无人机飞行动力学深度解析：从坐标系建模到稳定操纵的完整理论体系

摘要：本文以南京航空航天大学昂海松教授主讲的《无人机设计导论》国家级精品MOOC课程为核心参考，系统梳理无人机飞行动力学的完整理论体系。从坐标系定义、六自由度运动方程建模到飞行稳定性与操纵性分析，涵盖第9章《无人机飞行动力学》的全部核心知识点，并结合第5章空气动力学基础与第10章飞行控制技术，构建从理论到实践的完整知识链路。本文适用于无人机总体设计、飞控算法开发及仿真验证的工程技术人员参考。

引言：飞行动力学——无人机设计的理论基石

飞行动力学是无人机总体设计的基础理论，也是连接气动外形设计与飞行控制系统之间的桥梁。南京航空航天大学昂海松教授在《无人机设计导论》课程第9章中明确指出：飞行动力学的核心任务是建立无人机的运动数学模型，分析其在各种飞行状态下的稳定性和操纵性，为控制系统设计和飞行品质评估提供理论依据。

与有人驾驶飞机相比，无人机的飞行动力学分析有其特殊性：

• 无飞行员在环：所有稳定性和操纵性指标必须完全由飞控系统保证
• 尺寸效应显著：小型无人机的雷诺数低，气动特性与大飞机存在本质差异
• 构型多样化：固定翼、多旋翼、倾转旋翼等不同构型各有独特的动力学特性
• 飞行包线扩展：从低速巡航到大过载机动，动力学特性呈现强非线性

本文将以南航MOOC课程体系为框架，从坐标系定义出发，逐步深入到六自由度建模、稳定性分析和操纵性评估，最后讨论飞行动力学在实际工程中的应用。

一、无人机飞行动力学的坐标系体系

1.1 坐标系的定义与作用

任何飞行动力学分析都始于坐标系的选择。昂海松教授在课程9.1节中强调了坐标系对动力学建模的基础性作用——错误的坐标系选择会导致运动方程形式复杂化甚至物理意义混淆。

无人机飞行动力学中常用的四个坐标系：

（1）地面坐标系（Earth-Surface Coordinate System） $O_g x_g y_g z_g$

• 原点固定于地面某点（通常是起飞点或导航参考点）
• $x_g$轴指向正北，$y_g$轴指向正东，$z_g$轴垂直指向地心
• 用途：描述无人机的位置、航迹和导航信息
• 在惯性导航中，通常近似视为惯性坐标系

（2）机体坐标系（Body-Fixed Coordinate System） $O_b x_b y_b z_b$

• 原点位于无人机质心
• $x_b$轴沿机体纵轴指向前方（通常与机身轴线平行）
• $y_b$轴垂直于对称平面指向右翼
• $z_b$轴按右手定则指向下方
• 用途：描述力矩、角速度、姿态角以及作用在机上的气动力和推力

（3）速度坐标系（Wind Coordinate System） $O_w x_w y_w z_w$

• 原点位于无人机质心
• $x_w$轴沿来流速度方向（即空速向量方向）
• $z_w$轴在对称平面内垂直于$x_w$轴指向下
• $y_w$轴按右手定则确定
• 用途：描述气动力的产生机理——升力垂直于速度向量，阻力平行于速度向量

（4）航迹坐标系（Flight-Path Coordinate System） $O_k x_k y_k z_k$

• 原点位于无人机质心
• $x_k$轴沿地速方向（即航迹方向）
• 用途：描述爬升/下滑角和航迹方位角

1.2 坐标系间的转换关系

坐标变换是飞行动力学分析的核心运算。昂海松教授在9.1节中详细推导了三个关键变换矩阵：

机体→地面（姿态角变换）：

地面坐标系到机体坐标系的变换由三个欧拉角决定：

1. 偏航角 $\psi$：绕 $z_g$ 轴旋转
2. 俯仰角 $\theta$：绕 $y$ 轴旋转
3. 滚转角 $\phi$：绕 $x_b$ 轴旋转

转换矩阵 $C_b^g$：

$$C_b^g = \begin{bmatrix} \cos\theta\cos\psi & \sin\phi\sin\theta\cos\psi - \cos\phi\sin\psi & \cos\phi\sin\theta\cos\psi + \sin\phi\sin\psi \\ \cos\theta\sin\psi & \sin\phi\sin\theta\sin\psi + \cos\phi\cos\psi & \cos\phi\sin\theta\sin\psi - \sin\phi\cos\psi \\ -\sin\theta & \sin\phi\cos\theta & \cos\phi\cos\theta \end{bmatrix}$$

