简介：《Small Unmanned Aircraft: Theory and Practice》是普林斯顿大学出版社出版的无人机领域经典教材电子版，面向无人机飞控算法学习者和相关专业高年级本科生、研究生，系统讲解小型无人机从建模到自主飞行的完整理论体系。全书围绕系统架构、坐标系、运动学与动力学、力与矩、线性设计模型等核心内容展开，并延伸至自动驾驶仪设计、MAV传感器、状态估计与制导等工程实践环节，兼顾理论推导与实际设计项目。资源包为1个PDF文件，大小约4.89MB，内容完整、目录清晰，便于按章节检索与系统研读。目前已有306人学习下载。读者可借此掌握无人机非线性运动方程的线性化方法、协调转弯与配平条件、PID串级回路设计思路以及卡尔曼滤波在姿态估计中的应用，适合作为课程教材、科研参考或飞控入门到进阶的自学资料。
1. 从一份 2012 年的 PDF 说起：小型无人机控制到底该怎么入门
很多人第一次接触小型固定翼无人机的控制，是从一份流传很广的 PDF 开始的。文件名就叫《Small Unmanned Aircraft: Theory and Practice》，普林斯顿大学出版社 2012 年出的，作者是两位长期做无人机控制教学的教授。它不是那种翻两页就劝退的纯理论书，也不是只贴一堆代码的工程手册，而是把坐标系、运动学、动力学、气动力、线性化、自驾仪、状态估计、制导、路径规划、视觉导航这一整条链路，按“先建模、再设计、最后仿真验证”的顺序串起来。对做飞控算法、做仿真验证、或者想从零搭一套固定翼自驾仪的人来说，这份资源的价值在于它给了一个可以照着复现的完整框架，而不是零散的知识点。它适合有反馈控制或机器人基础、但没系统学过气动和飞行动力学的工程师，也适合想搞明白“为什么我的姿态环一加积分就振荡”的从业者。
2. 坐标系与运动学：把机体、气流、地面三套框架理清楚
2.1 为什么坐标系是第一个绕不过去的坎
小型无人机上几乎所有传感器和执行器都工作在机体坐标系里：陀螺仪测的是机体角速度，加速度计测的是机体系比力，舵面产生的力和力矩也是在机体系里定义的。但任务层给的指令——比如“飞到某个航点”“绕某点盘旋”——是在惯性系（地面系）里描述的。如果你不把这两套框架之间的旋转关系搞明白，后面写出来的控制器一定是错的，而且错得很隐蔽：仿真里看着能飞，一上真机就发散。
书里第 2 章把这件事讲得很细，核心是旋转矩阵。从机体系到惯性系的变换通常用欧拉角序列（滚转-俯仰-偏航，即 Z-Y-X 顺序）构造。这里有个新手常翻车的地方：欧拉角在俯仰角接近 ±90° 时会出现万向节死锁，姿态解算会跳变。书里在附录 B 专门补了四元数，就是为了绕开这个问题。我一般建议姿态解算内部用四元数，只在显示和外部接口处转成欧拉角。
2.2 旋转矩阵与坐标变换的可执行写法
下面这段 Python 代码把书里第 2 章的旋转矩阵落成了可直接调用的函数，包含从欧拉角构造旋转矩阵、以及机体系到惯性系的向量变换。参数说明写在注释里。
import numpy as np def rot_body_to_inertial(phi, theta, psi): """ 由欧拉角构造机体系到惯性系的旋转矩阵 R_I^B 的转置。 phi : 滚转角 roll (rad) theta : 俯仰角 pitch (rad) psi : 偏航角 yaw (rad) 返回 3x3 旋转矩阵，满足 v_inertial = R @ v_body """ c_phi, s_phi = np.cos(phi), np.sin(phi) c_th, s_th = np.cos(theta), np.sin(theta) c_ps, s_ps = np.cos(psi), np.sin(psi) # Z-Y-X 欧拉角序列，先偏航、再俯仰、最后滚转 R = np.array([ [c_th * c_ps, s_phi * s_th * c_ps - c_phi * s_ps, c_phi * s_th * c_ps + s_phi * s_ps], [c_th * s_ps, s_phi * s_th * s_ps + c_phi * c_ps, c_phi * s_th * s_ps - s_phi * c_ps], [-s_th, s_phi * c_th, c_phi * c_th] ]) return R def body_velocity_to_inertial(v_body, phi, theta, psi): """把机体系速度向量转到惯性系，v_body 为 [u, v, w]""" R = rot_body_to_inertial(phi, theta, psi) return R @ np.asarray(v_body, dtype=float)逻辑上，rot_body_to_inertial返回的矩阵就是书里式 (2.5) 那一类旋转矩阵的显式展开。