搞四旋翼的兄弟应该都经历过这种场面——Simulink里模型搭了一半，PID参数随手填了个Kp=1, Ki=0.1, Kd=0.01，满怀信心地点下运行按钮，结果 Scope 里的曲线直接冲出天际，数值飙到十的几十次方，最后仿真直接停下报错“Input contains NaN or Inf”。这太正常了。四旋翼无人机控制系统里最难的不是写代码，而是把物理模型、控制器设计和仿真调试完整地串起来，让每个环节都能对得上号。

这篇文章就围绕一个很典型的项目——基于PID控制的四旋翼无人机系统Matlab仿真，把这个流程从头到尾拆开讲。从动力学方程怎么搭、级联PID为什么比单环PID靠谱、PID参数怎么一点点调到稳定，到仿真发散怎么定位问题，都会聊到。内容既是写给课程设计、毕业设计卡住的同学，也是给准备上手飞控、想搞明白“PID和无人机到底怎么结合”的工程师看的，目标是让你看完就能打开Matlab，自己搭一个能收敛的仿真模型。

1. 项目概述与整体设计思路

1.1 这个项目到底做了什么

这个项目本质上是一套四旋翼无人机的“虚拟飞控验证平台”。你要做的事情是：在Matlab/Simulink里建立四旋翼的六自由度动力学模型，设计PID控制律（姿态、高度，甚至位置），然后通过仿真曲线验证控制器能不能让无人机稳定悬停、按指令飞行。

整个系统的信息流是这样走的：给定期望姿态角（比如“横滚5度”），控制器根据当前姿态和期望姿态的偏差计算控制量，控制量映射到四个电机的转速，电机转速产生推力和力矩，推力和力矩输入给动力学模型，动力学模型更新位置和姿态，再反馈给控制器，如此循环。

把这个流程跑通之后，你能做的验证就很多了：比如让无人机从初始姿态20度俯仰角开始，看它能不能自己“摆正”；给它一个高度阶跃信号，看它能不能快速爬升到目标高度且不超调；或者给模型加一点传感器噪声，看PID的抗干扰能力如何。这些在真机上测试成本高、风险大，在仿真里却是几分钟的事。这正是做这个项目价值的核心——在烧钱摔机之前，先用仿真把控制器“磨”到基本可用。

1.2 为什么选择四旋翼、PID和Simulink这个组合

先说四旋翼。四旋翼是典型的开环不稳定系统，你把它放空中，不施加控制，它很快就会因为力矩不平衡而翻转坠地。这种“看起来简单、控制起来很难”的特性，让它成为学习控制理论的最佳试验田。相比固定翼，四旋翼的动力学耦合没那么复杂，但足够体现出控制算法的作用；相比倒立摆，四旋翼又有更实际的工程背景，做完还能往飞控方向延伸。

然后是PID。说实话，现在很多论文里都在上LQR、H∞、滑模控制、自抗扰这些高级算法，但真正常见飞控固件里用的、能在万里挑一的复杂环境中稳定跑起来的，还是级联PID。PID的好处是物理意义极其清晰——比例项管“现在偏差多大”、积分项管“历史积累了多少偏差”、微分项管“偏差变化得多快”，这三个词就能解释清楚，调试起来也直观。很多人觉得PID“太简单、没水平”，但真能把这个简单算法在非线性、强耦合的四旋翼上调到稳定飞行，你对控制系统的理解绝对不会浅。

最后是Simulink。用Simulink搭建这个系统，最大的优势是模块化。动力学模型可以做成一个子系统，控制器逻辑做成另一个子系统，输入信号、示波器都可视化，哪条信号线连错了、哪个量发散了一眼就能看出来。相比纯写代码，Simulink更适合验证控制思路，也特别适合做课程汇报和答辩演示。而且Matlab的Control System Toolbox提供了一堆分析工具，波特图、根轨迹、阶跃响应曲线，都能直接看，这比自己在纸上推公式直观得多。

2. 四旋翼动力学模型：仿真的地基

2.1 坐标系与运动方程，先别急着写代码

任何四旋翼仿真的第一步都是建立数学模型。不是找个现成方程抄进去就完事，而是要知道每个项背后的物理含义，否则后面仿真出问题你根本无从排查。

我们一般定义两个坐标系：地面坐标系（惯性系）和机体坐标系。地面坐标系固定在地面，用来描述无人机的位置（x, y, z）和三轴姿态角——横滚角φ、俯仰角θ、偏航角ψ；机体坐标系固定在无人机机身上，原点在质心，x轴指向机头，y轴指向右侧，z轴向下（有些定义里z轴向上，注意统一）。