速度→机体（气流角变换）：

速度坐标系到机体坐标系的变换通过迎角 $\alpha$ 和侧滑角 $\beta$ 实现：

$$C_w^b = \begin{bmatrix} \cos\alpha\cos\beta & -\cos\alpha\sin\beta & -\sin\alpha \\ \sin\beta & \cos\beta & 0 \\ \sin\alpha\cos\beta & -\sin\alpha\sin\beta & \cos\alpha \end{bmatrix}$$

工程实践要点：

在进行飞控算法开发时，万向锁问题是欧拉角表示法必须关注的重要约束。当俯仰角 $\theta = \pm 90^\circ$ 时，滚动和偏航角无法唯一确定，这一奇异性限制了欧拉角在机动飞行仿真中的应用。对于需要全姿态运动的无人机（如特技飞行、垂直起降转换过程），建议采用四元数（Quaternion）描述姿态。

1.3 角速度与姿态角速率的关系

姿态角的导数与机体角速度之间的关系是飞行动力学建模的关键：

$$\begin{bmatrix} p \\ q \\ r \end{bmatrix} = \begin{bmatrix} 1 & 0 & -\sin\theta \\ 0 & \cos\phi & \sin\phi\cos\theta \\ 0 & -\sin\phi & \cos\phi\cos\theta \end{bmatrix} \begin{bmatrix} \dot{\phi} \\ \dot{\theta} \\ \dot{\psi} \end{bmatrix}$$

这一关系在9.1节中被多次强调——它是连接运动学与动力学的桥梁。

二、无人机飞行动力学建模

2.1 建模的基本假设

昂海松教授在9.2节中首先明确了动力学建模的基本假设：

刚性体假设：将无人机视为理想刚体，忽略结构弹性变形对运动的影响。对于中小型无人机（翼展<10m），这一假设在工程设计中被广泛接受。当考虑大型无人机或柔性机翼构型时，需要引入气动弹性力学分析方法。

对称面假设：假设无人机具有纵向对称平面（$x_b$-$z_b$平面）。这一假设将动力学模型自然解耦为纵向运动和横侧向运动，极大简化了分析过程。大多数常规布局无人机（如Global Hawk、Predator）均满足此条件。

大地坐标系假设：假设地球表面为平面，忽略曲率效应和旋转影响。对于飞行速度小于马赫数3、飞行高度低于30km的常规飞行任务，这一假设的精度足够。

2.2 六自由度运动方程

在刚性体假设下，无人机的空间运动被描述为六个自由度的微分方程组：

力方程（在机体坐标系中）：

$$m\begin{bmatrix} \dot{u} \\ \dot{v} \\ \dot{w} \end{bmatrix} + m\begin{bmatrix} p \\ q \\ r \end{bmatrix} \times \begin{bmatrix} u \\ v \\ w \end{bmatrix} = \begin{bmatrix} F_x \\ F_y \\ F_z \end{bmatrix}$$

其中 $[u, v, w]^T$ 是速度向量在机体坐标系中的分量，$[F_x, F_y, F_z]^T$ 是合外力（包括气动力、推力和重力）在机体轴上的投影。

力矩方程（在机体坐标系中）：

$$I\begin{bmatrix} \dot{p} \\ \dot{q} \\ \dot{r} \end{bmatrix} + \begin{bmatrix} p \\ q \\ r \end{bmatrix} \times I \begin{bmatrix} p \\ q \\ r \end{bmatrix} = \begin{bmatrix} L \\ M \\ N \end{bmatrix}$$

其中 $I$ 为惯性张量矩阵：

$$I = \begin{bmatrix} I_x & 0 & -I_{xz} \\ 0 & I_y & 0 \\ -I_{xz} & 0 & I_z \end{bmatrix}$$ $[L, M, N]^T$ 为合外力矩在机体轴上的分量。

