小型固定翼无人机自主飞行：飞控架构、坐标系与控制闭环

简介：这份PDF是Randal W. Beard与Timothy W. McLain合著的英文教材，面向无人机飞控、导航制导与状态估计方向的高年级本科生、研究生及MAV开发工程师，帮助读者把小型无人机的理论推导与工程实践联系起来。包内仅1个PDF文件，约4.89MB，单本电子书便于检索、打印和离线阅读，已有309人学习。全书从系统架构与设计模型切入，依次讨论坐标系与旋转矩阵、运动学与刚体动力学、重力/气动/推进力与矩、线性设计模型，再延伸到串级闭环自驾仪设计、MAV传感器、状态估计与制导设计模型；各章配有设计项目，便于读者将运动方程、传递函数和控制器设计对应到实际飞控问题，形成从建模、估计到控制的完整知识框架。读者可据此搭建课程复习框架，也可在飞控算法实现时查阅关键公式与设计流程。

1. 小型无人机到底在“自动”什么：从一架会自己拐弯的纸飞机说起

小型无人机理论与实践，最容易让人误会的地方，是把“能飞”当成“会自己飞”。你手里拿遥控器让一架航模转弯，那是人在飞；小型固定翼无人机要沿着一条看不见的线走、在风里保持高度、自己从起点飞到目标点，靠的是一套闭环。它像蒙着眼睛骑自行车：传感器告诉它身体歪了多少，控制器决定往哪边打舵，舵面再改变力和力矩。搞懂这套逻辑，你再看“无人机”三个字，就不会只想到航拍，而会想到一连串坐标、速度和反馈。这份资料真正想讲的，也正是这条从物理到算法的链路。

2. 为什么小型无人机不能靠“手感”飞：系统架构与设计模型的由来

很多人第一次接触小型无人机，以为飞控就是“遥控器加舵机”。可固定翼一旦离地，风在变、速度在变、姿态也在变，人的反应速度根本追不上。你手里那根操纵杆，延迟半秒可能只是“手感迟钝”；到了空中，半秒足够让机翼从平稳巡航变成侧滑掉高。小型无人机要自己飞，就不能只靠飞手盯姿态，而要把“感知—决策—执行”拆成一层层能实时运转的模块。系统架构存在的理由，不是把简单问题复杂化，而是把一个人来不及做的判断，分给传感器、控制器和舵机去各司其职。

2.1 感知、决策、执行：三层架构像骑自行车

小型无人机的系统架构，最朴素的分法就是三块：感知器、控制器、执行器。感知器负责“我现在是什么状态”，比如姿态角、角速度、空速、高度、位置；控制器负责“我接下来该怎么修正”，比如副翼打多少、升降舵抬多少、油门加多少；执行器负责“把命令变成力和力矩”，也就是舵面偏转和电机或发动机推力。这个分法听起来像常识，但它解决了一个很实际的问题：每一层只处理自己擅长的事，层与层之间用明确的信号连接，出了问题才查得下去。

你可以把它想成骑自行车。眼睛和内耳负责感知车身歪没歪，大脑负责决定往哪边转把，手臂负责真的把车把转过去。没有眼睛，大脑不知道歪了；没有手臂，大脑想得再对也没用。小型无人机也一样，传感器有噪声、有延迟，控制器不能假设自己拿到的是“真值”；舵机有响应速度限制，控制器也不能给出它根本执行不了的指令。三层架构的价值，是让每一层都知道自己的边界，而不是把所有问题塞进一个“飞控黑匣子”里。

为什么小型无人机特别需要这种分层？因为它的载荷和算力都有限。小型固定翼的翼展大约在 5 到 10 英尺，载荷常常只有十几到几十磅；更小的微型飞行器翼展不到 5 英尺，载荷可能只有几盎司到几磅。传感器不能想装多少装多少，计算机也不能像地面服务器那样散热。分层之后，姿态控制这种高频任务可以放在靠近硬件的循环里跑，路径规划这种低频任务可以放在外层慢慢算。这样既省算力，也方便把不同模块分开验证。否则，一个模块改两行，整架飞机的行为都跟着变，调试起来就是血泪经验。

