四旋翼PID控制论文复现：从Simulink建模到串级调参全流程

去年我替一位做毕设的学弟把关论文复现工作，他卡在“把一篇期刊论文里的四旋翼PID控制器搬进Simulink”这件事上整整一周。模型搭出来了，仿真一跑就飞走，PID参数照着论文抄也没用，最后查出来是欧拉角旋转顺序和论文里默认的不一致。这篇文章我就把完整的复现路径重新梳理一遍：从选论文、抄方程、搭Simulink模型，到串级PID结构、参数整定和结果比对，每一步都讲清楚“为什么要这样做”。它在做的事，就是把一篇四旋翼PID控制论文从纸面变成可运行的仿真系统。

适合读这篇的人有三类：正在做四旋翼相关课题的研究生、准备无人机方向毕设的本科生、以及那些拿到论文但苦于“模型搭不出来、曲线对不上”的工程师。整篇内容不挑平台，Simulink也好，其他仿真工具也好，核心思路完全可以平移。

1. 复现前的三个认知：选论文、选模型、选工具

1.1 什么样的论文适合用Simulink做PID复现

不是所有论文都值得花时间复现。我见过不少人拿到一篇优化算法改进类的论文就开始搭模型，搭到一半才发现——论文根本就没给动力学方程，控制器参数也是个黑盒。这种论文只能“参考思路”，谈不上“复现”。

适合用Simulink做PID复现的论文，至少得满足三个条件：

第三，论文里有可对比的响应曲线。阶跃响应、轨迹跟踪曲线、扰动响应曲线都行，最好是给了一组明确的仿真工况，比如“給0.5 m/s的阶跃速度指令”或者“施加0.1 N·m的常值力矩扰动”。没有这些，你复现完也不知道自己到底成了没有。

技术类论文的条件其实不难记忆：方程完整、参数表齐全、有响应曲线。三条都满足，就可以动手；缺一条，复现难度会成倍增加。

1.2 拿到论文后的第一件事，不是写代码，而是抄方程

很多人上来就打开Simulink拖模块，这是最大的误区。Simulink模型是“方程的可视化”，方程没吃透，模型必定出问题。我的习惯是准备一张表格，把论文里的关键信息全部摘出来：

表格填完，你会发现自己对论文的理解已经上了一个台阶。这个步骤花不了半天，但能省下后面一周的调试时间。

1.3 为什么选Simulink做这件事

在Simulink里复现四旋翼PID控制，有几个实打实的优势。

第一，可视化程度高。控制器结构、反馈路径、饱和模块、混控矩阵，全部以模块图的形式呈现。写论文汇报时，把模型截图一贴，审稿人不用看代码就能理解你的控制结构。

第二，调试手段丰富。Scope波形实时查看，PID参数开个旋钮模块就能在线调整，不需要改代码重新跑。这对调参阶段极其友好。

第三，和实物的衔接性好。控制器调好后，可以用自动代码生成工具把控制逻辑导出成C代码，直接烧进飞控。很多做实物项目的人选择Simulink，就是看中这个“仿真和实物共用一套模型”的链路。

但它也有短板。Simulink的模块封装层级一多，信号追踪就变得头疼，如果直接把动力学方程用几百个Gain、Product模块堆出来，出了问题很难定位。我的实践结论是用MATLAB Function模块把动力学方程集中封装，控制器部分才用细颗粒度的PID模块搭建。这样既能发挥Simulink的控制器可视化优势，又避开了“纯模块搭建”的调试噩梦。

2. 从动力学方程到Simulink模块：搭建六自由度仿真模型

2.1 坐标系与欧拉角约定，先统一再动手

四旋翼建模的第一步，是确定坐标系约定。这个步骤极其枯燥，但几乎决定后续所有正负号是否正确。

大多数四旋翼控制论文采用NED惯性坐标系加前右上机体坐标系，姿态用欧拉角描述。欧拉角的旋转顺序，论文里经常不写清楚，但仿真结果对顺序很敏感。我的经验是：如果论文没有特别注明，优先采用ZYX顺序，也就是先偏航、再俯仰、最后横滚。这个顺序也是飞行器领域最常用的约定。

