1. 无人机悬停油门参数估计的核心挑战
让无人机稳稳悬停在空中,听起来简单做起来难。我调试过不下20台不同型号的无人机,发现悬停时最让人头疼的就是油门参数估计不准的问题。想象一下,你的无人机像喝醉酒一样上下飘忽,根本停不住——这往往就是油门映射关系没搞对导致的。
油门与加速度的映射是问题的核心。PX4官方文档里说得挺明白:悬停油门值本质上是让无人机在垂直方向加速度为零的临界点。但实际操作中会遇到三个主要麻烦:
- 传感器噪声让加速度测量值跳来跳去
- 电池电压波动导致同样油门值产生的升力不同
- 机体振动干扰加速度的真实反映
去年给某农业无人机项目调参时,就遇到过悬停高度持续下降的问题。后来发现是没考虑电池放电过程中的电压衰减,导致预设的油门值越来越"没劲"。这让我深刻体会到,好的参数估计算法必须能动态适应这些变化。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 扩展卡尔曼滤波(EKF)方案解析
2.1 PX4的EKF实现细节
打开PX4的_hover_thrust_ekf.cpp源文件,会发现他们把问题建模得相当巧妙。核心思想是把悬停油门当作状态量,通过观测加速度来迭代修正。我简化了一下他们的状态方程:
python复制# 状态预测
current_throttle = last_throttle + process_noise
predicted_accel = (g * cmd_throttle / current_throttle) - g
# 观测更新
kalman_gain = covariance / (covariance + measurement_noise)
current_throttle += kalman_gain * (real_accel - predicted_accel)
这里有个容易踩坑的地方——坐标系转换。PX4内部使用NED坐标系(Z轴向下),而大多数飞手习惯ENU坐标系(Z轴向上)。在fuseAccZ()函数里能看到他们做了这个转换:
cpp复制// 实际代码中的坐标系转换
_hover_thrust_ekf.fuseAccZ(-local_pos.az, -local_pos_sp.thrust[2], status);
我曾在自己的开源项目里漏掉这个负号,结果无