2.2 设计模型不是图纸：运动学、动力学与控制模型的分工

“设计模型”这四个字很容易被误解成画外形、选材料、定尺寸。外形当然重要，但在小型无人机的语境里，设计模型更像是一套数学描述：它要回答飞机在给定力和力矩下会怎么动，传感器会读到什么，控制器该根据什么做决定。资料里把设计模型拆成系统架构、运动学、动力学和控制系统几个方面，这个拆法不是学术分类癖，而是因为每一块回答的问题不一样。运动学描述“位置、速度、姿态之间怎么变”，动力学描述“力和力矩怎么造成这种变化”，控制系统则描述“我该怎么下指令，才能让它按我想要的方式变”。

为什么不能只靠一张图纸？因为图纸只能告诉你形状，不能告诉你飞起来稳不稳。两架外形相似的飞机，重心前后差一点，俯仰特性就可能完全不同；舵面面积差一点，滚转响应就可能从干脆变成拖泥带水。设计模型的意义，是让这些“差一点”在计算机里先暴露出来。你可以在模型里改重心、改舵面、改推力，看飞机是发散还是收敛，再决定要不要改结构。它像给飞机做一次不用摔机的试飞，虽然模型不会百分百准，但总比直接上天试错便宜。

模型还分层次。完整描述一架固定翼飞机的六自由度非线性模型很复杂，状态多、耦合强，直接拿它设计控制器并不方便。工程师通常会在配平点附近做线性化，得到传递函数模型或线性状态空间模型，再据此设计自动驾驶仪。这个做法不是偷懒，而是因为控制设计需要看清主要矛盾：短周期模态响应快，长周期模态响应慢，滚转和偏航又互相耦合。把非线性模型直接丢进控制器，像用一把没有刻度的尺子量东西；线性模型至少给了你一把局部有刻度的尺子。当然，线性模型只在配平点附近可信，飞得离配平点太远，它就会翻车。

2.3 为什么小型化会放大难题：载荷、续航与算力

小型无人机不是把大飞机按比例缩小那么简单。大飞机可以带大雷达、大计算机、大油箱，小型无人机不行。小型固定翼通常靠燃油飞行，续航可以到十小时量级，载荷十几到几十磅；微型飞行器靠电池，手抛起飞、腹部着陆，续航从二十来分钟到几个小时，载荷只有几盎司到几磅。载荷一小，传感器套件就得精简；传感器一精简，状态估计就更依赖模型和融合；算力一受限，控制循环就不能写得太重。这些限制会一层层往下传，最后变成飞控设计里的硬约束。

还有一个容易被忽略的点：小飞机对风更敏感。大飞机遇到一阵风，惯性大，姿态变化相对缓慢；小飞机质量小，同样的阵风可能让它明显偏航或掉高。风不是“背景噪声”，它会直接改变空速和地速的关系。固定翼靠空速产生升力，导航又看地速，风一吹，两者就分家了。小型无人机要在这种条件下沿直线飞、绕圆飞，控制器就不能只看位置误差，还要估计风、估计侧偏、估计滚转姿态。载荷小、算力少、风扰动大，这三件事叠在一起，才是小型无人机自主飞行的真正难点。

所以，系统架构和设计模型不是“先搭个架子再说”的前置工作，而是被小型化约束逼出来的选择。感知、决策、执行分层，是为了让有限算力跑得动；运动学、动力学、控制模型分工，是为了让设计者知道每个偏差该去哪里找原因；载荷、续航、算力约束，则决定了哪些方案听起来漂亮但根本装不上。理解这一层，再看后面的坐标系、力和力矩、线性模型，就不会觉得它们是孤立知识点，而会知道它们都在回答同一个问题：一架小飞机，怎么在风里自己稳住。

3. 坐标系与运动学：无人机怎么知道“我在哪、朝哪飞”

小型无人机最容易让人绕晕的地方，是“位置”这个词。任务层说“飞到那个点”，说的是地面上的经纬度；传感器说“加速度沿着机体轴”，说的是飞机自己的前后左右；气动老师说“升力垂直于气流”，又换了一套参考方向。三句话都没错，错的是把它们混在一套坐标里。坐标系不是为了增加难度，而是因为不同问题本来就在不同“尺子”上发生。搞不清尺子，速度、姿态、风的影响就会搅成一锅粥。