2.3 气动力的数学描述

这是9.2节中最为核心的内容——气动力的工程化建模方法。无人机的气动力分为升力、阻力和侧力，通过气动导数表示为状态变量的函数：

升力系数：

$$C_L = C_{L0} + C_{L\alpha}\alpha + C_{L\delta_e}\delta_e + \frac{\bar{c}}{2V}(C_{L\dot{\alpha}}\dot{\alpha} + C_{Lq}q)$$

其中 $\delta_e$ 为升降舵偏角，$\bar{c}$ 为平均气动弦长，$V$ 为空速。

阻力系数（含诱导阻力）：

$$C_D = C_{D0} + \frac{C_L^2}{\pi e AR}$$

这是9.3节”极曲线”的核心公式——阻力极线方程描述了无人机在给定构型下的气动效率。

侧力系数：

$$C_Y = C_{Y\beta}\beta + C_{Y\delta_r}\delta_r$$

滚转力矩系数：

$$C_l = C_{l\beta}\beta + C_{l\delta_a}\delta_a + C_{l\delta_r}\delta_r + \frac{b}{2V}(C_{lp}p + C_{lr}r)$$

俯仰力矩系数：

$$C_m = C_{m0} + C_{m\alpha}\alpha + C_{m\delta_e}\delta_e + \frac{\bar{c}}{2V}(C_{m\dot{\alpha}}\dot{\alpha} + C_{mq}q)$$

偏航力矩系数：

$$C_n = C_{n\beta}\beta + C_{n\delta_a}\delta_a + C_{n\delta_r}\delta_r + \frac{b}{2V}(C_{np}p + C_{nr}r)$$

工程启示：以上气动导数的精确获取是飞行动力学建模的关键瓶颈。昂海松教授在5.1节中指出，气动导数可通过风洞实验、CFD计算或经验公式（如DATCOM方法）三种途径获取。对于无人机方案设计阶段，经验公式法具有快速迭代的优势。

2.4 重力模型

在机体坐标系中，重力分量为：

$$\begin{bmatrix} F_{gx} \\ F_{gy} \\ F_{gz} \end{bmatrix} = mg \begin{bmatrix} -\sin\theta \\ \sin\phi\cos\theta \\ \cos\phi\cos\theta \end{bmatrix}$$

这里可以看到姿态角 $\phi$、$\theta$ 直接影响了重力在机体轴上的投影——这是飞行动力学”姿态-重力耦合效应”的数学根源。

2.5 推力模型

发动机推力的建模依据动力系统类型而异：

• 活塞式 + 螺旋桨：推力 $T = f(\rho, n, V)$，其中 $\rho$ 是空气密度，$n$ 是螺旋桨转速
• 涡喷/涡扇：推力 $T = f(h, Ma, \delta_T)$，其中 $h$ 是高度，$Ma$ 是马赫数，$\delta_T$ 是油门开度
• 电动涵道：推力 $T = f(n, V)$，通过电机转速和前进速度查表

在南航课程9.5节中特别强调：推力的精确建模直接影响巡航性能分析的准确性。

三、无人机飞行稳定性分析

3.1 稳定性的数学定义

飞行稳定性是9.5节的核心主题。昂海松教授以李雅普诺夫稳定性理论为基础，将飞行稳定性定义为：”无人机在受到扰动后，不经控制系统干预而自动恢复到原始平衡状态的能力。”

纵向稳定性（Longitudinal Stability）：

纵向运动由五个状态变量描述：$[u, w, q, \theta, h]^T$。纵向稳定性分析的关键是俯仰力矩对迎角的稳定性导数：

$$C_{m\alpha} = \frac{\partial C_m}{\partial\alpha} < 0$$

当 $C_{m\alpha} < 0$ 时，迎角增加会产生低头力矩，使飞机自动减小迎角——这是飞机纵向稳定的基本条件。

横侧向稳定性（Lateral-Directional Stability）：

横侧向运动由四个状态变量描述：$[v, p, r, \phi]^T$。横侧向稳定性包含：

1. 横向静稳定性（上反效应）：$C_{l\beta} < 0$

   • 当飞机产生侧滑时，产生反向滚转力矩使机翼恢复水平

2. 航向静稳定性（风标效应）：$C_{n\beta} > 0$

   • 当飞机产生侧滑时，产生使机头指向来流方向的偏航力矩

令人感兴趣的是，昂海松教授在课程中详细分析了上反角与后掠角对横向稳定性的贡献：

• 上反角 $\Gamma$：侧滑时产生迎角差→滚转恢复力矩
• 后掠角 $\Lambda$：侧滑时有效后掠角变化→滚转力矩
• 翼梢小翼：通过改变翼尖涡结构影响横侧向稳定性

