1. 从“角度”切入飞行姿态调整的数学本质最近在准备一个数学建模竞赛题目是关于飞机飞行的。很多同学一看到“调整飞行角度”这个表述第一反应可能就是去翻空气动力学教材找升力公式、阻力公式然后开始列微分方程。这当然没错但往往容易陷入复杂的物理细节而忽略了数学建模的核心——用合适的数学模型抓住问题的关键矛盾并给出可执行的解决方案。“调整飞行角度使飞机顺利飞行”这个命题听起来像是一个控制问题或者优化问题。它的核心是什么我认为是在动态变化的环境约束下如气流、任务要求寻找一个最优或可行的飞行姿态序列使得飞机能够稳定、高效、安全地从A点到达B点。这里的“顺利”可以量化成多种目标可能是能耗最低、时间最短、颠簸最小或者是满足特定航迹要求。那么“飞行角度”具体指什么在航空领域这通常指的是三个核心欧拉角俯仰角Pitch、滚转角Roll、偏航角Yaw。俯仰角控制飞机爬升或下降滚转角控制飞机转向倾斜偏航角控制机头左右指向。调整它们就相当于驾驶员在操纵杆和方向舵上的输入。我们的数学模型就是要代替驾驶员计算出在什么时间点给出多大的“角度调整指令”。所以这个建模问题可以剥离掉复杂的飞机外形和发动机细节抽象为一个刚体运动学与动力学控制问题。我们需要建立描述飞机质心移动和姿态变化的微分方程运动学以及描述外力重力、气动力、推力如何影响这种变化的方程动力学。然后“调整角度”就转化为对这些微分方程施加控制输入即改变欧拉角或其变化率并求解控制律的问题。2. 模型基石如何用数学描述飞机的“一举一动”要调整角度首先得知道角度是如何影响飞机运动的。这就必须建立一个简化的飞机运动模型。对于数学建模竞赛而言使用完整的六自由度6-DOF模型可能过于复杂我们可以从更基础的质点模型和刚体二自由度模型入手这已经能解决很多“顺利飞行”的问题了。2.1 核心坐标系与欧拉角首先必须定义清楚坐标系这是所有计算的基准。地面坐标系惯性系固定在地面用于描述飞机的位置X, Y, Z和航迹。机体坐标系固定在飞机上原点在质心。X轴指向机头Y轴指向右翼Z轴垂直向下按右手定则。我们关心的俯仰角θ、滚转角φ、偏航角ψ就是描述机体坐标系相对于地面坐标系的姿态。欧拉角变换是有顺序的通常按照“偏航-俯仰-滚转”Z-Y-X的顺序进行。这意味着我们先让飞机绕地面系的Z轴转ψ角偏航再绕新Y轴转θ角俯仰最后绕新X轴转φ角滚转。这个顺序很重要因为欧拉角变换不可交换。2.2 质点运动学模型先把飞机看成一个点如果我们只关心飞机飞行的路径而不关心其姿态细节可以将其视为一个有质量的点。此时“调整角度”简化为调整其速度矢量的方向。模型非常简单位置更新[X_{k1}, Y_{k1}, Z_{k1}]^T [X_k, Y_k, Z_k]^T V_k * Δt * [cos(γ)cos(χ), cos(γ)sin(χ), -sin(γ)]^T这里V是空速相对于空气的速度大小γ是航迹倾斜角爬升角χ是航迹方位角。通过调整γ和χ我们就间接调整了飞行路径。这个模型常用于航路规划和初步的轨迹优化。2.3 刚体二自由度模型引入姿态动力学要真正理解“调整俯仰角/滚转角”就必须引入转动动力学。一个非常经典且实用的简化是纵向模型和横侧向模型的解耦分析。纵向运动模型主要在垂直平面关注俯仰角θ和空速V、高度H的关系。核心方程涉及升力、阻力、重力和推力在纵向的平衡。一个典型的线性化小扰动纵向方程可以写成状态空间形式ẋ A*x B*u其中状态变量x可能包含空速变化量u 攻角变化量α 俯仰角速率q 俯仰角θ。输入u就是升降舵偏角δ_e它是驾驶员拉杆操纵直接导致俯仰角变化。在这个模型里我们的目标就是设计控制律通过δ_e来控制θ进而控制爬升率和高度。横侧向运动模型主要在水平平面关注滚转角φ和偏航角ψ。核心是协调转弯。要使飞机顺利转弯而不侧滑需要满足“协调转弯”条件滚转角φ产生的升力水平分量提供向心力同时用方向舵抵消偏航阻尼。