3.1 地球坐标系、机体坐标系、气流坐标系：三套尺子

地球坐标系也叫惯性坐标系，通常把地面当作不动，用来描述飞机相对地面的位置、速度和航向。机体坐标系固定在飞机身上，原点在重心，前向、右向、下向各有一根轴，传感器测量和舵面力矩大多在这套坐标里表达。气流坐标系则跟着相对风走，升力和阻力在这套坐标里最自然。三套坐标解决三类问题：任务在惯性系里下，传感器在机体系里读，气动力在气流系里算。你不必每次都从零推导，但必须知道当前这句话是在哪套坐标里说的。

| 坐标系 | 原点与轴 | 常见用途 | 容易搞错的地方 | | 地球/惯性坐标系 | 固定在地面，描述相对地面的位置和航向 | 航点、航线、地速 | 把机体轴当成了地面方向 | | 机体坐标系 | 固定在飞机重心，前向右向下 | 加速度计、陀螺仪、舵面力矩 | 忘了飞机姿态一变，轴也跟着转 | | 气流坐标系 | 跟着相对风方向 | 升力、阻力、空速 | 把空速方向当成了机头方向 |

三套坐标之间靠旋转矩阵转换。旋转矩阵听起来像线性代数作业，其实它就是“把同一根箭头，从一套尺子换到另一套尺子”的记账方式。比如机体前向速度是 10 米每秒，机头偏航 30 度，那这个速度在地面坐标系里的分量就不再是单纯的前向，而是会分到东向和北向。下面这段代码只演示偏航旋转，目的是让你看到“同一个速度，在不同坐标系里分量不同”，不是让你抄去飞真机。

import numpy as np def rot_z(psi): """绕竖轴旋转的旋转矩阵，psi 是偏航角，单位弧度""" c, s = np.cos(psi), np.sin(psi) return np.array([[c, -s, 0], [s, c, 0], [0, 0, 1]]) def body_to_inertial(v_body, psi): """把机体坐标系下的速度向量转换到惯性坐标系""" return rot_z(psi) @ v_body v_body = np.array([10.0, 0.0, 0.0]) # 机体前向速度 10 m/s psi = np.deg2rad(30) # 机头偏航 30 度 print(body_to_inertial(v_body, psi))

这段代码里，v_body是机体坐标系下的速度，单位米每秒；psi是偏航角，单位弧度；rot_z只包含绕竖轴的旋转，完整变换还要叠上滚转和俯仰。输出结果告诉你，机体前向 10 米每秒的速度，在地面坐标系里会分成两个分量。实际飞控里，旋转矩阵还要处理传感器安装偏差、姿态角顺序和单位统一。坐标系变换最怕单位不统一，角度用度、角速度用弧度、速度用节，最后一定会出错。

提示：坐标系变换先统一单位，再谈公式。角度、角速度、速度单位混用，是小型无人机调试里最常见的翻车点之一。

3.2 空速、风速、地速：风三角不是玄学

固定翼靠相对空气运动产生升力，所以它真正关心的是空速，也就是飞机相对空气的速度。导航关心的是地速，也就是飞机相对地面的速度。风则是空气相对地面的速度。三者构成一个三角形：地速等于空速加风速。这个关系听起来简单，但在实际飞行里非常关键。逆风飞，空速够但地速慢，航线进度会拖；顺风飞，地速快但空速可能不够，失速风险反而上升。小型无人机载荷小、速度低，风的影响会被放大，风三角不是玄学，是每天都要面对的现实。

为什么容易混？因为地面站上显示的位置变化，直观上就是地速；而飞控里用来判断升力的，又是空速。你看到飞机“明明在往前飞”，但那可能是风推着它走，机翼并没有获得足够空速。反过来，飞机顶着风原地不动，空速可能已经很高。小型无人机做直线跟踪时，控制器要同时处理“航线偏差”和“空速保持”，不能只盯着一个地速数字。风估计得不准，航线就会像喝醉一样左右摆；空速控制得不好，遇到阵风就可能掉高。

风三角还解释了一个常见困惑：为什么固定翼无人机转弯时不能像多旋翼那样说停就停。固定翼要保持空速才有升力，转弯需要压坡度，升力的水平分量提供向心力，垂直分量减小，所以要么带一点油门，要么接受轻微掉高。多旋翼可以悬停，固定翼不行。把空速、地速、风速分开看，你就能理解固定翼的很多“脾气”：它必须一直往前飞，必须在风里找相对空气的速度，必须用航向和坡度去换航线。它不是不想停，是物理上停不下来。