参数phi/theta/psi必须用弧度，如果你从传感器拿到的是角度，先转弧度再传进来，否则矩阵数值会完全不对。body_velocity_to_inertial是给后面做位置积分用的：机体速度 [u, v, w] 乘上旋转矩阵就得到惯性系下的速度分量。
2.3 风速三角与地速、空速的区分
书里第 2.4 节讲的“风速三角”是另一个容易被忽略但极其关键的点。空速（airspeed）是飞机相对于空气的速度，地速（ground speed）是相对于地面的速度，两者之间差一个风速向量。自驾仪的气动模型依赖空速，而导航和航点跟踪依赖地速。如果你在仿真里把这两个混为一谈，遇到有风的场景，航迹跟踪会系统性偏移，而且你调参数怎么调都调不回来。
常见做法是：气动力和力矩的计算全部用空速，位置和航向的积分用地速。风速三角的关系写成向量形式就是地速等于空速加风速。书里给了二维和三维两种表达，实际写仿真时我一般直接用三维向量做，避免在爬升或俯冲时丢掉垂直分量。
3. 六自由度模型与线性化：从 12 状态非线性到可设计的传递函数
3.1 12 状态非线性模型是怎么拼出来的
书里第 3 章到第 5 章的推进逻辑非常清楚：第 3 章先建立刚体运动学和动力学，得到状态变量——位置（3）、姿态（3）、机体速度（3）、机体角速度（3），一共 12 个状态。第 4 章补上重力、气动力和气动力矩、推力，第 5 章把这些合起来写成完整的六自由度非线性方程。
这里有个设计上的取舍值得说：完整的六自由度模型精度高，但直接拿来做控制器设计非常不方便，因为它是非线性的、耦合的。所以书里第 5 章后半部分做了两件事——配平（trim）和线性化。配平是找一组状态和输入，让飞机受力平衡、做匀速直线飞行；线性化是在配平点附近做小扰动展开，得到线性状态空间模型和传递函数模型。
3.2 配平与线性化的操作步骤
配平和线性化在 Matlab/Simulink 里有现成的工具链，书里附录 F 专门讲了怎么用trim和linmod命令。下面把典型流程列出来，参数含义跟着步骤走。
第一步，准备好非线性模型。模型输入是四个舵面指令（升降舵、副翼、方向舵、油门），输出是 12 个状态。书里附录 E 给了两套气动参数：一套是飞翼布局，一套是常规布局的无人机，可以直接拿来当起点。
第二步，设定配平条件。你要告诉求解器哪些状态是自由的、哪些是固定的。比如做定直平飞配平，通常固定高度和速度，让俯仰角和升降舵去满足力平衡。
% 设定配平时的状态和输入初值 % 状态顺序: [pn pe pd u v w phi theta psi p q r] x0 = [0 0 -100 20 0 0 0 0.1 0 0 0 0]'; % 输入顺序: [elevator aileron rudder throttle] u0 = [0 0 0 0.5]'; % 指定哪些状态已知、哪些需要求解 % 这里固定位置和速度，让姿态和舵面去配平 ix = [1 2 3 4 5 6 10 11 12]; % 已知状态索引 iu = []; % 已知输入索引 y0 = [x0(ix); u0(iu)]; % 调用 trim，目标是把导数置零 [x_trim, u_trim, y_trim, dx_trim] = trim('mav_model', x0, u0, y0, ix, iu);ix里放的是你固定住的状态索引，iu是固定住的输入索引。trim会调整剩下的自由变量，让状态导数尽量接近零。跑完之后一定要检查dx_trim，如果某些通道的导数还很大，说明配平条件设得不合理，或者初值离解太远。
第三步，在配平点做线性化。用linmod拿到 A、B、C、D 矩阵，再转成传递函数看模态。