四旋翼的动力学模型大体分为两部分。第一部分是线运动方程，由牛顿第二定律得到，作用在机身上的总外力包含重力、四个旋翼产生的升力，外力导致无人机产生线加速度；第二部分是角运动方程，由欧拉方程得到，旋翼产生的力矩导致无人机产生角加速度。如果把模型写全，是一组12阶的非线性微分方程——位置3个、速度3个、姿态角3个、角速度3个。

实际搭建仿真模型时，大多数人会做几个简化假设：机体视为刚体、质量分布对称、旋翼的推力和力矩与转速平方成正比、忽略空气阻力（或简化为线性阻尼）。这些假设在低速悬停场景下误差不大，但能让模型复杂度大幅下降。记住简化假设的前提很重要，你简化到哪里，模型的适用范围就到哪，后面分析结果时心里要有数。

2.2 Simulink模型搭建的模块划分

在Simulink里建模型，我强烈建议按物理意义拆分成几个子系统，而不是把所有方程写成一坨。一个清晰的模块划分是：

• 输入接口：接收四个电机转速（或油门指令）。
• 力/力矩计算模块：根据电机转速换算升力和力矩。
• 姿态动力学模块：输出角速度和姿态角。
• 位置动力学模块：输出速度和位置。
• 反馈输出：把当前姿态、角速度、位置送回控制器。

划分好模块后，每个子系统内部用积分器（Integrator）串联，就能搭建状态方程。比如姿态角的更新流程是：角加速度积分得到角速度，角速度再积分（通过旋转矩阵转换）得到姿态角。很多新手爱犯的一个错误是直接对角度求导再积分，忽略了坐标变换关系，这会导致角度计算在非小角度时出错。

直接在Simulink里用积分器和数学模块搭会比较繁琐，我通常用MATLAB Function模块写动力学方程，输入是控制量，输出是状态量的一阶导数，然后接积分器。这样做的好处是方程修改起来非常方便，也便于检查和对照公式。核心的动力学函数核心框架大概是这个样子：

function [dotPos, dotVel, dotEuler, dotOmega] = droneDynamics(omega, state, params) % 输入: % omega - 四旋翼电机转速向量 [w1 w2 w3 w4] % state - 当前状态 [x y z vx vy vz phi theta psi p q r] % params - 模型参数结构体 % 输出: % 各状态量的一阶导数 phi = state(7); theta = state(8); psi = state(9); p = state(10); q = state(11); r = state(12); % 算总升力与三轴力矩 F = params.k * sum(omega.^2); tau_phi = params.k * params.l * (omega(4)^2 - omega(2)^2); tau_theta = params.k * params.l * (omega(3)^2 - omega(1)^2); tau_psi = params.d * (omega(1)^2 - omega(2)^2 + omega(3)^2 - omega(4)^2); % 线运动方程（地面系） R = rotationMatrix(phi, theta, psi); accel = [0; 0; -params.g] + R * [0; 0; F / params.m]; % 角运动方程（机体系） Ix = params.Ix; Iy = params.Iy; Iz = params.Iz; dotp = (tau_phi + (Iy - Iz) * q * r) / Ix; dotq = (tau_theta + (Iz - Ix) * p * r) / Iy; dotr = (tau_psi + (Ix - Iy) * p * q) / Iz; % 欧拉角变化率与机体角速度的转换 dotPhi = p + q * sin(phi) * tan(theta) + r * cos(phi) * tan(theta); dotTheta = q * cos(phi) - r * sin(phi); dotPsi = q * sin(phi) / cos(theta) + r * cos(phi) / cos(theta); dotPos = [state(4); state(5); state(6)]; dotVel = accel; dotEuler = [dotPhi; dotTheta; dotPsi]; dotOmega = [dotp; dotq; dotr]; end

这里我想特别提醒一点：注意欧拉角更新公式在俯仰角θ接近±90度时会出现奇异值，因为tan(θ)和cos(θ)在分母上。如果你只做小角度姿态控制仿真，不会碰到这个问题；但如果做特技动作或大角度仿真，就必须用四元数替代欧拉角。我也见过课程设计里因为推杆太猛导致俯仰角接近90度、仿真直接发散的案例，排查半天发现是模型奇异，而不是控制器的问题。