3.3 运动学与动力学：描述“怎么动”和“为什么动”

运动学研究位置、速度、姿态之间的几何关系，不追问“力从哪里来”。飞机以 10 米每秒向前飞，运动学只关心它一秒后位置怎么变、姿态角怎么转；它不管这 10 米每秒是发动机推出来的，还是从高处滑下来的。动力学则要问力和力矩：重力往下拉，升力往上托，推力往前推，阻力往后拽，舵面偏转产生力矩，力矩改变角速度，角速度再改变姿态。运动学是“怎么动”，动力学是“为什么动”。两者分开讲，不是因为它们无关，而是因为分开之后，每一块都能被单独验证。

这个区分在调试时特别有用。飞机航线跟不准，可能是运动学层面的航向计算错了，也可能是动力学层面的滚转响应太慢。你只改控制参数，不一定能解决问题；你先看姿态跟踪是否正常，再看航向是否收敛，最后看位置误差是否在缩小，才能定位到是哪一层出了偏差。运动学模型通常比较“干净”，因为它是几何关系；动力学模型会脏得多，因为气动力、推力、扰动都带非线性。小型无人机在配平点附近飞时，动力学可以线性化；一旦做大机动，非线性就藏不住了。

从工程角度看，运动学和动力学的关系像导航和驾驶。导航告诉你“应该朝哪走”，驾驶告诉你“车为什么能转过去”。导航算得再准，方向盘响应太慢也白搭；方向盘再灵，导航目标错了也到不了。小型无人机的自动驾驶仪，本质上就是让动力学响应跟得上运动学指令：制导层给出航向、高度、空速目标，控制层把这些目标翻译成舵面和油门，状态估计层再把传感器读数变成可用的姿态和速度。三层咬合，飞机才会沿着一条线稳稳地走。

4. 力、力矩与线性模型：为什么工程师总在“配平点”附近做文章

固定翼飞机能飞，不是因为它“有升力”这么一句口号，而是因为在一组特定速度和姿态下，升力、重力、推力、阻力刚好平衡，力矩也刚好抵消。这个平衡状态叫配平。配平点附近的飞机像站在斜坡上的一颗球，轻微扰动后还能回来；离配平点太远，非线性开始发威，舵面效率、失速特性、耦合响应都变了。工程师总在配平点附近做文章，不是保守，而是因为控制设计需要一个可分析的起点。没有这个起点，线性模型无从谈起，调参也只能靠猜。

4.1 四个力与三个力矩：升力、重力、推力、阻力

小型固定翼受到的力，最核心的是四个：重力向下，升力垂直于相对气流，推力沿发动机或电机方向，阻力与相对运动方向相反。重力大小由质量决定，方向永远向下；升力和阻力随空速、迎角、舵面偏转变化；推力随油门变化。飞机要平飞，升力得托住重力，推力得抵消阻力。飞机要爬升，不是“抬头就行”，而是推力、速度和姿态一起变。抬头太猛，空速掉下来，升力反而可能不够。很多新手以为拉杆就爬升，结果拉到失速，这就是只记住“力”没记住“力矩”的后果。

力矩有三个方向：滚转力矩绕机体纵轴，俯仰力矩绕横轴，偏航力矩绕竖轴。副翼主要产生滚转力矩，升降舵主要产生俯仰力矩，方向舵主要产生偏航力矩。力矩改变角速度，角速度改变姿态，姿态再改变力和速度。小型无人机的舵面小、惯性小，力矩响应快，但也更容易被阵风干扰。控制器要做的，不是“没有力矩”，而是“在需要的时候给出恰当的力矩，并在扰动后把姿态拉回来”。这就是为什么飞控里既有姿态环，又有角速率环：角速率环反应快，姿态环看得远。

大气扰动也要算进力和力矩里。阵风会改变相对气流，等于突然改变迎角和侧滑角；小型无人机质量小，同样的阵风造成的力矩变化更明显。飞控如果只按平静空气调参，遇到风就会频繁修正，航线像锯齿一样。好的设计会把风估计、空速测量和姿态控制放在一起考虑，而不是把风当成“玄学扰动”。风是物理量，只是它不在飞机身上，而在空气里。