3.2 纵向与横侧向模态分析

小扰动线性化后，运动方程被分解为独立的纵向和横侧向系统。各模态的物理意义是9.5节的精华内容：

纵向运动模态：

模态	特征根实部	周期	阻尼比	物理含义
短周期模态	大（快衰减）	1-3秒	0.3-0.8	迎角和俯仰角速度的快速振荡
长周期模态（Phugoid）	小（慢衰减）	20-100秒	0.05-0.3	速度和俯仰角的缓慢振荡，势能-动能交替转化

短周期模态的近似特征方程揭示了其本质物理机制：

$$\lambda^2 + (C_{L\alpha} + C_{mq} - C_{Lq} - C_{m\dot{\alpha}})\frac{\rho V S\bar{c}}{4m}\lambda + \frac{\rho V^2 S\bar{c}}{2I_y}(-C_{m\alpha}) = 0$$

从式中可以看出，短周期阻尼主要来自 $C_{mq}$（俯仰阻尼导数），而频率主要来自 $C_{m\alpha}$（静稳定性导数）。这是为什么飞控设计中需要通过 $C_{mq}$ 和 $C_{m\alpha}$ 来评估纵向操稳品质。

横侧向运动模态：

模态	物理含义
滚转收敛模态	绕 $x_b$ 轴的纯滚转运动，由 $C_{lp}$ 主导，通常快速收敛
荷兰滚模态	滚转-偏航耦合振荡，频率由 $C_{n\beta}$ 决定，阻尼由 $C_{nr}$ 和 $C_{lp}$ 影响
螺旋模态	缓慢的发散/收敛运动，螺旋稳定性取决于 $C_{l\beta}C_{nr} - C_{n\beta}C_{lr}$ 的符号

3.3 重心位置与静稳定裕度

9.4节中关于重心位置的分析是连接重量设计与飞行动力学的桥梁。静稳定裕度定义为：

$$SM = \frac{x_{NP} - x_{CG}}{\bar{c}}$$

其中 $x_{NP}$ 为中性点位置，$x_{CG}$ 为重心位置。当 $SM > 0$（重心在中性点之前）时，飞机是静稳定的。

设计规则：

• 常规布局无人机：$SM = 5\% \sim 15\%$
• 放宽静稳定性（RSS）无人机：$SM < 0$，依赖飞控系统增稳
• 飞翼布局无人机：需通过翼尖后掠和翼型配置实现稳定性

昂海松教授特别指出：现代飞翼式无人机（如X-47B、RQ-180）采用放宽静稳定性设计，虽然天然是不稳定的，但通过飞行控制系统实现了更高的机动性和巡航效率。这是飞控技术与飞行动力学深度融合的典型范例。

四、无人机飞行操纵性分析

4.1 操纵性的定义与度量

9.6节中，昂海松教授将飞行操纵性定义为：”无人机在操纵面偏转下产生预期姿态变化的能力。” 操纵性的核心指标是操纵效能和操纵响应特性。

纵向操纵——升降舵：
升降舵偏角 $\delta_e$ 产生的俯仰力矩为：

$$C_{m\delta_e} = \frac{\partial C_m}{\partial\delta_e} < 0$$

横向操纵——副翼：
副翼差动偏转 $\delta_a$ 产生的滚转力矩为：

$$C_{l\delta_a} = \frac{\partial C_l}{\partial\delta_a}$$

航向操纵——方向舵：
方向舵偏转 $\delta_r$ 产生的偏航力矩为：

$$C_{n\delta_r} = \frac{\partial C_n}{\partial\delta_r} > 0$$

4.2 操纵面设计的气动约束

操纵面设计必须在操纵效能与铰链力矩之间取得平衡。昂海松教授在5.2节中详细分析了操纵面气动补偿形式：

• 轴式补偿：将转轴向后移动，减小补偿面积
• 角式补偿：在操纵面尖部设置补偿面积
• 内密封补偿：通过密封间隙减小气动载荷
• 伺服片：附加小操纵面驱动主操纵面