2.3 模型参数怎么来：拍脑袋不如实测

很多同学拿到仿真任务第一件事是问“参数从哪里找”，其实四旋翼的模型参数不需要很精确，重点是量级要对。标准参考值大概是这样的：一架轴距450mm的入门级四旋翼，质量1kg左右，力臂0.225m，绕x/y轴的转动惯量在0.005~0.01 kg·m²的量级，绕z轴的转动惯量大约是x轴的两倍。如果你只是要做控制算法验证，用这个量级的数据就够了。

如果你是做毕业设计，要求参数尽量贴近真实，可以自己算或实测。质量用电子秤直接称；力臂用尺子量；转动惯量可以用两种方式得到一个参考值：一种是把四旋翼简化成“中心质量+四个电机质量”的模型，用CAD软件测量；另一种是悬挂法，把机体用细绳吊起来做扭转摆动，测量周期反算转动惯量。推力系数和阻力系数则可以通过台架测力实验拟合，把电机装在一个固定在台架上的力传感器上，给不同油门测出推力和转速，再做二次拟合。这些方法都不复杂，但拿到的数据比网上随便抄的参数靠谱得多。

3. PID控制器设计：从单环到级联

3.1 单环PID为什么搞不定四旋翼

如果只给四旋翼的横滚角设计一个单环PID——输入期望角度，输出控制量，也不是完全不能飞，但效果会很差，而且参数极难调。原因在于四旋翼姿态通道本身就像一个“积分型欠阻尼系统”，你通过PID直接控制角度，但这个环节里包含了角度到角速度的积分，以及角速度到力矩的惯性环节，等效后的被控对象阶次高、阻尼不足，单环的P增益稍微调大就容易振荡，调小了又反应迟钝。

打个比方，这就好比你想让车停到指定位置，但你只能控制油门，却不知道当前车速是多少，也没法感知车速变化。你只能根据“离目标还差多远”来踩油门或刹车，那结果必然是：近了就急刹车、远了就猛加速，很难平稳停下来。单环PID控制四旋翼姿态就是这个状态，它缺少对中间物理量——角速度的反馈。

3.2 级联PID：内环角速度、外环角度

实际飞控里用的都是级联PID（也叫串级PID）。以横滚通道为例，控制结构分内外两层：

• 外环角度环：输入期望横滚角φ_des，反馈当前横滚角φ，输出期望横滚角速度p_des。
• 内环角速度环：输入期望角速度p_des，反馈当前角速度p，输出横滚力矩指令。

外环通常只用P控制就够了，因为角度误差本身没有累积效应；内环一般用PD或者PID，P项提供转动角速度的“拉力”，D项抑制角速度变化率，起到阻尼作用。内环带宽要明显高于外环，工程上一般要求内环响应速度是外环的3到5倍，也就是内环“反应快”，外环“反应慢”，这样两个环才不会互相打架。如果用一句话总结调参方向：先调内环让角速度响应快又稳，再调外环让角度精准平滑。

高度通道的控制结构类似，可以设计成“外环高度+内环垂直速度”的级联形式。另外还有一个细节：如果你希望无人机在倾斜时保持位置不漂移，位置环（水平方向）也需要控制，通常是外环位置、中间环速度、内环姿态。位置环的输出是期望姿态角，这也是很多初学者容易绕晕的地方——位置和姿态两个通道不是孤立的，而是级联在一起。

3.3 控制量输出与执行器限幅

PID控制器输出的不是“油门”，而是“期望力矩”。要把力矩变成四个电机的转速指令，需要做控制分配。四旋翼的标准分配方式是这样的：总升力由四个电机共同承担；横滚力矩通过两侧电机差动实现；俯仰力矩通过前后电机差动实现；偏航力矩则利用“正反桨反转方向不同”的特性，让某一对电机转速升高、另一对降低，产生扭转力矩。

实际在Simulink里，我会先让控制器输出[F_des, tau_phi, tau_theta, tau_psi]，然后通过一个控制分配矩阵计算出四个电机的期望拉力，再根据“拉力与转速平方成正比”的关系换算成电机转速指令，最后接一个饱和模块，限制转速的最小值和最大值。这一步不做的话，仿真中PID很容易输出一个天文数字般的控制量，模型跑出来也是完全失真。限幅之后，你会发现模型的行为更接近真实系统，也更容易调参。