4.2 配平与线性化：把非线性曲线掰直

配平就是找一组状态和操纵量，让合力为零、合力矩为零。对固定翼来说，配平条件通常包括：速度稳定、航迹角稳定、姿态角稳定、油门和舵面稳定。找到配平点之后，才能谈“小扰动”。线性化就是在配平点附近，把非线性的力和力矩曲线用一条直线近似。好比你看一条弯曲的山路，远处看是弯的，但截取其中一小段，它几乎就是直的。控制设计需要这条“局部直线”，因为线性工具能告诉你系统稳不稳、响应快不快、余量够不够。

为什么不能在全包线内用一个线性模型？因为飞机在不同速度、不同高度、不同重量下，配平点不一样，气动导数也不一样。低速时舵面效率低，高速时阻力大，大迎角时非线性强。线性模型只在配平点附近可信，飞得离它太远，模型预测就会偏。工程师会做多个配平点，或者用增益调度，让控制器在不同飞行条件下切换参数。小型无人机如果任务简单，可能只在巡航点附近设计；如果要做大机动或宽速度范围，就得多花功夫。

线性模型还有降阶的说法。完整六自由度模型状态多，但有些模态响应很慢，有些模态响应很快，控制设计时可以抓住主要模态。短周期模态主要影响俯仰快速响应，长周期模态影响速度和高度缓慢变化，滚转和偏航模态又各自有特点。把模型降阶，不是忽略物理，而是把注意力放在对任务影响最大的部分。就像你调自行车刹车，不会同时研究每一个螺丝的振动，而是先看刹车线和刹车皮。小型无人机控制也一样，先抓住姿态和航向，再处理更细的耦合。

4.3 自动驾驶仪的分层闭环：从姿态到航向

自动驾驶仪不是一个大控制器，而是一串嵌套的闭环。最内层通常是角速率环，读陀螺仪，快速抑制扰动；外面是姿态环，读姿态估计，控制滚转和俯仰；再外面是航向、高度、空速环，把任务目标翻译成姿态目标；最外层是制导和路径跟踪，决定飞机该沿着哪条直线或圆弧飞。层与层之间要有带宽分离：内环快，外环慢，否则两个环会互相打架。小型无人机算力有限，分层还能让高频任务跑在短周期里，低频任务跑在长周期里。

下面这段伪代码只表达 PID 的基本结构，不是完整飞控。setpoint是目标值，measured是测量值，dt是控制周期；输出是舵量或力矩指令。实际使用还要限幅、抗积分饱和、处理微分噪声，并且每个环的参数要分开调。小型无人机上，积分项饱和是很常见的坑：飞机长时间顶风飞行，积分越积越大，一旦风变小，飞机就会猛回头。抗积分饱和不是可选项，是必选项。

class PID: def __init__(self, kp, ki, kd, dt): self.kp, self.ki, self.kd = kp, ki, kd self.dt = dt self.integral = 0.0 self.prev_error = 0.0 def update(self, setpoint, measured): error = setpoint - measured self.integral += error * self.dt derivative = (error - self.prev_error) / self.dt self.prev_error = error return self.kp * error + self.ki * self.integral + self.kd * derivative

这段代码里，kp决定响应快慢，ki消除稳态误差，kd抑制超调；dt越小，控制越频繁，但对传感器噪声也越敏感。小型无人机上，角速率环的dt通常比航向环小得多，因为角速率变化快，航向变化慢。调参时先内后外，先让角速率环不振荡，再让姿态环跟得上，最后才调航向和高度。顺序反了，外环会把内环的振荡当成真实误差，越调越乱。这就是为什么自动驾驶仪要分层，而不是一个大 PID 包打天下。

5. 常见误区与易混概念：无人机不是“会飞的相机”

小型无人机这个词被用得太宽，导致很多概念混在一起。有人把航模叫无人机，有人把多旋翼的悬停当成固定翼也能做的事，有人把传感器读数直接当成姿态真值。概念一混，讨论就会变成鸡同鸭讲：一个人说“无人机要规划路径”，另一个人说“我推油门就飞了”。下面几条是初学者最容易踩坑的区分，每一条都按“易混点—为什么混—怎么区分”说清楚。搞清这些边界，再看资料里的系统架构、坐标系、动力学和状态估计，就不会觉得它们是互不相干的章节。

