互補濾波演算法詳解

㈠ 求無人機懸停姿態數據

由於珠峰通航自身也從事無人機生產和無人機培訓項目，因此也了解很多相關的數據資料，就簡單的給樓主說一說！

1.視頻的跟蹤:這部分主要是雲台的穩定問題，保證視頻圖像的穩定性，給下一步識別提供一個清晰准確的目標;

2.目標識別問題：這一部分就要涉及各種目標識別演算法，特徵提取等方面的內容;

3.飛控系統：這一部分就是姿態的解算以及電機的相關控制問題，包括完成相關的懸停等。

其實單獨來看各個部分，都已經有產品問世，但是將其組合到一起來實現無人機的目標跟蹤還是十分有難度的。也就是像大疆這樣的nb公司才會有那麼快的更新速度。

以上內容主要是說關於飛控部分的姿態控制問題。涉及到飛控一定會有姿態這個問題，通過看一些論文，發現大家廣泛採用MPU6050這個東西，但是只用這個東西還不行，應該加上高度計，GPS模塊和電子羅盤才行，這樣才能夠較為精確的得到飛行器的高度和水平位置信息。軟體方面，姿態解算肯定首選卡爾曼濾波，但是在高度和水平位置這一塊，卡爾曼濾波就不一定脊山蘆是最合適的了。對於高度測量由於是根據高度計和GPS兩個感測器的數值進行融合得到，而兩者的更新時間差距較大，卡爾曼濾波的優勢就不是很明顯，而互補濾波演算法的處理時間則短得多,處理後的數據精度與卡爾曼濾波演算法的精度相差櫻帶無幾，採用胡波濾波的方法。對於水平位置測量，則用電子羅盤對GPS的信息進行校正，提出雙感測器融合演算法.這樣的的無人機的位置和姿態信息相對准確，通過協同作用，為pid演算法提供相關電機調節參數。這唯沖些大概就是這一段時間的想法。

㈡ 2019-12-05

簡介

隨著科技的進步，導航的方案也層出不窮，尤其是SLAM技術極大的促進了導航方案在機器人、無人駕駛等領域的發展，絕大多數導航方案都會使用慣性測量單元（IMU）來融合其他感測器來實現更加精確的導航。然而在體積、成本、性能、功耗等諸多因素的限制下，如何選擇一款適合客戶應用的姿態感測器便成了客戶最大的難點。

HI2XX系列姿態模塊是綜合了體積、成本、性能、功耗等諸多因素後推出的工業級姿態感測器，這篇文章旨在幫助設計人員理解IMU的基礎知識及相關應用，並為用戶提供選擇方案。

術語

IMU慣性測量單元(Inertial Measurement Unit) 是測量物體三軸角速度和加速度的設備。一個IMU內可能會裝有三軸陀螺儀和三軸加速度計，來測量物體在三維空間中的角速度和加速度。嚴格意義上的IMU只為用戶提供三軸角速度以及三軸加速度數據。

VRU 垂直參考單元(Vertical Reference Unit)是在IMU的基礎上，以重力向量作為參考，用卡爾曼或者互補濾波等演算法為用戶提供有重力向量參考的俯仰角、橫滾角以及無參考標準的航向角。通常所說的6軸姿態模塊就屬於這類系統。航向角沒有參考，不管模塊朝向哪裡，啟動後航向角都為0°(或一個設定的常數)。隨著模塊工作時間增加則襪，航向角會緩慢累計誤差。俯仰角，橫滾角由於有重力向量參考，低機動運動情況下，長時間不會有累積誤差。

AHRS 航姿參考系統(Attitude and Heading Reference System)AHRS系統是在VRU的基礎上增加了磁力計或光流感測器，用卡爾曼或者互補濾波等演算法為用戶提供擁有絕對參考的俯仰角、橫滾角以及航向角的設備，這類系統用來為飛行器提供准確可靠的姿態與航行信息。我們通常所說的9軸姿態感測器就屬於這類系統，因為航向角有地磁場的參考，所以不會漂移。但地磁場很微弱，經常受到周圍帶磁物體的干擾，所以如何在高機動情況下抵抗各種磁干擾成為AHRS研究的熱門。

