转矩阵。但四元数本身也有“双重覆盖”的符号问题，很多滤波器更新时要额外处理。课程先用旋转矩阵建立完整几何观，再让学习者后续自然过渡到四元数，是比较稳妥的教学路径。对我来说，先搞懂旋转矩阵再看四元数，基本上就不觉得四元数是玄学了。

4. 课后习题完整解答：四道题展示从“会算”到“会设计”

4.1 悬停推力分配：一道看似简单但实际常被忽略的题

题目：一架四旋翼质量是 0.8 kg，悬停时总推力需要多大？假设理想对称，每个电机要输出多少推力？若单电机推力系数 (k_F = 2 \times 10^{-8}\ \mathrm{N/rpm^2})，电机转速大约是多少？

解答：悬停时总推力与重力平衡：

[ T = mg = 0.8 \times 9.81 = 7.848\ \mathrm{N} ]

四个转子理想均分，每个电机承担：

[ F_i = \frac{T}{4} \approx 1.962\ \mathrm{N} ]

再把推力公式变形求转速：

[ F_i = k_F \omega_i^2 ]

[ \omega_i = \sqrt{\frac{1.962}{2\times 10^{-8}}} \approx 9905\ \mathrm{rpm} ]

这个转速数量级和常见小型四旋翼的悬停油门比较接近。实际中肯定会有偏差：重心不在几何中心、电调输出非线性、桨叶效率随转速变化、地面效应等等，都会让真实悬停油门偏离理论值。这也是为什么飞控里要有积分项，靠积分去吃掉这些固定偏差。

4.2 旋转矩阵的显式表达式：写对乘法顺序是关键

题目：按ZYX顺序、内在旋转的约定，给定欧拉角 (\phi=30^\circ, \theta=20^\circ, \psi=10^\circ)，写出把机体向量变换到世界系的旋转矩阵 (R)。

先说约定。这里采用：

[ R = R_z(\psi) R_y(\theta) R_x(\phi) ]

注意矩阵乘法不可交换，顺序写反结果完全不同。代入数值并保留三位小数，得到：

[ R \approx \begin{bmatrix} 0.925 & 0.018 & 0.378\ 0.163 & 0.883 & -0.441\ -0.342 & 0.470 & 0.814 \end{bmatrix} ]

这个矩阵有三列，分别是机体x、y、z轴在世界系里的方向。因此第三列 ([0.378, -0.441, 0.814]^T) 其实就表示推力方向在当前姿态下指向哪里。画图你会发现，这个小角度下推力确实大致朝上，但已经有明显的前倾和侧倾分量，这正是机体产生水平加速度的来源。

检验方法：三列单位正交，行列式接近1。做题时如果结果不满足这些性质，多半是乘法顺序或者符号写错了。

4.3 欧拉角速率到角速度的转换矩阵推导

题目：证明或推导ZYX顺序下，从欧拉角速率到机体角速度的转换关系。

解答思路：按每一级旋转“贡献一个角速度分量”来叠加。第一层是绕世界/机体初始x轴的 (\dot\phi)，在机体系里就是 (e_1)；第二层是绕当前y轴的 (\dot\theta)，需要先经过 (R_x(\phi)) 变换到当前机体系；第三层是绕当前z轴的 (\dot\psi)，需要先经过 (R_x(\phi) R_y(\theta)) 变换。写成：

[ \omega = \dot\phi, e_1 + \dot\theta, R_x(\phi), e_2 + \dot\psi, R_x(\phi) R_y(\theta), e_3 ]

逐个计算得到矩阵的三列：

[ W(\eta) = \begin{bmatrix} 1 & 0 & -\sin\theta\ 0 & \cos\phi & \sin\phi\cos\theta\ 0 & -\sin\phi & \cos\phi\cos\theta \end{bmatrix} ]

讨论一个关键现象：当 (\theta = 90^\circ) 时，(\cos\theta = 0)，矩阵会变成不可逆状态，角速度信息无法唯一还原成欧拉角速率。这就是万向锁的数学本质。真实飞行器虽然很少把俯仰角拉到90度，但做特技飞行或者高速机动时，欧拉角表示就会在数值计算里制造麻烦。

小角度特例验证：当 (\phi,\theta,\psi) 都接近0时，矩阵近似是单位阵，(\omega \approx (\dot\phi, \dot\theta, \dot\psi))。这解释了为什么很多简化模型敢直接拿欧拉角速度当角速度用，但也划清了它的适用范围。

4.4 设计姿态PD控制器：从仿真参数聊到饱和限制

题目：设计一个姿态PD控制器，使四旋翼能稳定悬停，并讨论执行机构饱和的影响。

前两周课程里控制器的核心结构是级联控制。位置外环给出期望加速度，进而转成期望姿态和总推力；姿态内环负责把当前姿态拉到期望姿态。姿态内环可以设计成：

[ \tau = k_p \eta_e - k_d \omega ]

其中 (\eta_e) 是欧拉角误差，(\omega) 是机体角速度。角速度项是阻尼，没有它系统会持续振荡。如果把每个轴近似成二阶系统，闭环特征方程大约是：

[ s^2 + k_d s + k_p = 0 ]