对无人机而言，铰链力矩的精确预估是舵机选型的直接依据。电动舵机的输出力矩必须大于最大铰链力矩，且有1.5~2倍的安全裕度。

4.3 多旋翼无人机的操纵原理

虽然南航课程以固定翼无人机为主，但10.2节中增加了多旋翼飞行控制的内容。多旋翼无人机的操纵原理与传统固定翼有本质区别：

四旋翼控制分配矩阵：

$$\begin{bmatrix} U_T \\ U_{\phi} \\ U_{\theta} \\ U_{\psi} \end{bmatrix} = \begin{bmatrix} K_T & K_T & K_T & K_T \\ 0 & -K_T l & 0 & K_T l \\ -K_T l & 0 & K_T l & 0 \\ -K_Q & K_Q & -K_Q & K_Q \end{bmatrix} \begin{bmatrix} \omega_1^2 \\ \omega_2^2 \\ \omega_3^2 \\ \omega_4^2 \end{bmatrix}$$

其中 $\omega_i$ 为电机转速，$K_T$ 为拉力系数，$K_Q$ 为扭矩系数，$l$ 为臂长。

多旋翼的操纵性特点是：

• 强耦合性：任何方向的姿态变化都需要四个电机的联合调节
• 欠驱动系统：四旋翼只有4个控制输入，但有6个自由度（位置+姿态）
• 速度相关：高速飞行时气动阻力显著影响操纵响应

五、飞行动力学的工程应用

5.1 飞行动力学与飞行品质规范

飞行品质是飞行动力学分析成果的工程化表达。针对无人机，美军标MIL-HDBK-1797A提供了等级的飞行品质要求：

短周期模态品质边界：

品质等级	阻尼比范围	描述
Level 1	$0.35 \leq \zeta_{sp} \leq 1.30$	飞行品质满意
Level 2	$0.25 \leq \zeta_{sp} \leq 2.00$	飞行品质可接受
Level 3	$\zeta_{sp} \geq 0.15$	飞行品质可安全飞行

荷兰滚模态品质边界：

品质等级	阻尼比	频率 × 阻尼
Level 1	$\zeta_{dr} \geq 0.19$	$\omega_{dr}\zeta_{dr} \geq 0.35$
Level 2	$\zeta_{dr} \geq 0.08$	$\omega_{dr}\zeta_{dr} \geq 0.10$
Level 3	$\zeta_{dr} \geq 0.02$	$\omega_{dr}\zeta_{dr} \geq 0.05$

5.2 飞行动力学仿真验证

9.6节中，昂海松教授强调了飞行仿真在无人机设计中的关键作用。完整的飞行动力学仿真流程包括：

仿真架构：

气动数据 → 动力学模型 → 六自由度方程 → 飞行状态输出
     ↑                          |
     └──── 飞控系统 ────── 舵面响应 ──────┘

仿真验证的四个层次：

1. 数学仿真（Model-in-the-Loop）：纯数值计算，验证动力学模型的合理性
2. 软件在环仿真（Software-in-the-Loop）：真实飞控代码+动力学模型
3. 硬件在环仿真（Hardware-in-the-Loop）：真实飞控硬件+实时动力学模型
4. 飞行试验验证：真实无人机的飞行测试

这是12.1节中飞行仿真技术从 MIL 到 HIL 的递进逻辑。

5.3 实例：典型固定翼无人机的动力学分析

以某中空长航时无人机（类似翼展约20m的Global Hawk构型）为例：

基本参数：

• 翼展：20m，机翼面积：30m²
• 起飞重量：3500kg，巡航速度：250km/h
• 重心位置：25% MAC（平均气动弦长）

纵向模态分析结果：

模态	特征根	阻尼比	自然频率 (rad/s)
短周期	$-3.25 \pm 4.73i$	0.566	5.74
长周期	$-0.06 \pm 0.38i$	0.159	0.38