GNSS/INS 組合導航系統，顧名思義這種系統是利用全球衛星導航系統(Global Navigation Satellite System 簡稱GNSS，它是GPS，北斗，GLONASS、GALILEO等系統的統稱) 與慣性導航(Inertial Navigation System)各自的優勢進行演算法融合，為用戶提供更加精準的姿態及位置信息。

下圖是組合導航系統的一個基本的框圖，它以加速度計、陀螺儀、磁力計、氣壓計、GNSS等作為基本輸入，利用融合演算法輸出用戶所需要的姿態信息、位置信息以及速度信息。

HI2XX系列感測器包含HI226和HI229，其中HI226是VRU，HI229是AHRS。它們都是工業級姿態感測器。

關於幾軸

我們生活在三維世界，人們理所當然的認為只有三個軸。那麼為什麼會出來6軸，9軸以及10軸？在這里我們不能簡單地把6軸，9軸向物理世界對應: 它實際的意思是歲盯灶表示N種測量值。一個典型的姿態測量系統可以測得加速度和角速度，總共是6維向量，這是我們通常所說的6軸IMU，除此之外系統還可能包括三維的地磁場以及一維的氣壓計，就成了我們通常稱的9軸和10軸系統。

自由度(Degree of Freedom, DoF) : 6DoF，9DoF也是經常聽到的說法。空間中的剛體只有平移和旋轉。其中平移三個自由度，旋轉三個自由度，因此用9Dof與10Dof來描述姿態系統實際上是不恰當的，但是目前乎扮國內有一些廠商依然會用9DoF，10DoF來描述系統，我們理解就可以，不必過於深究。

HI226與HI229分別屬於6軸姿態感測器與9軸姿態感測器。

下表為HI2XX系列的產品特性總結：

IMU性能指標及誤差源

量程(Range) 它指的是IMU可以測量的加速度角速度的范圍，意味著只要感測器運動范圍如果不超過IMU的量程，那麼便可以提供准確的數據，通常角速度的單位是 °/s，加速度單位是g。正常情況下, 機器人和無人駕駛角速度一般不會超過200 °/s，加速度不會超過4g，但是大量程可以在產品使用的過程中經受偶發性沖擊，魯棒性好。

隨機遊走(Random Walk) IMU系統通過對角速度與角加速度積分來獲得姿態角與速度，但是原始測量值中含有雜訊，這些雜訊被積分後便形成了隨機遊走，並隨著時間的平方根變化而變化。角度隨機遊走（ARW）的單位是°/sqrt(hr),速度隨機遊走雜訊（VRW）的單位是m/s/ sqrt(hr)。

隨機遊走(Random Walk) 它體現了在輸出帶寬內，頻率對雜訊的影響。角速度的雜訊頻譜密度單位是°/s/√Hz，加速度的雜訊頻譜密度是g/√Hz。

零偏(Bias) 當IMU保持靜止時, 它依然會有一個很小輸出，這個輸出的數值就是零偏。它會受到IMU的上電狀態、溫度、內部結構等因素影響，比如陀螺儀理論上靜止時應該是0°/s，實際上陀螺儀靜止的輸出是一個均值不為零的雜訊。

零偏穩定性(Bias Stability/In-run bias ) 這是評價低成本IMU非常重要的性能指標，它可以被定義為IMU相對於其輸出速率平均值的偏差或漂移量。陀螺儀零偏穩定性的單位是°/h，加速度計的零偏穩定性單位是g/h。