另外还要注意积分饱和问题。当执行器已经到达物理极限（比如油门已经100%），PID的误差还在持续累加，积分项会越积越大，导致执行器回到正常范围后控制系统出现明显超调。解决办法很直接：积分分离、对积分项做限幅，或者用条件积分——只在执行器未饱和时累加积分项。这段逻辑虽然简单，但能明显改善大角度机动后的恢复表现。

4. Matlab/Simulink仿真实现全流程

4.1 环境准备与工具箱

这个项目对Matlab版本没有太苛刻的要求，R2018b之后的版本基本都能流畅运行，我这边用的是R2021a。只需要基础Simulink和Matlab本体，如果你装了Control System Toolbox或者Aerospace Blockset，分析波特图和集成的飞行动力学模块会更方便，但没有也不影响你把模型跑通。

安装Matlab本身有个很容易踩的坑：安装路径不要带中文，甚至最好不要带空格。我见过不少同学因为装在D:\软件\Matlab或者C:\Program Files (x86)\MATLAB...下，导致Simulink里部分工具箱加载异常或者编译C代码时找不到路径。另外，Simulink的模型文件最好也放在纯英文路径下，避免后续做代码生成、处理数据时出现莫名其妙的字符编码问题。这类问题看着是小事，但排查起来能浪费你两小时。

4.2 从零搭建Simulink模型的完整步骤

我建议按照以下顺序搭建，每一步都验证，不要等全部搭完再跑，否则出问题都不知道是控制器错还是模型错：

1. 先建一个空白模型，添加Constant模块和Scope模块，验证信号通路是通的。
2. 搭动力学子系统。用MATLAB Function模块写入上节的动力学函数，外部接4路电机转速输入，输出12个状态量。用Demux把状态向量分出来，方便后续接示波器观察。
3. 搭控制器子系统。控制器输入是期望量和反馈量的误差，输出是四路电机转速指令。先用最简单的定值期望，比如横滚角期望为0、高度期望为1米。
4. 连接闭环。把动力学子系统的姿态角、角速度反馈给控制器，把控制器的电机转速接回动力学子系统。
5. 加信号观察。把期望角度、实际角度、高度、转速等关键信号用Mux汇总到同一个Scope，方便对比。
6. 配置仿真参数。求解器用变步长ode45，仿真时长根据场景设置，悬停验证10秒就够，轨迹跟踪可能需要30秒以上。

这里有一个Simulink用户容易忽略的点：如果出现“代数环（Algebraic Loop）”警告，你需要检查是不是有信号在同一个步长内既作为输入又作为输出。解决方法是在反馈回路里加一个Memory模块或者Unit Delay模块，人为延迟一拍。虽然这会让模型和真机有一点差异（真机也有传感器延迟嘛），但总比解不出来或者解出来不收敛好。

搭建完的Simulink模型，整体数据流应该是：期望 → 误差 → 外环P → 期望角速度 → 内环PD → 期望力矩 → 控制分配 → 电机转速（限幅） → 动力学模型 → 状态输出 → 反馈。这条链路清晰了，你调参时就能直接看出是哪一环出了问题。

4.3 级联PID参数整定的实操方法

参数整定可能是整个项目里最劝退人的环节，但其实你按照“先内环、后外环”“先P、后D、再I”的顺序来，会顺利得多。

我具体说一下横滚通道的整定过程。先把外环P设成一个很小的值（比如1.0），内环P从0开始慢慢加。给一个小的角速度阶跃指令（比如每秒30度），观察内环角速度响应。当内环P逐渐增大，角速度响应会变快，但会开始振荡，记下刚好出现持续振荡的增益，取它的50%~70%作为内环P的初值。加上内环D，你会看到角速度超调逐渐被抑制，曲线变得平滑。接下来调外环P：给角度阶跃指令，增大外环P让角度响应加快，但绝不能让外环输出超过内环能跟上的速度，否则内外环“打架”，姿态会抖动。最后，如果角度响应存在稳态误差，再在内环加一点积分项。