% 在配平点线性化，得到状态空间模型 [A, B, C, D] = linmod('mav_model', x_trim, u_trim); % 提取纵向通道：升降舵到俯仰角 sys_pitch = ss(A, B, C, D); tf_pitch = tf(sys_pitch(9, 1)); % 第9个状态是theta，第1个输入是升降舵linmod返回的 A 矩阵特征值能告诉你纵向有哪几个模态——通常会出现短周期和长周期两个模态。短周期频率高、阻尼相对好调；长周期频率低、阻尼很弱，是后面自驾仪设计里需要特别照顾的对象。如果你发现长周期模态阻尼是负的，别慌，这在很多小型无人机上很正常，靠自驾仪的俯仰阻尼环去补。
3.3 降阶模型：什么时候该用，什么时候不该用
书里第 5.6 节讲了降阶模态，把纵向和横向解耦，甚至进一步把短周期和长周期分开。降阶的好处是控制器设计简单、物理意义清楚。但边界也很明确：当飞机做大机动、或者横向和纵向耦合很强的时候，降阶模型会失真。我一般用降阶模型做初始参数整定，最终验证一定回到全量非线性模型里跑一遍，两边结果对不上就以非线性为准。
4. 自驾仪与状态估计：串级回路和卡尔曼滤波的落地细节
4.1 逐次闭环回路的层级关系
书里第 6 章讲的“逐次闭环”（successive loop closure）是小型无人机自驾仪最常用的结构。它的思路是按带宽从高到低一层层设计：最内层是角速率环，带宽最高；外面是姿态环；再外面是航向和高度环；最外层是航迹跟踪。每一层设计的时候，把内层已经闭合的回路当成一个已知的、近似线性的环节。
这个结构的好处是每一层都可以单独调试，出问题容易定位。坏处是层与层之间的带宽必须拉开足够距离，一般要求外层带宽不超过内层带宽的三分之一到五分之一。如果你把航向环调得跟姿态环一样快，两个回路会互相打架，表现出来就是等幅振荡，怎么改增益都压不下去。
4.2 饱和约束与积分限幅
书里第 6.2 节专门讲了饱和约束。真实舵机有物理限幅，油门也有上下限。如果你的 PID 积分项在舵面饱和期间还在累积，等误差反号的时候积分项要花很长时间才能退出去，这就是积分饱和。现象是：飞机在大偏差修正时反应迟钝，或者过冲后长时间回不来。
常见做法是加抗积分饱和逻辑：当控制输出达到限幅值时，停止积分累积，或者把积分项反向回灌。书里给的是比较经典的条件积分方案。我一般还会给积分项单独设一个上限，防止它在长时间小误差下慢慢爬到一个很大的值。
4.3 传感器模型与状态估计的衔接
第 7 章把加速度计、陀螺仪、气压计、磁力计、GPS 逐个讲了一遍，重点是每个传感器的测量模型和噪声特性。第 8 章接着讲状态估计，从低通滤波、传感器模型反解，一路推到连续-离散卡尔曼滤波。
这里有个实操上的关键点：卡尔曼滤波的 Q 和 R 矩阵不是拍脑袋定的。R 来自传感器数据手册的噪声密度，Q 来自你对模型不确定性的判断。书里附录 H 给了各类传感器的参数，可以当作 R 的起点。如果你发现估计器收敛太慢，先检查 R 是不是设得过大；如果估计值抖得厉害，先检查 Q 是不是设得过小。
姿态估计部分，书里给了一种用加速度计和磁力计做互补滤波的思路，计算量小，适合算力有限的平台。GPS 平滑那节讲的是如何把低频 GPS 位置和高频惯性数据融合，得到平滑的轨迹估计。这部分在真机上做航迹跟踪时特别有用，因为原始 GPS 的跳变会让航向指令跟着抖。
5. 制导与路径管理：直线跟踪、盘旋和 Dubins 路径的工程取舍
5.1 直线路径跟踪的向量场方法
书里第 10 章讲的直线路径跟踪用的是向量场方法。核心思想是在路径周围构造一个速度方向场，飞机离路径远的时候，场的方向指向路径；离得近的时候，场的方向沿着路径。这样飞机不需要精确地“对准”路径再切入，而是自然地收敛过去。
实现上，你需要计算飞机到路径的横向距离，然后根据这个距离查表或者用公式算出期望航向。书里给的公式里有一个关键参数是收敛距离，它决定了飞机从远处切入路径的激进程度。这个参数设小了，切入慢但平滑；设大了，切入快但可能过冲。我一般先按翼展的 3 到 5 倍给一个初值，再根据试飞调整。
5.2 盘旋跟踪与 Dubins 路径
盘旋跟踪是在一个圆上飞，书里给的控制律是让飞机的航向角速率与到圆心的距离误差成比例。这里要注意盘旋方向——顺时针和逆时针的符号不一样，写反了飞机会往外飞。