于是自然频率 (\omega_n = \sqrt{k_p})，阻尼比 (\zeta = \dfrac{k_d}{2\sqrt{k_p}})。想设计一个带宽约10 rad/s、阻尼比0.9的内环，可以先取 (k_p \approx 100)，再取 (k_d \approx 18)。这组参数是很好的初始值，但不能直接照搬，因为真实系统的转动惯量、延迟和电机响应都会改变有效带宽。

执行机构饱和是另一个关键问题。电机有最大转速，转速平方不能为负，推力不能反向。控制器输出一旦超过限幅，闭环增益下降，积分项还可能继续累积误差，造成“越调越振”。第2周的习题往往会提醒你先在仿真里设置转速上下限，观察控制器输出被限幅后系统还能不能稳住。

我自己的经验是：姿态内环直接限幅力矩、限制期望角加速度，比事后加积分限幅更干净。处理饱和没有万能的银弹，但至少要把“控制器输出”和“执行机构真正输出”两个量分开记录，你才能判断发散是参数问题还是饱和引发的。

5. 把方程变成飞行：两周后我搭的最小仿真实验

5.1 一个最小可跑的悬停仿真需要哪些模块

前两周习题做完后，我按课程公式写了一个精简的Python悬停仿真。整体模块分成六块：状态初始化、位置外环、期望姿态解算、姿态内环、控制分配、状态更新。结构大致如下：

dt = 0.005 for step in range(int(10 / dt)): # 1. 外环位置控制：期望加速度 a_des = kp_pos * (p_des - p) + kd_pos * (v_des - v) # 2. 根据期望加速度计算总推力和期望推力方向 T_des = m * norm(a_des + g * e3) r3_des = (a_des + g * e3) / norm(a_des + g * e3) # 3. 内环姿态控制：期望力矩 e_att = compute_attitude_error(R_des, R) tau = -kp_att * e_att - kd_att * omega # 4. 控制分配：T_des 和 tau 映射到四个电机 rpm2 = mix_matrix @ np.array([T_des, tau[0], tau[1], tau[2]]) np.clip(rpm2, 0, rpm_max**2, out=rpm2) # 5. 力与力矩合成，再用 RK4 更新状态 forces = k_F * rpm2 T_actual = forces.sum() # 按电机几何位置计算滚转、俯仰、偏航力矩 ...

第一次跑通悬停仿真时，我看着位置误差慢慢收敛，终于把前面课程里所有抽象公式串了起来。从“能算题”到“能飞起来”，中间差的不是一个公式，而是对整个信息流的理解：期望位置变成期望加速度，再变成期望姿态，姿态控制器输出力矩，力矩经过分配矩阵变成电机转速，最后才回到刚体动力学更新状态。

5.2 参数整定中三个让我浪费一晚上的坑

第一个坑：位置外环和姿态内环的带宽没有拉开。一开始我照抄一组参数，外环和内环都很慢，于是飞机在仿真里来回飘，怎么调都稳不住。后来把内环带宽提到外环的5倍左右，才看到希望。级联控制的基本要求就是内环要足够快，否则外环控制量变化时内环跟不上，耦合误差会叠加。

第二个坑：转动方程里漏掉了陀螺力矩项。悬停小角度机动时几乎没影响，但一旦我手动给飞机一个大的初始角速度，仿真状态直接发散。排查半天发现 (-\omega \times I\omega) 没写进状态更新。补上之后，大角速度工况才算正常。

第三个坑：单位混用。推力系数如果用 (\mathrm{N/(rad/s)^2}) 和 (\mathrm{N/rpm^2}) 是完全不同的数值，差别大约是 ((60/2\pi)^2) 倍，换算错了悬停转速会差几十倍。做题时还不觉得，写仿真时所有单位都混在一个脚本里，数字一跑偏就特别难找。建议一开始就统一用国际单位，所有角速度都用 rad/s，不要临时来回换算。

5.3 给正在学这门课的人几条实用建议

第一，作业里凡是要写旋转矩阵的地方，务必自己从 (\dot R R^T) 或者“逐级旋转叠加”推一遍，不要背矩阵。背下来的矩阵可能在作业里能得分，但到了后面课程，符号约定一变就会彻底找不到北。第二，仿真一定要先做悬停，先验证最基础的重力补偿和控制结构，再做轨迹跟踪。悬停都不稳，加轨迹只会更难排查问题。第三，遇到数值发散，不要上来就改参数。先检查符号约定，是不是世界系坐标轴方向和重力方向搞反了；再检查单位，最后才轮到PID参数。这个排查顺序能帮你省掉大量时间。

这几条建议，基本是我花了不少晚上换来的教训。如果你能把前两周的习题独立做完，而且仿真里那个小四旋翼能稳稳待在空中，那你已经完全具备继续往后学的底子了。接下来无论是轨迹生成、状态估计，还是更高级的几何控制，你都不会觉得公式是飘在空中的——因为它们都从这一套动力学模型长出来。