短周期阻尼比 $0.566$ 处于 Level 1 品质范围，但长周期阻尼比 $0.159$ 接近 Level 2 边界——这对长航时任务的自动驾驶仪设计提出了增稳需求。

横侧向模态分析结果：

模态	特征根	时间常数/阻尼比
滚转收敛	$-3.89$	$\tau = 0.26$s
荷兰滚	$-0.82 \pm 2.15i$	$\zeta=0.356$
螺旋	$-0.008$	$\tau=125$s（弱稳定）

荷兰滚阻尼比 $0.356$ 满足 Level 1 要求。螺旋模态弱稳定，在实际飞行中通常由自动驾驶仪的航向保持模式补偿。

5.4 飞行动力学与控制系统的接口

控制增稳系统架构是9.5节与10.3节内容的交汇点：

• 俯仰增稳：通过 $C_{mq}$ 和 $C_{m\alpha}$ 反馈，改善纵向阻尼和静稳定性
• 偏航阻尼器：通过 $r$ 反馈改善荷兰滚阻尼
• 滚转增稳：通过 $p$ 反馈改善滚转模态时间常数

典型控制律结构（以姿态保持模式为例）：

$\theta_{cmd} \rightarrow [比例环节] \rightarrow [积分环节] \rightarrow [舵机] \rightarrow [无人机动力学] \rightarrow \theta$
                                                                        ↑                |
                                                                        └── [$q$ 反馈]───┘

六、总结与展望

核心知识体系回顾

本文以南京航空航天大学昂海松教授《无人机设计导论》MOOC课程为框架，系统梳理了无人机飞行动力学的完整知识体系：

1. 坐标系体系（第9.1节）：地面、机体、速度和航迹四个坐标系及其变换关系
2. 动力学建模（第9.2节）：从六自由度方程到气动导数的完整建模方法
3. 极曲线分析（第9.3节）：升阻特性与巡航性能的气动基础
4. 重心与重量（第9.4节）：重心位置对稳定性的决定性影响
5. 飞行稳定性（第9.5节）：纵向/横侧向稳定性、模态分析与品质规范
6. 飞行操纵性（第9.6节）：操纵面效能分析与多旋翼操纵原理
7. 飞行控制（第10.2-10.3节）：增稳系统架构与控制律设计

技术发展趋势

飞行动力学的研究正在经历三个重要转变：

1. 从线性到非线性：传统的小扰动线性化方法已无法满足大机动飞行和过失速机动的分析需求，非线性动力学建模和增量式非线性控制（INDI）成为研究热点

2. 从单一构型到变形结构：变体飞行器（Morphing Aircraft）通过改变翼型、翼展和后掠角来适应多任务需求，强加了时变参数动力学建模的新挑战

3. 从确定性到数据驱动：基于神经网络的气动导数辨识和飞行状态估计正在与传统方法融合，形成了物理信息神经网络（PINNs）等新范式

参考文献

1. 昂海松. 无人机设计导论. 南京航空航天大学, 国家级精品MOOC课程. 中国大学MOOC平台.
2. 昂海松, 等. 无人机总体设计. 国防工业出版社.
3. MIL-HDBK-1797A. Flying Qualities of Piloted Aircraft. U.S. Department of Defense, 1997.
4. Stevens, B. L., Lewis, F. L., & Johnson, E. N. Aircraft Control and Simulation: Dynamics, Controls Design, and Autonomous Systems. 3rd ed., Wiley, 2015.
5. Etkin, B., & Reid, L. D. Dynamics of Flight: Stability and Control. 3rd ed., Wiley, 1996.
6. Beard, R. W., & McLain, T. W. Small Unmanned Aircraft: Theory and Practice. Princeton University Press, 2012.
7. Cook, M. V. Flight Dynamics Principles: A Linear Systems Approach to Aircraft Stability and Control. 3rd ed., Butterworth-Heinemann, 2012.
8. Pamadi, B. N. Performance, Stability, Dynamics, and Control of Airplanes. 2nd ed., AIAA, 2004.