第 11 章的路径管理讲的是航点之间的过渡。两个航点之间如果只连直线，飞机在航点处需要急转，容易掉高或者失速。Dubins 路径用圆弧加直线的方式把航点连起来，保证转弯半径不小于飞机的最小转弯半径。书里给了 Dubins 路径的构造方法，实际用的时候要注意：最小转弯半径跟空速和最大滚转角有关，空速越大、滚转角越小，转弯半径越大。如果你在仿真里设的最小转弯半径比实际能飞的小，路径跟踪会一直有稳态误差。
5.3 路径规划与视觉导航的边界
第 12 章讲路径规划，包括点到点算法和覆盖算法。点到点算法里比较实用的是基于采样的方法，覆盖算法适合做区域扫描。这部分书里讲得偏理论，实际工程中还要考虑风、禁飞区、通信距离这些约束。
第 13 章的视觉导航涉及云台指向、地理定位、目标运动估计、碰撞时间、精确着陆。这部分对传感器和算力的要求比较高，适合有视觉基础的团队。如果你只是想做基础的航迹跟踪，这一章可以先跳过，等前面几章跑通了再回来啃。
6. 仿真验证与踩坑记录：那些让我返工三次的细节
6.1 仿真步长与积分器选择
书里附录 C 和 D 讲了 Simulink 里的动画和 S-Function 建模。我踩过最深的坑是仿真步长。小型无人机的短周期模态频率可能在几赫兹到十几赫兹，如果你用固定步长积分，步长必须小于最短周期的十分之一，否则数值积分本身就会引入虚假的阻尼或者发散。我一般先用变步长跑一遍看模态，再用固定步长做实时性验证，固定步长取 0.01 秒起步，不够再往下压。
6.2 常见问题排查清单
现象：配平跑不出来，trim报错或者导数降不下去。 原因：初值离配平点太远，或者固定的状态和输入组合互相矛盾。 解决：先把初值设成接近巡航的状态，比如速度 20 米每秒、高度 100 米、俯仰角 0.1 弧度。如果还不行，放宽固定条件，让更多变量自由。
现象：线性化后某个模态阻尼为负，但仿真里飞机没发散。 原因：线性化是在配平点做的，只在小扰动下有效。仿真里如果扰动大，非线性效应会掩盖线性模型的不稳定。 解决：以线性模型为参考设计控制器，但验证必须回到非线性模型，并且要加扰动测试。
现象：姿态环一加积分就振荡。 原因：积分增益和姿态环带宽不匹配，或者积分限幅没设。 解决：先把积分增益设为零，调好比例和微分，再慢慢加积分，同时给积分项设上限。
现象：航迹跟踪在有风时系统性偏移。 原因：制导律里用了地速算期望航向，但气动模型用的是空速，两者没统一。 解决：制导层用空速和风速估计算航向修正，或者直接用地速做跟踪但把风估计加进前馈。
现象：卡尔曼滤波估计的姿态角有低频漂移。 原因：陀螺零偏没有估计，或者磁力计校准不准。 解决：把陀螺零偏加进状态向量一起估计，磁力计做椭球拟合校准。
6.3 从仿真到真机的一个习惯
书里的设计项目是让学生从零搭一套完整的仿真，包括动力学、传感器、自驾仪、制导。这个过程的真正价值不在于仿真本身，而在于你被迫把每个模块的输入输出和单位都理清楚。我后来养成了一个习惯：每次改完控制器，先在仿真里跑三组测试——无风悬航、有风航迹跟踪、大偏差切入。三组都过了，才考虑上真机。这个习惯帮我省下了不少返工时间。
6.4 参数整定的一个实用技巧
书里第 6 章给的 PID 整定方法偏理论，实际调的时候我一般用下面的顺序：先把角速率环的比例增益加到刚好不振荡，再加微分把相位裕度拉回来；然后闭合角速率环，调姿态环的比例；最后闭合姿态环，调航向和高度环。每闭合一层，都回到非线性模型里跑一遍阶跃响应，看超调量和调节时间。如果某一层怎么调都不满意，大概率是内层带宽不够，回去把内层调快一点。
6.5 关于这份资源的用法
这份 PDF 的章节顺序本身就是一条学习路径，但不必从头读到尾。如果你已经有控制基础，可以直接从第 5 章线性化切入，遇到坐标系问题再回第 2 章补。如果你是要搭仿真，第 3、4、5 章加附录 E、F 是核心。如果你是要做真机，第 6、7、8 章要反复看。书里的设计项目建议至少完整做一遍，哪怕只做纵向通道，也比只看不练强得多。
从那以后我每次拿到一个新的飞控项目，都会先把配平点跑出来，再确认线性模型的模态和预期一致，然后才动控制器参数。这个顺序看起来慢，实际上是最快的。希望帮到你。
本文还有配套的精品资源，点击获取