比例因子(Scale Factor) 比例因子描述了輸入與輸出的相關性，比如載體實際旋轉的角速度是100 °/s，但是陀螺儀輸出的確是98°/s，真實值和測量值之間受到了比例的影響，可以被描述為下公式：

y=SF(x)+b+v

其中y為傳輸器輸出，x為真實值，SF為比例因子，b為零篇，v為感測器雜訊。

非線性度(Nonlinearity) 也叫做比例因子的高次性。比例因子實際上不是常量。它本身還會隨著加速度或角速度的變化而變化(一般變化程度很小)，非線性度越小越好。

非正交性(Misalignment) 在理想的情況下，坐標系的軸與軸之間是絕對正交的，但是現實情況下IMU的坐標軸之間卻不是完全正交的。這個指標會對劇烈無規則高機動運動產生很大的影響。

加計敏感度(G- Sensitivity) 陀螺儀是感應角速度的器件，但也會受到加速度的影響。這是微機電陀螺儀最常見的現象。

並不是上述所有誤差源都會對系統造成很嚴重的影響，通常每種應用對應著不同的典型工作環境。但是了解哪些誤差源對系統的影響大才有可能在系統設計階段盡量減小誤差。一般來講，零偏，比例因子，非正交性可以通過出廠前校準得到改善。而零偏穩定性，雜訊和非線性度對校準後的IMU使用影響比較大。除此之外，溫度對系統影響也很大，但是鑒於高性價比的一般中低端IMU受溫度影響的特性非常復雜，批量級溫度補償對於中低端工業級IMU來說還是一個挑戰。影響IMU性能的主要因素如下圖所示：

針對上述誤差，我們專門為HI2XX系列定製了校準設備，出廠之前每一顆都經過了嚴格的校準，校準之後各方面指標如下。

精度指標如下表：

物理尺寸以及電氣特性如下表所示：

應用場景

導航

很多應用場景都需要監測位置以及方向，比如無人駕駛汽車、移動機器人、無人船等，HI226最典型的應用就是移動機器人，比如掃地機器人，送餐機器人，大型商用機器人。性能優異的IMU有助於機器人用戶降低激光雷達成本，縮短開發時間，下圖是某機器人公司利用HI226以及低成本激光雷達做的導航方案效果圖。

控制

很多應用場景會用到IMU的原始加速度與角速度數據，緩慢的航向漂移對這種應用不重要，可以接受一些雜訊以及誤差比如攝像機穩台、雲台、關節的動作捕捉、體育訓練等，這些領域對於IMU的要求必須是低成本的。HI226低延時與高速率特性可以很好的與這些場合相結合。

總結

㈢ 四軸飛行器無線的充電usb怎麼充電

只需將電池插入USB埠的背面。USB埠可以直接插入電腦充電。

四軸亮差姿態可以用歐拉角或四元數表示。姿態檢測演算法的功能是將加速度計、陀螺儀和磁強計的測量值計算成姿態，然後作為系統的反饋。

在獲取感測器值之前，需要對數據進行過濾。濾波演算法主要是對陀螺儀和加速度計採集的數據進行去噪和融合，得到正確的角度數據（歐拉角或四元數），主要採用互補濾波或卡爾曼濾波。