从机体坐标系到惯性坐标系的旋转矩阵，在ZYX约定下写出来是：

R_bi = [cosθcosψ, sinφsinθcosψ-cosφsinψ, cosφsinθcosψ+sinφsinψ; cosθsinψ, sinφsinθsinψ+cosφcosψ, cosφsinθsinψ-sinφcosψ; -sinθ, sinφcosθ, cosφcosθ]

这个矩阵在Simulink里通常是藏在MATLAB Function内部而不是用模块搭，因为公式太长，用模块搭容易写错下标。

还有一个容易被忽略的点：状态量的积分参考系。位置方程在惯性系积分，速度方程在机体系积分，姿态欧拉角由角速度通过坐标转换矩阵积分而来。这三类状态量在不同坐标系下，彼此之间的耦合关系不一样，接线之前脑子里先过一遍，哪里用坐标系转换，哪里直接用加减法，别搞混了。

2.2 六自由度动力学方程的组装方式

拿到论文的动力学方程之后，我的标准做法是：先把方程整理成状态空间形式，也就是把所有状态量的导数写成状态量加控制输入的函数，然后再翻译成MATLAB Function。

四旋翼的刚体动力学通常拆成两部分：

平动方程（在机体坐标系表达）：

dot(u) = (F_thrust_x / m) - g * sinθ + r*v - w*q dot(v) = (F_thrust_y / m) + g * sinφ*cosθ + w*u - r*u?

这里我不再逐项展开，因为不同论文符号定义差异很大，直接套方程容易出错。核心思路是：来自论文的方程，符号完全照抄，只做单位统一。别自作聪明“优化”人家的方程，那是后面的事。

转动方程（绕质心转动）：

J_x * dot(p) = (J_y - J_z) * q*r + M_x J_y * dot(q) = (J_z - J_x) * p*r + M_y J_z * dot(r) = (J_x - J_y) * p*q + M_z

其中J_x、J_y、J_z是三个主轴的转动惯量，M_x、M_y、M_z是机体轴力矩。注意陀螺力矩项(J_y - J_z)qr，很多简化版的论文会忽略它，但复现时如果论文里写了，就必须保留，否则高速机动时的响应曲线会有可见差异。

在Simulink里，我推荐把整个六自由度模型写成一段MATLAB Function，输入是四个电机的升力和当前状态，输出是状态导数。这样从方程到代码的翻译是一一对应的，哪里错了也容易对照。

以下是模型主体的一段示意代码，实测中我最常用的结构是这样的：

function [state_dot] = plant_6dof(state, F, M) % state = [u v w p q r phi theta psi x y z] % F为总升力，M为三轴力矩 u = state(1); v = state(2); w = state(3); p = state(4); q = state(5); r = state(6); phi = state(7); theta = state(8); psi = state(9); % 转动惯量，从论文参数表里读出来 Jx = 0.004; Jy = 0.004; Jz = 0.0084; % 转动方程 p_dot = (Jy - Jz)/Jx * q * r + M(1)/Jx; q_dot = (Jz - Jx)/Jy * p * r + M(2)/Jy; r_dot = (Jx - Jy)/Jz * p * q + M(3)/Jz; % 姿态运动学，欧拉角速度与机体角速度的关系，ZYX约定 phi_dot = p + tan(theta)*sin(phi)*q + tan(theta)*cos(phi)*r; theta_dot = cos(phi)*q - sin(phi)*r; psi_dot = sin(phi)/cos(theta)*q + cos(phi)/cos(theta)*r; % 平动方程，省略重力项和推力项的具体展开 state_dot = [...]; end

这段代码看起来简单，但有两点值得提醒：一是姿态运动学方程在θ接近±90°时会奇异，如果仿真工况要做大角度机动，建议换四元数；二是代码里的黏性阻尼项、陀螺力矩项，一定要和论文逐一核对，论文里有就保留，论文里没有就别自己加，加了会让响应曲线和论文对不上。

2.3 电机与执行机构模型，别在细节上栽跟头

论文里对电机模型的写法五花八门：有的写“电机动态忽略”，有的给一阶惯性环节，有的甚至用二阶振荡环节。这块差异，是对复现结果影响最大的细节之一。

最常用的电机模型是一阶惯性环节加二次方升力关系：

F_i = k_f * ω_i² Q_i = k_m * ω_i² τ_m * dot(ω_i) = ω_cmd - ω_i

这里的τ_m是电机时间常数，典型值在0.02秒到0.2秒之间，具体看论文给什么。如果一篇论文说“电机动态忽略”，那意味着仿真里直接把ω_i当作指令值，没有延迟；如果你复现时自己加了0.1秒的时间常数，上升时间会比论文长不少，然后就陷入“为什么我的曲线和论文不一样”的困惑。