5.1 无人机 ≠ 航模：自动控制与遥控的分界

易混点是：两者都能飞，外形也像，为什么一个叫航模，一个叫无人机？容易混，是因为很多小型无人机平台确实由航模改装而来，机翼、机身、舵机看起来差不多。但分界不在外形，而在“谁在做闭环”。航模由飞手目视或第一视角遥控，飞手负责判断姿态、修正偏差；无人机则有飞控，传感器读姿态，控制器算舵量，制导层跟踪航线。飞手可以完全不碰操纵杆，飞机仍然能沿着航点飞。这个“自动”不是噱头，它意味着系统要自己处理传感器噪声、风扰动、舵面饱和和状态估计误差。

怎么区分？看三个东西：有没有状态估计，有没有闭环控制，有没有任务层制导。只有遥控接收机和舵机，没有姿态估计，那是航模；有陀螺仪增稳，但航向和高度仍靠人，那算增稳航模；能自己保持姿态、跟踪航线、处理返航，才更接近自主无人机。小型无人机理论与实践里讲的“自动”，不是让飞机自己决定一切，而是让底层闭环把人的操作负担接过去。人负责任务，飞机负责稳定和轨迹。这个边界不清，就会把“能飞”误当成“能自主飞”。

5.2 运动学 ≠ 动力学：一个管“怎么动”，一个管“为什么动”

易混点是：两个词都出现在“飞行动力学”这样的说法里，听起来像同一件事。容易混，是因为实际飞行中位置、速度、姿态和力同时变化，你很难把几何关系和力的关系切开。但运动学只描述几何：位置怎么随速度变，姿态怎么随角速度变；它不解释力从哪里来。动力学才解释力和力矩怎么造成加速度和角加速度。一个只告诉你“飞机一秒后到哪里”，另一个告诉你“飞机为什么能到那里”。两者分开，是为了让控制设计有层次：先看轨迹是否合理，再看姿态是否跟得上，最后看力和力矩是否够用。

怎么区分？问一句“这句话里有没有力和力矩”。说“飞机以 10 米每秒向前飞，5 秒后到达航点”，这是运动学；说“飞机要压 20 度坡度，升力的水平分量提供向心力”，这是动力学。调试时也一样：航线偏差大，先看制导和运动学；姿态跟不上，再看动力学和控制器。把运动学问题当动力学问题调，容易越调越复杂；把动力学问题当运动学问题改，航点换得再勤也没用。

5.3 坐标系 ≠ 地图坐标：机体轴和经纬度不是一回事

易混点是：两者都叫“坐标”，屏幕上又都能显示位置。容易混，是因为地面站把经纬度画在地图上，看起来就像飞机在“坐标”里飞。但地图坐标是位置的一种表达，坐标系是描述方向和分量的数学框架。机体坐标系固定在飞机身上，飞机一转，轴也跟着转；地球坐标系固定在地面，用来描述航线；气流坐标系跟着相对风，用来算升力阻力。说“飞机在机体坐标系里的位置”其实很别扭，因为机体坐标系原点就在飞机重心上；更常见的说法是“速度在机体坐标系里的分量”。

怎么区分？看这句话在描述“位置”还是“方向分量”。经纬度、航点、地图上的点，是位置表达；前向速度、右向速度、下向速度，是机体坐标系里的分量；空速方向、迎角、侧滑角，是气流坐标系里的量。坐标变换不是把经纬度换成另一个经纬度，而是把同一根矢量从一套轴换到另一套轴。小型无人机上，传感器装在机体上，任务在惯性系里下，气动力在气流系里算，所以变换必须频繁做。单位、角度顺序、安装偏差，任何一个错了，后面全错。

5.4 路径规划 ≠ 轨迹跟踪：想走哪条路和走得稳不稳

易混点是：两个词都跟“航线”有关，软件里又常常挨着放。容易混，是因为用户看到的是“飞机沿着一条线飞”，很难分清这条线是规划出来的，还是控制出来的。路径规划负责“该走哪条路”：从起点到目标点，绕开障碍，生成航点或曲线；轨迹跟踪负责“怎么贴着这条路走”：制导律给出航向或侧偏指令，控制律让飞机实际响应。规划错了，飞机可能绕远路；跟踪错了，飞机可能在这条路上左右摆。两者都会让航线看起来不对，但原因完全不同。