無線充電是在主控判斷電池電量低於設定值後，提醒飛行控制器在地面充電發射端附近飛行，然後通過檢測地面超聲波發射器的位置，左右對准後降低充電。

(3)互補濾波演算法詳解擴展閱讀培扒：

四軸車輛的四個螺旋槳都是與馬達直接連接的簡單機構。這種十字形布局可以通過改變發動機轉速來獲得旋轉機身的力，從而調整其姿態。

具體技術敬中皮細節見「基本運動原理」。由於其固有的復雜性，歷史上從未出現過大型商用四軸車輛。

近年來，隨著微機電控制技術的發展，穩定的四軸車輛受到廣泛關注，其應用前景十分可觀。

㈣ 四旋翼飛控里 為什麼一定要用四元數用歐拉角不一樣嗎 就算用四元數也是將四元數轉化為歐拉角進

四元數多是用在中間環節，在最終的PID輸出的時還是用的歐拉角。
我認為造成這個現象的根本原因是抄襲！！對，就是抄襲。
通過6軸或者9軸融合姿態角的演算法有兩種，這兩種我記得沒錯的話是英國人開發的(國籍可能記錯了)，並開源了，國內的那些沒有研發能力的團體和個人就是用的這個演算法，而那個演算法的中間環節均為四元數，輸出是歐拉角。
我也是沒有研發能力的個人，所以也不能透徹理解這個轉換的意義，猜測可能是像拉式變換或者傅立葉一樣，通過一種域的變換使計算過程簡便，也就是三維的'復數域'，再可能是通過四元數防止計算過程中出現超過歐拉角表示範圍的問題。四元數在旋轉合成方面會方便一些，計算量也少於歐拉角，但是！姿態演算法里根本沒有四元數的旋轉合成。
國內的開源的四軸代碼都是這樣，還有以前看的一個開源代碼開始還是開源的，後來還有限制了，就那破代碼，也就開發者自己還覺得不錯了。
這些代碼沒有核心的姿態演算法的開發能力，就在感測器的數據上'下功夫'，就是被玩壞的濾波器，MWC用的滑動均值濾波、互補濾波簡單明了，可靠有效，但是我們的開發者不這么認為，不用上橢圓濾波器，多階低通濾波器，卡爾曼濾波這些復雜的演算法就是低端的體現，浮點運算隨心情寫，也不管用不用的上，能用浮點絕不定點，這都還好，反正他們用的晶元完成他們的代碼就是用大炮打蚊子，有的是資源沒用，雙精度都算的過來。
其中我最受不了的就是他們的卡爾曼濾波了，那個叫卡爾曼？天啟者 卡爾瑪吧。那都什麼演算法啊，有什麼用，定義個QR就開始計算了，幾個矩陣就高大上了，完全的低通性能，就是抑制dv/dt,確實給信號的波動減少了同時也把感測器的中高頻信號給過濾掉了，這個可以，問題是中高頻都濾掉了，控制頻率給提到400+hz是什麼意思，信號帶寬給限制到了100hz，再把控制頻率給升高，有什麼用？有什麼用？
說的這些都是我能看到源碼的演算法，當然有很多沒有公開源碼的好的演算法，國內的牛人很多很多，只是他們專注於賣套件，誰都想把自己的勞動有回報，也不會公開，就是這個情況。
開源的國內代碼就是這個質量，別想有什麼突破，心態就是這樣，別想短時間內有突破。
廢話說了一堆也沒解決你疑惑，實在抱歉。

㈤ 使用MPU6050的DMP是不是可以不用互補濾波演算法或者卡爾曼演算法

給你arino的卡爾曼濾波融合演算法指殲，非原創，唯答沖我只是封裝了演算法。 另外你這么難的問題應該給舉神點分才厚道啊！ H文件： /* * KalmanFilter.h * Non-original * Author: x2d * Copyright (c) 2012 China * */ #ifndef KalmanFilter_h #define KalmanFi...

㈥ 關於手機陀螺儀

1、首先你要了解重力感應原理，它是利用加速度計，檢測重力早中加速度（均值9.81m/s^2）與XYZ各軸分量從而計算出感測器與重力加速度的相對角度，但是加速度計是用來測量加速度的，這種用加速度計測量角度的方法僅適用於靜止或者小晃動條件下。目前已論證的運動中除了靜止或勻速運動以外都是加速運動，有加速度的存在用加速度計測量的角度就不準確了（因為有重力加速度以外的運動存在），所以在沒有陀螺儀的條件下 水平晃動、震動都會造成很大的角度偏差，例如在運動的汽車上玩重力感應游戲效果很差。
2、手機的所謂的陀螺儀實際上就是一個用MEMS工藝製造出來的角速度感測器，而且精度不高。通過角速度感測器得到角度最容易的演算法（相關演算法還有很多）就是計算並累加單位時間的角增量（角速度*采樣間隔），雖然這種方法動態效果好，但是需要精度很高的感測器才行，否則一旦出現誤差在這種無修正的累加過程中角度偏差會越來越大，完全無法滿足實際使用要求。
3、有一種演算法叫互補濾波，很形象也就是取他人之長補己之短，把這兩種感測器各自的優缺點完全體現出來，那效果勢必1+1>2！！沖睜殲！所以在這種簡單的應用中，應該也能體會到團隊的力量！