转弯半径R与滚转角φ、空速V的关系可近似为R ≈ V^2 / (g * tan(φ))。这里调整滚转角φ就直接决定了转弯的急缓。注意在实际建模中我们很少直接控制欧拉角θ和φ因为它们是“姿态”。我们控制的是舵面升降舵、副翼、方向舵。舵面偏转产生气动力矩力矩引起角加速度角加速度积分得到角速度角速度积分才得到欧拉角。这是一个二阶关系。因此更精确的模型会以角速度p, q, r作为状态变量。2.4 力与力矩的来源气动系数是关键上述动力学方程中的力升力L、阻力D和力矩俯仰力矩M、滚转力矩L_m、偏航力矩N如何计算这离不开气动系数。它们是攻角α、侧滑角β、舵面偏角、以及无量纲角速度如p*b/(2V),q*c/(2V)的函数。通常采用线性化模型C_L C_{L0} C_{Lα}*α C_{Lδ_e}*δ_e ...C_m C_{m0} C_{mα}*α C_{mδ_e}*δ_e C_{mq}*(q*c/(2V)) ...这些系数C_{Lα},C_{mα}等是飞机的固有属性可以从风洞实验或CFD计算中获得在建模比赛中往往作为已知参数给出。我们的调整策略最终都体现在如何影响这些气动系数上。3. “顺利飞行”的目标函数与约束条件建模定义了模型接下来要定义什么是“顺利”。这需要我们将模糊的“顺利”转化为精确的数学目标函数和约束条件。3.1 常见的目标函数我们想优化什么最短时间J ∫ dt从初始时刻到终端时刻的积分最小。适用于紧急任务或竞速。最省燃料J ∫ ṁ_fuel dt燃料消耗率对时间的积分最小。这是民航领域最核心的经济性指标。燃料消耗率通常与发动机推力或功率有关。最舒适颠簸最小J ∫ (a_z^2) dt将垂直加速度的平方对时间积分最小化。这模拟了乘客感受到的颠簸程度。轨迹跟踪误差最小J ∫ [(X-X_{ref})^2 (Y-Y_{ref})^2 (Z-Z_{ref})^2] dt使实际航迹尽可能贴近一条给定的理想航迹。控制能量最小J ∫ (δ_e^2 δ_a^2 δ_r^2) dt最小化舵面偏转的幅度这有助于减少舵机磨损和能耗。在实际建模中可能需要组合多个目标例如“在保证不超过最大过载的前提下尽可能省油地飞抵目标”。3.2 必须遵守的约束条件飞行的“红线”状态约束过载约束法向过载n_z必须保持在安全范围内如民航客机通常为-1g到2.5gn_z L / (mg)。大过载不仅乘客不适还会损伤飞机结构。姿态角约束滚转角φ通常有绝对值限制如±30°以防失速或失控。俯仰角θ也有安全包线。空速约束速度必须介于失速速度V_stall和最大允许速度V_max之间。高度约束必须高于地面障碍物同时可能低于某个空域上限。控制输入约束舵面偏角限制|δ_e| ≤ δ_{e,max}|δ_a| ≤ δ_{a,max}|δ_r| ≤ δ_{r,max}。舵片只能偏转那么多。舵面偏转速率限制舵面偏转的速度也是有限的|δ̇| ≤ δ̇_max。这限制了姿态变化的快慢。终端约束在最终时刻t_f飞机必须到达指定位置(X_f, Y_f, Z_f)并且可能要求速度矢量方向与跑道对齐着陆场景或者速度、高度达到特定值。3.3 动态环境约束风与紊流的影响“顺利飞行”几乎总是在有风的环境中进行的。风尤其是突风是破坏飞行顺利的主要因素。我们需要将风矢量W [W_x, W_y, W_z]^T纳入模型。地速与空速飞机相对于地面的速度地速V_g等于空速V_a加上风速WV_g V_a W。导航和轨迹跟踪是基于地速的而气动力升力、阻力的计算依赖于空速。这是一个关键点你为了对抗侧风保持航迹就需要让机头偏向上风方向形成偏航角这会产生侧滑为了补偿侧滑又可能需要压一点坡度滚转角。这个调整过程本身就是一个经典的“航迹修正”控制问题。紊流建模对于高保真度的“顺利”建模可能需要考虑紊流。