怎么区分？看输出。路径规划的输出是几何路径，比如一串航点、直线段、圆弧段、转弯半径；轨迹跟踪的输出是姿态、航向、高度、空速指令。路径规划关心可飞性，比如固定翼不能原地掉头，转弯半径不能太小；轨迹跟踪关心稳定性，比如风来了怎么修正、侧偏怎么收敛。小型无人机做长距离巡检时，先规划一条省电的路线，再让制导层一段一段跟；如果跟踪层不行，规划再漂亮也飞得歪歪扭扭。反过来，规划层给了一个不可飞的急转弯，跟踪层再努力也会超调。

5.5 状态估计 ≠ 传感器读数：黑匣子里的融合

易混点是：传感器明明有数据，为什么还要“估计”？容易混，是因为加速度计、陀螺仪、气压计、数字罗盘、卫星定位接收机都能直接输出数字，看起来已经是状态了。但传感器有噪声、有漂移、有延迟，还有安装误差。陀螺仪测角速度，积分得到角度会漂；加速度计测比力，振动一大就噪声满天；气压计测高度，受天气和气流影响；卫星定位接收机测位置，更新频率又不一定够。状态估计要做的是把这些不完美的读数，结合飞机动力学模型，融合成更可信的姿态、速度、位置和风估计。

怎么区分？看输出是不是“直接测量”。陀螺仪输出角速度，这是测量；姿态角是估计，因为它是积分和融合出来的。卫星定位输出位置，这是测量；地速和航向可能是融合结果。状态估计不是“多加一层软件”，而是把传感器的短板补上。小型无人机载荷有限，传感器便宜，噪声和漂移更明显，状态估计的重要性反而更高。卡尔曼滤波这类方法之所以常见，是因为它能在模型预测和传感器测量之间做加权：模型可信时多信模型，测量可信时多信测量。调不好，姿态就会抖；调得太保守，响应又会慢。状态估计是飞控里的黑匣子，外面只看到姿态角，里面其实一直在做权衡。

6. 什么时候该用这套理论，什么时候别硬套：一个巡检场景的边界判断

这套理论最适合的场景，是小型固定翼在开阔空域做长距离、相对平稳的飞行任务。比如农田巡检、河道巡查、大面积测绘、灾后快速评估，飞机需要沿直线或圆弧稳定飞行，需要估计风、保持空速、跟踪航线，还需要在起降段处理姿态和高度。这些任务里，配平、线性化、状态估计、制导和路径跟踪都不是纸面概念，而是每天都会用到的工具。小型固定翼的续航和巡航效率比多旋翼高，载荷虽然有限，但装一套轻量传感器做巡检足够。此时把系统架构分层、把坐标系统一、把控制环调稳，收益很直接。

反过来，有些场景硬套这套理论就会别扭。室内狭窄空间、需要长时间悬停、近距离定点拍摄、复杂障碍物之间穿行，这些任务更适合多旋翼或微型平台。固定翼不能悬停，转弯需要半径，低速时舵面效率下降，风一大就更难稳定。你拿固定翼的配平模型去设计室内悬停控制器，不是理论错了，而是对象选错了。还有一种情况是任务非常短、预算非常低、操作者就在视距内手动飞，这时上全套状态估计和路径规划，成本可能比收益高。理论是工具，不是信仰。

| 场景 | 更适合的构型 | 理由 | 这套理论的使用程度 | | 大面积农田巡检 | 小型固定翼 | 巡航效率高、覆盖广 | 高：配平、状态估计、路径跟踪都用得上 | | 室内狭窄空间 | 多旋翼或微型平台 | 可悬停、低速灵活 | 低：固定翼模型不适用 | | 长距离河道巡查 | 小型固定翼 | 续航长、航线稳定 | 高：风估计和直线跟踪是关键 | | 近距离定点拍摄 | 多旋翼 | 悬停稳定、操作直接 | 低：重点在云台和低速控制 |

判断边界时，我习惯先问三个问题：任务是长航时巡航还是近距离悬停？空域是开阔还是狭窄？团队有没有能力做状态估计和闭环调试？如果三个答案都指向固定翼巡航，那这份资料里的系统架构、坐标框架、运动学动力学、线性模型、自动驾驶、状态估计、制导与路径规划，能串成一条完整的链路，适合放在手边当参照。如果答案指向悬停或室内，硬搬固定翼那套配平和小扰动线性化，只会增加不必要的复杂度。从那以后我每次拿到一个无人机项目，都先问这三个问题，再决定要不要把整套方法搬上去。希望帮到你。

本文还有配套的精品资源，点击获取