我的建议是：宁可让模型比论文更简单，也不要擅自加复杂度。复现的优先级永远是“和论文一致”高于“模型更真实”。先把论文的简化模型复现到位，再考虑加入更多气动细节。

电机转速指令到PWM的换算，如果论文没给，就用简化方式——把期望转速范围映射到0到1油门量就行，这一步不影响控制器核心逻辑，只要注意在混控分配后加一个转速上限饱和就好。

2.4 Simulink模型的总线划分，决定后面调试的幸福感

模型结构上，我最终采用的布局是这样的：

• 第一层：信号源（期望轨迹） → 控制器子系统 → 电机子系统 → 刚体动力学子系统 → 反馈/Scope
• 控制器子系统和动力学子系统之间，用总线（Bus）信号传递，方便后期新增信号而不改动整体连线
• 所有PID参数用一个初始化脚本统一加载，或者直接在模型里用常量块引用工作区变量。强烈推荐后者，这样调参不用每次改模型文件。

关于求解器，做四旋翼仿真不要用变步长默认求解器。固定步长ode4，步长1e-3就在绝大多数场景下足够。如果论文里不是离散控制器，Simulink里的PID模块可以直接用连续时间版本，简单直接，不要为了“数字控制”而做离散化，那是后续做实物才需要考虑的问题。

还有一件必做不可的事：模型初始化时把状态量设到悬停平衡点。四旋翼悬停时，油门指令不是0，而是和重力平衡的某个值。很多第一次做的人把初始速度、角度全部设0，控制器输出也从0开始，结果一仿真，飞行器直接坠落或者疯狂翻转，他们还以为PID调错了。实际上就是初始状态没配平。

3. PID控制器的分层设计与串级结构搭建

3.1 为什么四旋翼必须用串级而不是单环PID

四旋翼控制领域有个常识：没有人用单环PID直接控制位置。原因要从物理因果链说起。

四旋翼的拉力永远沿着机体轴方向，想让无人机水平移动，必须先倾斜机体，让拉力在水平方向产生分量。也就是说，位置控制的执行链条是：期望位置偏差 → 期望横滚/俯仰角 → 期望角速度 → 期望力矩 → 电机转速。这条链路里有好几层积分关系，如果只用一个位置环PID直接输出电机指令，相位延迟会非常大，稍有一点扰动系统就振荡。

打个比方，单环PID就像你开车时只看终点位置、直接踩油门打方向盘，完全不管车身当前的姿态和转向速度，路稍微弯一点就失控。串级PID则像是分了两层：外层导航只给出“该往哪个方向并多少度”，内层负责把车身姿态精确控制在那个转角上。内层快，外层稳，整体才可控。

标准的四旋翼串级结构是三层控制叠起来，但从实现上看，位置环不是必须和姿态环放在同一采样频率。工程上常见的是两层嵌套，结构是这样的：

位置控制器（外环）：p_ref → 期望横滚角φ_cmd、期望俯仰角θ_cmd 姿态控制器（中环）：φ_cmd/θ_cmd/ψ_cmd → 期望角速度p_cmd/q_cmd/r_cmd 角速度控制器（内环）：p_cmd → 期望力矩M_x，等等

在Simulink里，这三个控制器各用一个子系统封装，中间的连接线就是期望角信号。检查信号流向比检查代码容易，这也是我坚持控制器用模块图搭建的原因。

3.2 内环和外环参数之间的“互锁关系”

串级PID的整定有个底层逻辑：内环的闭环响应速度必须显著快于外环。工程上这个倍数一般取5到10倍。

为什么必须这样？因为外环是通过内环间接控制被控量的，如果内环太慢，外环看到的被控量变化总是“跟不上指令”，它就会不断增大输出，最后导致振荡。反过来，如果内环太快，会放大测量噪声，系统能耗无谓增加。