紊流可以建模为在平均风基础上的随机扰动例如使用Dryden或Von Karman紊流谱模型生成随机的时间序列叠加到风速上。这会使得控制问题变成一个随机最优控制或鲁棒控制问题。4. 求解策略从经典控制到最优控制模型和目标都有了怎么解如何算出那一系列“该调整的角度”这里有几个层次的解决方法。4.1 层次一经典PID控制与自动驾驶仪模拟这是最直观、最工程化的方法。我们为每一个需要控制的“环”设计一个PID控制器。高度保持环外环。输入是高度误差输出是目标俯仰角。内环是俯仰角保持环输入是俯仰角误差输出是升降舵指令。航向保持环外环。输入是航向误差输出是目标滚转角。内环是滚转角保持环输入是滚转角误差输出是副翼指令。空速保持环通过油门控制。这样当我们想让飞机爬升到新高度时就给高度环一个目标值它会产生一个目标俯仰角比如5°上仰俯仰角环会驱动升降舵使飞机抬头直到实际俯仰角达到5°。在这个过程中空速可能会变化空速环会自动调整油门。这种层级控制结构就是现代自动驾驶仪的核心逻辑。在建模中我们可以用Simulink等工具搭建这样的控制框图通过调整PID参数比例、积分、微分系数来获得“顺利”的响应曲线快速、无超调、稳态误差小。4.2 层次二基于状态空间的线性二次型调节器LQR当我们的模型是线性状态空间形式ẋ Ax Bu且目标函数是状态和控制输入的二次型J ∫ (x^T Q x u^T R u) dt时LQR可以提供最优的全状态反馈控制律u -K x。矩阵K可以通过求解Riccati方程得到。这非常适合“稳定飞行”场景。例如我们设计一个LQR控制器让飞机在平飞状态某个平衡点附近能够自动抵抗小的扰动如阵风迅速恢复到原状态。Q和R矩阵的权重选择决定了控制器是更激进地消除状态偏差大Q还是更温柔地使用舵面大R。通过调整Q和R我们可以在“响应速度”和“乘坐舒适度/能耗”之间取得平衡。4.3 层次三轨迹优化与最优控制这是最通用、最强大的方法直接求解我们之前定义的最优控制问题。问题可以表述为 寻找控制输入历史u(t)和对应的状态轨迹x(t)在满足动力学方程ẋ f(x, u, t)和路径约束g(x, u, t) ≤ 0的前提下最小化目标函数J φ(x(t_f)) ∫ L(x, u, t) dt。求解方法主要有两种直接法将连续时间问题离散化。把整个飞行时间分成N段控制输入u在每个时间段内假设为常数或简单函数如线性状态x通过数值积分如龙格-库塔法向前传播。这样最优控制问题被转化为一个大规模的非线性规划问题NLP可以使用IPOPT、SNOPT等求解器求解。工具推荐MATLAB的fmincon优化函数或者更专业的工具包如GPOPS-II、CasADi。这种方法直观能直接处理各种复杂约束。间接法庞特里亚金极小值原理引入协态变量拉格朗日乘子将最优控制问题转化为一个两点边值问题。这需要推导一阶最优性条件哈密顿系统求解通常更困难但对理解问题本质很有帮助。在建模中的应用假设题目要求飞机从机场A爬升并巡航到机场B要求总油耗最小。我们可以将整个过程离散化为多个阶段爬升、巡航、下降建立包含发动机油耗模型、气动模型的完整动力学方程以油门和舵面为控制量以位置、速度、姿态为状态量以过载、空速、姿态角为约束以总油耗为目标用直接法进行求解。最终得到的结果就是一套最优的飞行剖面高度-距离曲线和对应的控制历史油门、舵面随时间变化曲线从中我们可以解读出每个时刻“应该调整的角度”是多少。4.4 层次四模型预测控制MPC——应对不确定性的利器MPC结合了最优控制和反馈控制的优点。它在每个控制周期内根据当前飞机状态预测未来一段时间预测时域的状态演化。求解一个有限时域的最优控制问题通常用直接法得到未来一段控制时域内的最优控制序列。只实施该序列的第一个控制指令。到下一个周期重复以上步骤。MPC的强大之处在于其处理约束和应对扰动的能力。