很多人一上来就同时调四个环的参数，或者直接抄别人论文里的PID数值，跑出来发散就崩溃。实际上，PID参数是跟你的模型参数强相关的，换一架四旋翼、换一套推力系数，最优参数就变了。抄来的参数最多给你一个量级参考，真正好用的参数必须自己一点点试出来。调参过程我会配合阶跃响应Scope曲线来看：上升时间是否太快、超调是否太大、响应是否振荡衰减、稳态误差是否为零，这些都是直观看得到的。

如果你不想完全手动试参，Matlab的Control System Designer或者Response Optimizer可以做自动整定。把被控对象是线性传递函数时用起来最顺手，但四旋翼模型是非线性的，自动整定不一定能直接套用。我的做法是：先用线性化模型粗调一组参数，再放到非线性模型里细调。这一步如果能做对，你的参数整定效率会比别人快一倍。

4.4 让仿真更真实的几个细节

一个只有“理想动力学+理想控制器”的仿真模型，调试起来虽然容易，但一旦脱离仿真上真机，基本会摔得很惨。原因是仿真忽略了太多真实因素。我建议至少给模型加三个“不理想”环节：

第一是传感器噪声。用Random Number模块给姿态和角速度测量加上白噪声，噪声方差参考真实MPU6050的量级（角速度噪声方差大约在0.01~0.05 (rad/s)²）。加了噪声之后，你会马上发现纯微分项对噪声极其敏感，D增益稍大一点，输出控制量就“布满毛刺”，这时候你就会理解为什么飞控里要做滤波，为什么D项不能盲目加大。

第二是执行器饱和与延迟。前面说的电机限幅是一个层面，执行器延迟则是另一个层面。电机的转速响应不是瞬间完成的，可以用一阶惯性环节来近似电机响应，时间常数在0.05到0.1秒左右。把这一环节加上，你会发现之前调好的参数可能需要重新微调，因为延迟会降低系统相位裕度。

第三是传感器采样和控制器计算周期。真实飞控不是连续系统，而是离散系统，控制频率一般在250Hz到1kHz。Simulink里可以用Rate Transition模块模拟采样周期。我发现很多课程设计完全忽略这一点，仿真步长用了ode45变步长，也没有采样的概念，出来结果“完美无瑕”，但写进单片机一看，控制频率跟不上，姿态早就发散了。仿真里加入离散化处理，才是真正在向工程落地靠近。

5. 仿真结果分析与调试实录

5.1 阶跃响应的几种典型表现

给期望高度一个从0到1米的阶跃信号，是测试高度控制器最基本也是最有信息量的做法。观察响应曲线，你能立刻判断控制器状态：

• 无控制时：高度曲线不上升，或者姿态发散导致高度数据乱飞。
• 纯比例控制：高度会上升，但可能存在稳态误差，比如最终稳定在0.85米而不是1米，这是因为消除这个误差需要非零的电机转速补偿重力，而纯P控制无法提供这个持续输出。
• 加入积分项后：稳态误差消失，但可能出现超调，比如冲到1.15米再回落。
• 级联高度+速度控制：响应曲线更平滑，上升过程中速度先快后慢，接近目标时平稳刹车。

姿态角阶跃响应（比如期望横滚角从0到10度）是另一个必看的指标。理想情况下应该做到：上升时间在0.5到1.5秒之间，超调小于5%，调节时间小于3秒，稳态误差为零。如果你的曲线像“弹簧一样来回弹”，说明阻尼不足，加内环D；如果响应慢吞吞，说明P太小或者外环限制了响应速度。

5.2 仿真发散问题排查：最常踩的坑排名

仿真发散可以说是这个项目里出现频率最高的故障，而且新手遇到之后第一反应往往是疯狂调PID参数，结果越调越发散。其实发散的原因可能根本和参数无关。我按出现概率排个序：

第一位：PID输出符号反了。这听着很蠢，但真的特别常见。期望角度减去反馈角度，如果写成反馈减期望，那整个控制就变成正反馈，系统必然发散。排查方法很简单：控制器输入给一个正的角度偏差，看控制量输出来的是正还是负，再对照动力学模型里力矩的正方向定义，符号错一次就发现了。

第二位：求解器步长太大或者模型代数环导致数值不稳定。Simulink默认的变步长ode45大多数情况下能正确解算，但如果你发现仿真在某个瞬间指数发散，步长曲线骤减，很可能是模型存在快动态，刚性问题。这时候可以尝试把最大步长限制在0.01秒或者0.001秒，或改换ode15s刚性求解器，往往立竿见影。