这个互锁关系可以直接换算成带宽。假设角速度内环带宽是ω_inner，姿态外环带宽是ω_outer，那么：

ω_inner ≈ (5~10) * ω_outer

带宽和PID增益之间存在简单的近似关系。比如角速度环控制器输出是力矩M，被控对象是转动惯量J，那么：

M = Kp_omega * (ω_cmd - ω) dot(ω) = M / J = (Kp_omega / J) * (ω_cmd - ω)

这个闭环就是一阶惯性环节，带宽等于Kp_omega / J。所以角速度环的P增益的估算起点是：

Kp_omega ≈ J * ω_inner

姿态外环的情况也类似。如果控制器把期望姿态角映射成期望角速度：

ω_cmd = Kp_phi * (φ_cmd - φ)

且内环足够快，那么姿态环闭环带宽近似等于Kp_phi。这一层逻辑理清后，参数整定就不再是盲目试凑，而是有物理依据的。

3.3 控制分配：期望推力和力矩如何换算成四个电机转速

控制器算出期望的总推力U1和三个轴的力矩U2、U3、U4之后，还要把它们分配到四个电机上。这个步骤叫控制分配（Control Allocation），四旋翼里就是用一个4×4的混控矩阵。

以X型机架为例，假设四个电机位置在机体对角线方向，力和力矩的分配关系为：

U1 = F1 + F2 + F3 + F4 U2 = (F1 - F2 - F3 + F4) * L_arm / sqrt(2) U3 = (F1 + F2 - F3 - F4) * L_arm / sqrt(2) U4 = (Q1 - Q2 + Q3 - Q4)

其中F1到F4是电机升力，Qi是反扭矩，L_arm是电机到质心的力臂。正负号取决于电机旋转方向和机架类型，这一步是复现中正负号最容易出错的地方。混控矩阵符号弄反，最典型的现象是：推油门正常，但一给滚转角指令，飞行器反向翻转，看起来就像模型发散了。

在Simulink里，混控矩阵可以做成一个Gain块，矩阵常量放在工作区。代码一个坏处是调试时看不见中间量，D就在混控矩阵的输出端口接几个Scope，测试时看四个电机的转速指令是否合理。

3.4 限幅、积分抗饱和和微分滤波，这些“小部件”决定成败

很多复现的论文里画控制框图时只画PID的简洁形式，但实际工程中PID旁边几乎都跟着一串辅助模块。缺少它们，仿真里的小毛病就会被放大成“模型错了”的误判。

• 限幅：位置环输出的期望角，要限制在比如±30°以内，否则大偏差时飞行器会翻过去；角速度环输出的期望力矩也要限幅，对应电机的转速上限。没有限幅的话，控制器计算出巨大指令，电机会立刻饱和，系统非线性表现完全跑偏。
• 积分抗饱和：这是最容易忽略的一块。电机转速有上限，当误差持续偏大时，积分项会不断累积，导致控制器输出长期卡在上限、误差已经反向了积分还没退出来。这就是典型的积分饱和（windup）。最简单的做法是积分分离——误差超过阈值就冻结积分；更平滑的做法是条件积分，只在输出未饱和且误差较小时才积分。
• 微分滤波：先说明一下，四旋翼内环的角速度信号如果来自数值差分，噪声本身就很大，再对误差做微分会把噪声进一步放大。因此D项通常不用在误差上，而是只对测量值（如角速度）做负反馈，相当于阻尼项。如果需要真正的微分项，一定要在它后面串一个低通滤波器，截止频率取采样频率的四分之一到八分之一之间。

这些细节看起来不起眼，但我在实际对比中发现，有没有积分抗饱和，直接决定大角度机动后悬停恢复是否会出现两三秒的振荡。论文里就算没画，你也得补上，否则很难复现出稳定的响应曲线。

4. 参数整定路径：先内环后外环的实用调参法

4.1 论文给的参数不能直接抄，原因在这里

很多复现者一开始都会把论文的参数表原封不动填进模型，然后发现曲线对不上——有的超调偏大，有的干脆发散。这不一定是你的模型错了，更常见的原因是论文参数的“隐含环境”和你的模型不一致。

同一个Kp值，论文用的电机时间常数是0.05秒，你用了0.1秒，带宽就明显下降；论文的控制器采样时间是1kHz，你在连续仿真里用的是变步长ode45，两边的离散化延迟完全不同。这些差异累积起来，参数自然不能直接通用。