风扰动了飞机没关系下一个控制周期MPC会根据新的状态重新规划自动调整角度来抵消风的影响。它实时地、滚动地求解“调整角度”的问题是实现复杂环境下“顺利飞行”的先进策略。计算复杂度是其主要挑战但随着硬件发展其在航空中的应用越来越广。5. 建模实战一个简化案例的完整推演让我们用一个极度简化的二维平面飞行案例把上述概念串起来。任务飞机在恒定高度飞行初始位置(0,0)初始航向朝东0度。目标飞到(10000, 0)点并让机头重新朝东。要求飞行时间尽量短但转弯时滚转角不能超过30度且法向过载不能超过1.5g。假设空速V恒定。步骤1建立模型我们使用质点模型并忽略高度变化。状态变量为x东向位置y北向位置χ航迹方位角。控制变量为φ滚转角假设协调转弯侧滑角为0。 动力学方程ẋ V * cos(χ)ẏ V * sin(χ)χ̇ (g * tan(φ)) / V由协调转弯公式R V^2/(g*tanφ)和χ̇ V/R推导而来步骤2定义目标与约束目标函数最小化终端时间t_f。这是一个最小时间问题。 路径约束|φ| ≤ φ_max 30°|n_z| ≤ 1.5。在协调转弯中法向过载n_z 1/cos(φ)。因此|φ| ≤ arccos(1/1.5) ≈ 48.2°。显然30°的滚转角约束更严格成为主导约束。 终端约束x(t_f)10000,y(t_f)0,χ(t_f)0。步骤3问题分析与求解这是一个典型的Bang-Bang控制问题。为了最快到达目标点飞机应该以最大允许滚转角±30°进行转弯。观察任务需要先转弯调整航向角χ再直飞最后可能再微调航向。 实际上由于起点航向0°已经指向目标点方向似乎不需要转弯但目标点(10000,0)在正东起点(0,0)航向0°这已经是直线。这个例子太简单。我们修改一下让目标点在(5000, 5000)即东北方向45°。那么最优策略很可能是以最大正滚转角右压坡度导致左转弯转弯直到航向角χ指向目标点方向45°然后改平φ0直线飞行在接近目标点时可能需要一个反向的转弯来精确对准最终航向0°。这个“接近目标点”的时刻需要优化。步骤4数值求解直接法思路将时间t离散为N个点t_0, t_1, ..., t_Nt_N t_f。控制量φ在每个区间为常数设为优化变量φ_0, φ_1, ..., φ_{N-1}。状态量x, y, χ通过数值积分如欧拉法从初始状态开始传播χ_{k1} χ_k (g * tan(φ_k) / V) * Δtx_{k1} x_k V * cos(χ_k) * Δty_{k1} y_k V * sin(χ_k) * Δt优化变量φ_0, ..., φ_{N-1} 以及总时间t_f或等价的Δt。目标最小化t_f。约束路径约束|φ_k| ≤ 30°。终端约束x_N ≈ 5000,y_N ≈ 5000,χ_N ≈ 0可以设为软约束即允许小误差在目标函数中加惩罚项。使用非线性规划求解器如fmincon求解。最终得到的φ_k序列就是“调整飞行角度”的最优策略。步骤5结果解读求解器会给出一个最优的φ(t)曲线。我们很可能会看到一条先为30°后为0°最后为-30°的曲线。对应的航迹是一条Dubins路径直线-圆弧-直线的变体。这就是数学建模给出的“顺利飞行”此处为最快飞行的角度调整方案。6. 从模型到代码实现与验证的关键环节建好模型、设计好求解策略后必须通过编程实现和数值仿真来验证方案的有效性。这里有几个容易踩坑的地方。6.1 数值积分器的选择在仿真动力学方程ẋ f(x, u)时积分步长和方法至关重要。欧拉法最简单x_{k1} x_k f(x_k, u_k)*dt。但精度低稳定性差对于刚性问题或大步长容易发散。仅适用于最简单的教学模型和极小的dt。龙格-库塔法RK4最常用的中级方法。精度为四阶在大多数飞行仿真中表现良好。MATLAB中的ode45变步长RK是首选。在自行编写时RK4是一个可靠的基准。