參考：慣性導航原理、捷聯慣性導航……

希散沖望我的回答對你有幫助，才疏學淺如有不妥請諸位不吝指教！！！

㈦ 四軸陀螺儀MPU6050和bmi160更換問題

首先你要知道四元數的解算過程（知隱需要一定數學功底的），其實我你也可以試試互補濾波演算法，也是非常常見的演算法，你要是要資料我這里很多，我就是做四軸飛行器的。
如果你要簡單一點，用MPU6050，他自帶的DMP解算出搭旦廳的姿態我看過遲此，效果挺好的。

㈧ 03 四旋翼無人機自主避障技術的研究---基於數據融合的定高於姿態控制

1. 引言

避障方案設計中，我們期望無人機從起始點飛到目標點，就要不斷通過各種感測器獲取無人機當下的位置坐標，並根據無人機的位置調整無人機的姿態，最終到達目的地。四旋翼無人機飛行時會有六個自由度，性能靈活，移動迅速，路徑中的障礙物也是來自於四面八方，不僅僅局限於正前方，所以增加了無人機避障過程中檢測障礙物以及規劃安全路徑的難度，為方便實驗驗證演算法，減少障礙物檢測方向，本文計劃採取四旋翼無人機定高控制下的避障飛行實驗，即四旋翼無人機在期望高度下飛行，通過前置檢測裝置檢測障礙物，利用演算法實現躲避四旋翼無人機前方的障礙物，以此將三維空間中的避障轉化為二維平面中的避障飛行，本章主要分析四旋翼無人機的高度解算以及姿態解算，然後利用PID控制方法簡歷四旋翼無人機襲世陵的控制器。

定高飛行指無人機在不接受遙控器飛行指令的情況下，飛控板會自動控制無人機的友們，從而保持無人機飛行高度不變，無人機所受升力等於自身重力，定高模式返團下，遙控器油門輸入不再控制無人機的高度，但是仍然可以控制無人機的俯仰、偏航、橫滾運動，即無人機會在期望高度平面自由運動，無人機常用的幾種高度信息整理如下：

絕對高度：當期位置於平均海平面的垂直距離，也叫做海拔高度。

相對高度：指兩個測量地之間的絕對高度之差。

真實高度：無人機飛行過程中，飛控距離地面的實際高度即為真實高度，又稱幾何高度。

2. 基於互補濾波的信息融合

關於四旋翼無人機的高度以及姿態解算，需要用到數據融合，數據融合也成為信息融合，是將來自多個感測器信息進行處理，從而得出更為全面、可靠的結論，本節採用互補濾波器進行數據融合，將多感測器信息融合解算得到高度以及姿態信息，互補濾波法要求融合的信號的干擾雜訊處在不同的頻率，通過設置兩個濾拍戚波器的截止頻率，確保融合後的信號能夠覆蓋需求頻率，通過預測---矯正融合兩種信息來源，一般是預測其中一種信息，然後利用另外一種信息進行校正。

2.1 基於互補濾波的高度解算

定高控制需要獲取無人機的高度信息，絕大多數情況下，飛控的高度信息是由飛控內部的氣壓計來提供的，氣壓計測量的是絕對高度，利用大氣氣壓伴隨高度的增加而降低的原理測量，測量公式：