正确的姿势是：把这组参数当作“参考量级”。比如论文说角速度环Kp=0.15，你根据上一节带宽公式估算出来的起点如果是0.12，那说明两者在一个量级内，这就说明你的模型没有大的结构错误。以此为基础再做微调，而不是死磕“为什么论文的参数跑不出论文的曲线”。

4.2 从力学关系估算PID初值，附一个可复用的算例

用公式估算初值，比我见过很多人在调参工具里随机乱试要高效得多。我把这套估算方法整理成可复用的步骤。

第一步，确定转动惯量。从论文参数表抄出Jx、Jy、Jz的值。假设Jx = Jy = 0.01 kg·m²。

第二步，确定外环带宽。姿态环带宽取1~2 rad/s，想快一点就取2。那么姿态外环增益Kp_phi ≈ 2。

第三步，确定内环带宽。内环要快5~10倍，取ω_inner = 15 rad/s。那么角速度环增益Kp_omega = J * ω_inner = 0.01 * 15 = 0.15。

第四步，估算积分项。积分项的作用是消除静差，一般取Kp的十分之一到五分之一。先取Ki_omega = Kp_omega / 10 = 0.015。如果后面发现稳态误差始终偏大，再按比例往上加。

第五步，微分项先置零。四旋翼仿真里D项通常不是必须的，先把P和I调好，再看响应是否有振荡。

这套算例的目的不是告诉你“参数就是0.15和0.015”，而是让你明白估算路径：从期望带宽倒推增益，比随机试凑有据可依得多。实测下来，这个初值通常在合理范围的50%到200%之内，剩下的交给阶跃响应微调。

4.3 阶跃响应下的逐环调参流程

参数整定必须遵循“由内向外”的顺序：先调角速度环，再闭合姿态环，最后闭合位置环。每一步都只能调当前这一层的参数，否则多层耦合在一起，你根本不知道哪个环节在振荡。

具体流程我是这样走的：

1. 断开姿态外环，直接给角速度内环一个方波或阶跃参考信号，比如p_cmd从0到0.5 rad/s。调Kp_omega直到角速度响应快速跟踪且无明显振荡。判断标准：没有持续振荡，超调可接受。
2. 如果角速度静差明显，逐步加Ki_omega。注意观察超调，积分项加多了会让阶跃响应超调变大，此时可以稍微回调Kp，或者引入一点角速度负反馈微分项。
3. 闭合姿态外环，给定10°到15°的小角度阶跃，比如θ_cmd从0到15°。调Kp_phi，观察角度响应。姿态角超调一般要求小于15%，如果因为内环跟踪不够快而导致超调过大，优先提高内环带宽而不是继续加外环Kp。
4. 姿态环稳定后，闭合位置环。先只调水平位置，给定小位移阶跃，比如向前0.5米。位置环的Kp先给一个保守值，逐步加大，观察位置轨迹有没有超调。
5. 最后做整体联动测试，看给定一个路径点时，水平和垂直两个方向的响应是否协调。

每一步调完后，用Scope里保存的波形记录当前参数和响应指标。调参全过程一定要做记录，别偷懒。我在实际项目里因为偷懒不记录参数，“调好的参数一改就再也回不去”的情况出现过不止一次。

4.4 我实测的几组参数变化规律，打包送给你

为了给后来的人一个直观参考，我把自己调参过程中观察到的规律整理成了下表。这些规律在大多数简化模型和中等保真度模型上都适用：

最大的体会是：四旋翼串级PID里，内环带宽是总瓶颈。内环带宽打不上去，外环参数怎么调都别扭。遇到“外环一加参数就振荡”的情况，先回头检查内环响应够不够快，而不是死磕外环参数。

5. 复现结果分析与差异排查：为什么我的曲线和论文不一样

5.1 复现成功的量化标准，不看图形看指标

复现不是说“看起来差不多”就算成功。我见过太多人对着两条曲线说“差不多”，实际上上升时间差了40%。复现成功的判断，要用数值指标说话。

至少要对以下几个指标做对比：

• 上升时间：响应从10%到90%稳态值的时间
• 超调量：峰值超出稳态值的百分比
• 调节时间：进入稳态值±5%或±2%误差带后不再超出的时间
• 稳态误差：最终值和目标值的偏差
• 轨迹跟踪误差：如果论文给了路径跟踪曲线，算RMSE