第三位：控制器增益数量级不对。常见问题是P和D的数值没有按物理单位匹配，角速度用rad/s还是deg/s没统一，造成D项巨大或微小。做仿真前先确认所有单位一致，我习惯全用国际单位（弧度、米、秒），只在最后显示特性和画图时转成角度。

第四位：模型里的某条信号线接错了。比如把p（横滚角速度）接到了俯仰通道的输入端，控制器符号全对，但通道接错，照样发散。排查方式是分别给横滚、俯仰、偏航通道单独输入阶跃，看对应输出通道是不是对应变化。

5.3 调试实录：起飞瞬间姿态发散

以一个我调过的案例为例。模型和控制器都搭好了，悬停仿真前2秒姿态还能稳住，但第三个电机转速指令一增大，横滚角就开始振荡，振幅越来越大，最后发散。我按经验没有先动PID，而是把积分项清零，重新仿真，振荡立刻大幅缓解。再检查积分限幅，发现根本没做限幅，积分项在姿态误差增大时不断累积，形成了“误差大→积分大→控制过冲→误差反相→积分继续累积”的恶性循环。加上积分限幅之后，系统立刻稳定下来。这个案例说明：很多发散问题不是PID“不够强”，而是“过于强且没有保护机制”，尤其在执行器饱和的情况下，积分项就是发散的第一嫌疑人。

5.4 阶跃响应指标怎么看

完成一组控制参数整定后，我用下面的表格记录关键指标，方便对比不同参数组的效果：

这些指标对四个通道的要求不一样。姿态通道要求快速但严格控制超调，高度通道可以接受略慢的响应但要求无稳态误差，偏航通道通常只做角速度控制或简单角度控制，响应相对较快。记录指标还有一个用处：答辩或者汇报时，能直接展示“调节前超调25%、调节后4.2%”的对比，比说一句“我调了参数”有说服力得多。

6. 常见问题与避坑指南速查表

6.1 高频问题与对应解决方案

6.2 仿真到实物过渡的几条经验

最后，如果你做完仿真以后真的要往飞控上移植，有几点经验必须先说清楚。

仿真和实物的差距主要来自四个方面：模型误差（仿真忽略了空气阻力、桨叶形变等）、执行器延迟（电机响应不是一阶惯性那么简单）、传感器噪声与延迟、离散化精度。你在仿真里调出来的参数放到真机上大概率要往小里调，尤其D项和积分项，在真机上最容易引发高频振荡。我刚接触飞控时在仿真里把D加得很大，姿态曲线“笔直”，结果上真机后电机嗡嗡作响、机体抖动得厉害，这就是D项放大传感器噪声在高频段造成的影响。

如果你已经在做“裸机PID控制”，也就是在STM32这类单片机上直接用C语言实现PID，而不依赖现成飞控框架，那仿真阶段多准备一份离散化PID就很有价值。仿真里用的是连续PID，移植到单片机时要改成位置式或增量式离散PID，控制周期一般在2~4毫秒（对应250~500Hz）。建议在Simulink里先按这个周期做离散化仿真，确认稳定性后再写进C代码，能省掉不少烙铁和电池的费用。

另外，如果你以后要接霍尔编码器电机做小车或者自稳台，仿真里积累的“先内环后外环”“先P后D再I”那套整定方法论是完全通用的。我在调编码器电机速度环时，几乎就是把四旋翼角速度环的整定步骤原封不动搬过去：从零开始加P到临界振荡，退回一半，再加D，最后少量I消除静差。方法论一旦学会了，换什么被控对象都不会慌。

7. 写在最后的一点体会

做完这套四旋翼PID仿真之后，我个人最大的体会是：控制系统的设计能力不是靠背公式堆出来的，而是在“建模—仿真—调参—发现发散—再改模型—再调参”这个循环里磨出来的。第一次把一个看起来毫无希望的振荡模型调到稳稳定定地悬停在1米高度，那个成就感确实很值。

最后分享一个建议：别偷懒用别人已经调好的模型——哪怕是GitHub上开源的，也建议自己照着搭一遍。你亲手搭过一遍、调过一遍、发散过一遍又解决了，才能真正说出“我掌握PID控制四旋翼”这句话。按照上面这套流程走完，你得到的不仅是一个能跑的仿真，还有一整套调试方法论，后面无论是写论文、做比赛，还是上真机飞控，都够用。