所以氣壓計高度測量可以表示為：

即氣壓計所測高度等於實際高度加上測量誤差高度。

實際飛控板內計算氣壓計數據時，會採集多次數據求均值然後進行計算，但是單一的感測器所提供的信息似乎不能夠滿足實際飛行的要求，而且氣壓計有其難以忽視的缺陷：

（1）氣壓計測量時，雜訊干擾很大，數據不夠平滑；

（2）氣壓計所測數據會存在漂移現象；

（3）經實驗證明，氣壓計測量受溫度以及氣流干擾嚴重，低溫、強氣流環境下，氣壓計均無法測得准確數值。

加速度計也可以獲取飛控的位置信息，飛控通過加速度計獲取到當前的加速度以後，通過積分得到垂直速度信息，再積分即可獲取高度信息，如下：

但是加速度計同樣存在固有的缺陷問題，多次積分會使結果產生累積誤差，且加速度計的瞬時測量值誤差會比較大。

顯然，無法單獨依靠氣壓計或者加速度計提供准確的高度信息反饋到實際地控制中，考慮通過其他感測器與氣壓計的數據進行數據融合處理，以期望得到良好精確的高度信息。

互補濾波演算法是通過將氣壓計於加速度計測量得到的高度信息按照權重進行融合，以此為基礎結算高度信息，採用高通濾波器處理加速度細心，低通濾波器處理氣壓計信息，其中加速度計可以獲取飛控的垂直方向上的加速度，經過積分可以化的垂直方向的速度信息，整個演算法的核心思想是由地理坐標系下的加速度通過積分，來獲得速度、位置信息；經過2次修正陳尚可利用的信息，第一次是李忠感測器計算修正系數產生加速度的偏差修正加速度，第二次是利用修正系數修正位置；最後可利用速度經過加速度修正，可利用的位置經過了加速度和位置修正，加速度的修正過程是由機體測量的加速度通過減去偏差，再轉換到地理坐標系。

氣壓計主要的作用就是計算一個校正系數來對加速度偏移量進行校正。數據融合過程如圖所示：

加速度計測量的是無人機的加速度，測量值是機體坐標系下的，所以需將加速度值利用旋轉矩陣轉換為地面參考坐標系下的加速度。具體融合信息的實現過程如下：

（2）將加速度計測量的加速度通過旋轉矩陣轉換到地面參考坐標系下，轉換之前注意需要先去除加速度計的偏移量，因為地理坐標系下 z 軸加速度包含重力加速度，所以需要將重力加速度補償上去；

（3）計算氣壓計的校正系數，這個系數也就是需要用來校正加速度計的系數，具體公式為

（4）利用所求的氣壓計校正系數計算加速度計的偏移向量。 

（5）將加速度偏移向量轉換回機體坐標系，將轉換後的加速度積分，得到融合後的速度信息，再對速度信息積分，即可得到最終的高度估計值，最後將氣壓計矯正系數二次校正。

採集飛行數據並通過 Matlab 軟體模擬以後的結果如圖所示，可見融合以後的高 度較加速度計以及氣壓計單獨測的高度准確。

2.2 基於互補濾波的姿態解算

從飛行原理可以看出，無人機飛行過程中，最終的控制要回到姿態控制上面，通過具體的歐拉角度調整，從而控制無人機的飛行姿態。要完成無人機的e姿態控制，就需要採集到無人機當前的姿態，然後經過控制演算法，將無人機當前姿態調整到期望的姿態，姿態採集主要依靠飛控的慣性測量單元IMU，姿態解算精確與否直接關聯到無人機飛行位置精確與否。

飛行過程中，陀螺儀測量無人機的角速度，具有高動態性能，將角速度對時間積分可以得到三個歐拉角角度，陀螺儀數據在積分過程中，會形成累計誤差，累計誤差隨著時間增加不斷變大，所以短時間內陀螺儀測量值比較可靠。磁力計主要測量當前的磁場分布，即無人機與磁場之間的角度，這個角度即為偏航角，但是磁力計受周圍磁場干擾嚴重，實際測量中誤差較大。加速度計之前已經介紹過，不再贅述。