我把和论文的对比结果整理成一张三列表格，左边是论文数值，中间是我的仿真数值，右边是偏差百分比。

偏差在合理范围内的，比如20%以内，且曲线的整体形状一致，基本可以判断复现成功。如果偏差超过50%，就需要进入排查流程了。

5.2 六个最容易导致结果偏离的模型细节

我在复现和帮别人排查的过程中，发现大部分“曲线对不上”的问题都出在下面这几个地方，按命中频率排序：

1. 欧拉角旋转顺序不一致。论文用ZYX，你却在Simulink里用了XYZ或者ZXZ，姿态响应在中等角度以上就会出现明显差异，而且这种差异很难通过调PID参数消除。

2. 电机动态模型的差异。论文忽略电机动态，你为了“真实”加了0.1秒时间常数，上升时间立刻变慢。这是我见过最多的偏差来源。

3. 混控矩阵的正负号或机架类型错配。X型机架和+型机架的分配矩阵不同，旋向布局不同，分配出来的转矩方向完全相反。

4. 初始条件没有配平。没有给悬停油门初值，仿真从零油门开始，控制器要花很长时间把机体拉起来，前一两秒的曲线肯定和论文对不上。

5. 求解器或步长不合适。变步长求解器在非线性强的时候会自动缩小步长，看不出来问题；但如果你用固定步长且步长过大，比如0.01秒，电机时间常数又是0.02秒，那么电机动态已经是欠采样状态，响应曲线的形态都会变异。

6. 重力补偿缺失。有些论文的控制器里带重力补偿前馈项，有些放在控制分配里。复现时如果把前馈弄丢了，悬停时节流阀不在预期位置，小范围扰动倒是还能稳住，大机动时就明显不如论文平滑。

5.3 用单一变量原则，一步步锁定偏差根因

排查“曲线对不上”问题，最忌讳的是同时改好几个地方。我推荐的排查方法是单一变量原则，一次只改一处，改完重新仿真对比论文曲线。

具体流程可以这样走：

第一步，先做“看不见信号的排查”。核对模型架构、坐标系定义、欧拉角顺序、混控矩阵正负号。这些是一票否决项，错一处整个曲线都会乱。

第二步，对比悬停状态。给定配平初始状态，闭合控制器，看悬停时的油门输出、姿态角能不能稳住。如果这步都稳不住，先解决模型初始化再看别的。

第三步，给一个小角度的姿态阶跃，比如10°，对比论文的阶跃响应。用游标卡尺量上升时间、超调量、调节时间，记录下来。每改一个参数，记录一次，不要把数据存在脑子里。

第四步，如果上升时间偏大，优先怀疑电机时间常数，把它减小向论文靠近；如果超调偏大，优先怀疑内环带宽不足或积分项过强；如果稳态误差不为零，优先检查积分项和重力补偿。

大多数偏离问题，走完这四步就能找到答案。

5.4 分层复现的思路：先简化，再保真

我在几次复现中养成了一个习惯：不要一上来追求高保真模型，建立两个模型的思路会更高效。

第一个是“设计验证模型”：忽略空气阻力、忽略电机动态、忽略陀螺力矩项，用连续PID控制器，直接在Simulink里跑控制算法验证。这个模型简单，调试时一眼就能看透控制系统行为，适合处理控制器结构和参数整定问题。

第二个是“全保真模型”：加上电机一阶动态、线性空气阻力、可能存在的传感器延迟和带限噪声，让曲线更贴近论文里的“完整仿真结果”。这个模型用来做最终的对比验证。

两个模型共用同一套控制器参数初始化脚本，切换只需改一个配置常量。这样做的好处是，万一全保真模型跑出来的曲线和论文对不上，你还能退回简化模型确认“控制系统本身有没有问题”。如果简化模型是好的，问题多半出在外围模型参数上；如果简化模型都发散，那就回去检查控制器结构和运动学方程。

这套“先简单后复杂”的思路，和论文复现本身无关，但它是保证复现工作不至于陷入泥潭的重要方法。我见过太多人一开始就建全保真模型，然后花大量时间调阻力系数、调传感器模块参数，最后才发现纯粹是控制结构错了。本末倒置，是最可惜的时间浪费。