对于刚性问题如果模型包含快慢相差很大的动态如刚体姿态动力学与发动机动力学耦合可能需要使用刚性求解器如MATLAB的ode15s。实操心得始终用ode45开始你的仿真。如果发现计算异常缓慢或报错“刚度检测”再换用ode15s。仿真步长dt应小于系统最快动态时间常数的1/10。例如俯仰角速率回路可能非常快时间常数0.1秒那么dt最好小于0.01秒。6.2 单位制的统一与量纲检查这是新手最容易出错的地方错误会导致结果完全失真甚至数值溢出。坚持使用国际单位制长度用米(m)速度用米/秒(m/s)角度用弧度(rad)质量用千克(kg)力用牛顿(N)。特别注意很多气动数据表提供的角度可能是度(°)在代入三角函数sin(),cos(),tan()前务必转换为弧度。在MATLAB中sind(),cosd()等函数可以直接接受度但为了统一我强烈建议在代码开始就把所有输入转换为弧度。进行量纲检查在写出每一个方程后手动检查等式两边的量纲是否一致。例如χ̇ g*tan(φ)/V左边是弧度/秒(rad/s)右边是(m/s²) / (m/s) 1/s量纲一致弧度是无量纲的。这一步能避免很多低级错误。6.3 控制器设计与调参的工程经验无论是PID还是LQR调参都有技巧。PID调参遵循“先P后I最后D”的原则。比例P逐渐增大P直到系统出现等幅振荡。此时增益记为K_u振荡周期记为T_u。积分I根据齐格勒-尼科尔斯法则对于PI控制器K_p 0.45*K_u,T_i 0.85*T_uK_i K_p / T_i。然后微调。微分DD项能抑制超调但会放大噪声。在实际飞行控制中对姿态角速率如q的微分反馈比直接对姿态角微分更常用这相当于增加了阻尼。LQR权重选择Q和R矩阵通常取对角阵。一个实用的方法是Bryson法则将每个状态变量和控制量的最大允许偏差的平方的倒数作为对应Q或R对角线元素的初始值。例如如果希望俯仰角θ的偏差不要超过0.1 rad那么Q_θ可以设为1/(0.1^2) 100。然后在此基础上进行缩放和微调。6.4 可视化让结果自己说话仿真结果必须通过图表清晰呈现。必须有的图三维航迹图显示飞机在空间中的飞行路径。时间序列图将关键状态量高度、空速、俯仰角、滚转角和控制量舵面偏角、油门随时间的变化画出来。相平面图对于分析稳定性非常有用例如画出俯仰角θ与俯仰角速率q的关系。进阶分析蒙特卡洛仿真为了验证控制系统的鲁棒性可以在关键参数如气动系数、风速上添加随机扰动进行上百次仿真统计性能指标如着陆点散布、最大过载的分布情况。频域分析对线性化模型进行波特图、奈奎斯特图分析评估系统的稳定裕度幅值裕度、相位裕度。7. 总结与延伸思考通过上面的讨论我们可以看到“调整飞行角度使飞机顺利飞行”这个看似具体的问题背后是一套完整的数学建模与控制理论体系。从最基本的运动学关系到复杂的非线性最优控制解决问题的工具层次丰富。在数学建模竞赛中关键在于根据题目提供的具体信息数据粒度、问题焦点选择合适的模型复杂度和求解方法。我个人在类似建模中的体会是不要一开始就追求最复杂的模型。从一个能反映核心物理的简化模型如质点模型协调转弯假设入手把优化问题的框架搭起来得到初步结果。这个结果往往已经能揭示最优策略的形态比如Bang-Bang控制。然后再考虑增加模型保真度如加入俯仰动力学、发动机模型看最优策略如何变化。这种由简入繁的迭代过程既能保证项目进度又能加深对问题本质的理解。最后这个问题的外延非常广。所谓的“顺利”在今天可以引申为很多智能化的要求。例如在密集空域中的冲突解脱本质上就是多架飞机各自调整飞行角度航向、高度在满足安全间隔约束下的协同优化问题。再比如考虑突风扰动的鲁棒轨迹规划或者考虑发动机故障的应急着陆轨迹生成都是这一核心问题的变体和深化。掌握了这套从建模到求解再到验证的完整流程就拥有了分析和解决一大类运动体控制与优化问题的钥匙。