三種感測器再頻域上特性互補，所以本文考慮採用互補濾波融合這三種感測器的數據，實際是利用加速度計與磁力計融合後補償陀螺儀所測的姿態信息，提高測量精度和系統的動態性能。

三種感測器的數據融合過程如圖所示，陀螺儀經過高通濾波器，消除低頻雜訊，加速度計與磁力計經過低通濾波器，消除高頻雜訊。

利用旋轉矩陣將三個感測器所測量的歐拉角轉換為四元數形式，然後計算磁場的參考方向

計算重力分v與磁場分量w：

利用加速度，磁力計的值與重力分量，磁場分量求取誤差：

利用比例-積分處理上步所求誤差，然後利用所求的值補償陀螺儀產生的零漂現象， 最終結算得到當前姿態信息。

採集飛行數據並通過濾波以後的結果如圖 5.4 俯仰角，圖 5.5 滾轉角，圖 5.6 偏航角。

3. PID控制器設計

無人機定高飛行主要分兩種情況，一種是手動控制定高模式，此種模式下，無人機飛控仍然接收並執行遙控器指令信號，另一種是無人機自主飛行時，如航點飛行或者 offboard 模式等，設定無人機在一定高度下執行預設飛行任務，而不依靠遙控器信號指 令控制自身運動，而本文研究的是第二種定高模式。

在位置控制的背景下，本文中串級雙環 PID 控制系統專為實現避障系統而設計，保證四旋翼無人機可以准確的到達目標位置，並且在懸停時保持四旋翼的穩定性。整個雙迴路控制系統分為內環控制（姿態控制）和外環控制（位置控制）兩部分，其中外環控制中主要研究定高控制部分。

3.1 PID控制原理

PID 控制器是控制理論中最經典的控制演算法，PID 演算法簡單，可靠性高，被廣泛應用於過程式控制制與運動控制，PID 控制主要由比例，積分以及微分三個環節組成，通過這三個環節對輸入值與輸出值形成的差值分別做比例運算，積分運算和微分運算，將控制結果發送到被控對象以實現對系統的控製作用，閉環 PID 控制系統原理圖如圖所示。

PID 的三種環節中比例環節 P 的作用是直接將誤差的比例作為輸出，加快系統的響應速度，提高系統調節精度，但是較大的比例作用會使對象的輸出產生較大波動，太小的比例作用會使對象的輸出變換緩慢。積分用於將之前的誤差值與時間的比例累加起來作為輸出，積分環節 I 主要用於消除對象輸出穩定時的穩態誤差，但是會存在積分飽和情況。微分環節 D 將誤差隨時間的變化的斜率以比例的形式輸出，改善系統的動態性能， 主要用於縮短對象的上升時間，加快響應速度，達到超前調節的作用。使用 PID 控制器的過程中，既可以使用 PID 控制，也可以單獨使用 P、PI、PD 等控制，使用的過程即

3.2 串級PID控制器設計

本文把避障研究簡化到二維平面以後，整體的位置控制就被分為了兩部分：定高控制與平面位置控制。其中平面的位置控制即由機載設備發送平面位置，然後由飛控執行。

（1）高度控制器

因為高度信息是三維位置的垂直方向信息，所以在實際的飛控控制的無人機飛行的過程中，高度控制屬於位置控制的一部分，其中關於高度控制器的流程圖可以總結為下圖所示。

（2）姿態控制器

4. 本文小結

本文主要介紹避障過程中相關姿態以及位置高度的控制設計過程，要想控制效果好，首先解算要准確，再飛控資深所帶感測器具有固有缺陷的前提下，通過互補濾波演算法融合感測器數據，通過融合加速度計與氣壓結算無人機實際高度，融合加速度計、磁力計與陀螺儀數據解算無人機當前姿態信息；最後利用PID控制演算法，設計了串級PID高度控制器與串級PID姿態控制器。