每年这个时候准备投大疆控制算法岗的同学都会进入一段紧张的笔试复习期。我见过不少理论底子不错的人在笔试里栽跟头不是不会推导而是不清楚大疆这类做飞行器、云台、机器人的公司到底想从一张卷子里看出什么。有人把精力全放在倒推复杂公式上忽略了最基本的量纲和离散化也有人背了一堆结论遇到“电机转速到机身角速度”这种工程建模题完全不知道怎么下手。这篇文章不打算复述某一套具体试卷也不做任何押题。我更想和你拆解一下大疆控制算法笔试背后真正在考察的能力结构以及准备这类笔试时应该建立的认知框架。你会发现它考的绝不是单一的控制理论而是一套从物理建模、算法设计到工程实现的完整链路。1. 先搞清楚大疆笔试到底在筛选什么样的能力1.1 这不是一场纯数学考试而是一场工程抽象能力考试控制算法岗位的笔试表面看是在考经典控制理论和现代控制理论比如PID参数整定、李雅普诺夫稳定性、能控能观性、LQR设计。但如果你只把它当成数学考试去准备会漏掉一个关键信息大疆的场景是无人机、手持云台、车载机器人、电机驱动系统。这意味着所有理论题都默认带上了一个物理背景。举个很常见的例子。题目可能是一个简化的无人机悬停模型给你电机推力系数、转动惯量、重力加速度、控制周期要求设计高度控制器。很多人第一反应是套用课本上的PID公式却忽略了电机响应延迟和执行器饱和这两个约束。在笔试答案里如果你没有把这两个工程因素写进控制器的讨论里哪怕公式推导得很漂亮也很难拿到高分。大疆笔试筛选的本质上是能把物理系统翻译成数学模型、再把数学模型翻译成可执行控制逻辑的人。这个能力翻译过来就是你会不会做工程抽象。1.2 笔试题目背后隐藏的四个考察维度我把常见的大疆控制算法笔试考察点拆成了四个维度你可以对照自测理论功底传递函数、状态空间、稳定性判据、频域分析、根轨迹、离散系统这些基础不会绕过。建模能力给定一个物理系统能不能简化成可用的数学模型。比如四旋翼的力与力矩模型、云台的摩擦模型、麦克纳姆轮底盘的运动学模型。算法设计给定一个任务选择合适的控制策略。姿态控制用PID还是ADRC路径跟踪用纯跟踪、Stanley还是MPC不同方案在计算量、鲁棒性上的取舍是什么工程素养采样周期怎么选离散化用什么方法传感器延迟怎么补偿执行器饱和怎么处理这部分的权重往往被低估但实际笔试中出现的频率极高。这四个维度不是孤立的。最理想的答题状态是在做每一道题时都能让阅卷人看出你不只是会这个知识点的表面而是知道它在真实系统中怎么用、受什么限制、应该注意什么边界。2. 核心算法考点拆解从PID到MPC每个算法考的不是名字大疆笔试里出现的控制算法几乎都集中在热搜词里PID、模糊PID、LQR、ADRC、Stanley、预测控制还有机械臂和电机控制领域常见的PID变种。但这些算法其实不是同一个层级的。你需要按“基础层、状态空间层、自抗扰层、轨迹跟踪层”来分类理解才能摸清考点。2.1 PID及其变体笔试的高频地基但总有细节坑PID绝对是笔试中最高频的考点。常见题目包括写出位置式PID和增量式PID的离散表达式。分析积分饱和产生的原因给出抗积分饱和方案。说明微分项对噪声的影响以及如何通过低通滤波改善。给定阶跃响应曲线判断当前是超调大还是振荡频率高并给出调参方向。如果你以为把公式写出来就够了那会错过一个重要的分水岭大疆笔试里的PID一定是放在某个实物系统里的。例如姿态控制通常也是内外环结构。内环是角速度环外环是角度环。角速度环通常更快控制周期可以到1kHz甚至更高角度环相对较慢控制周期可能是200Hz或500Hz。笔试里如果给出这个结构很可能让你分析“为什么外环增益不能过大”或者“哪个环先调节”。这里有一个经常被问到的工程细节为什么纯微分项在无人机里很少直接使用因为无人机姿态测量来自IMU角速度本身已经可以由陀螺仪直接测量而角度是积分得到的。如果对角度做微分得到角速度相当于引入了一个噪声放大器还会带来相位滞后。所以实际代码里外环通常直接用比例控制内环用PD控制微分项取的是陀螺仪角速度而不是角度差分。增量式PID在大疆电机控制和云台控制中比较常见。增量式PID的输出是控制量增量不容易产生大幅积分饱和且切换手动/自动控制时冲击较小。笔试里如果让你对比位置式和增量式的区别可以围绕“执行器保持特性、积分饱和风险、输出限幅方式”来回答。2.2 LQR与状态空间考的是建模能力和权重矩阵理解LQR在大疆笔试里属于中高频考点。如果你投的是飞控、云台或机器人控制方向那么“状态空间建模 LQR设计”几乎是必修。常见考法有两种。第一种是给你一个简化系统比如单摆、小车或四旋翼的俯仰通道要求建立状态空间方程然后设计LQR控制器。这里的核心是检验建模能力。你需要明确状态变量是什么、输入是什么、输出是什么并处理线性化问题。第二种是直接问LQR的权重矩阵Q和R如何选择。这题考察的是理解深度而不是计算能力。Q权重越大表示你越在意对应状态快速收敛R权重越大表示你越不希望控制量过大。但笔试中真正值得展开的是Q和R的选择本质上是性能和功耗/执行器寿命之间的权衡没有绝对最优只能根据任务需求调节。还有一类容易被忽略的问题LQR是基于线性模型的如果系统有强非线性怎么办答案通常是做反馈线性化或在工作点附近线性化然后用LQR设计局部控制器。大疆笔试里如果涉及这类题目很可能期待你写出“先线性化再局部LQR同时说明适用工作范围”的思路。2.3 ADRC与自抗扰控制热门但不适合当作万能答案自抗扰控制ADRC在热搜词里出现了并且在机器人控制、电机控制领域讨论度很高。大疆笔试也可能涉及ADRC尤其是云台增稳和电机扰动抑制场景。ADRC的核心思想很清晰把未建模动态和外部扰动都视为总扰动通过扩张状态观测器ESO估计出来然后在控制律中补偿掉。这样的好处是不需要精确建模对参数变化和外部扰动有更强的鲁棒性。笔试里如果考ADRC通常不会让你推导完整的ESO方程更可能的是让你用文字说明ADRC的组成结构或者对比ADRC和PID的区别。回答时可以抓住三个环节跟踪微分器安排过渡过程、扩张状态观测器估计扰动、非线性反馈控制率抑制扰动。但我要提醒一点ADRC不是银弹。它引入了额外的观测器带宽、控制器带宽等多个参数参数整定比PID更复杂而且对传感器噪声更敏感。如果笔试题没有明确提示“系统存在强扰动且模型难以精确获取”不要动不动就回答ADRC。一个更稳妥的答题策略是先说明对象特性再解释为什么选择ADRC最后指出它比PID多解决什么问题。2.4 Stanley、纯跟踪与MPC路径跟踪方向的分层考察大疆的机器人业务、车载平台以及部分无人机航线控制会涉及路径跟踪算法。常见的有纯跟踪Pure Pursuit、Stanley方法和模型预测控制MPC。Stanley算法是前轮位置跟踪的经典方法核心思想是将横向误差和航向误差结合起来计算前轮转角。它比纯跟踪更适合高速和平滑性要求较高的场景。笔试里的常见问法有“Stanley算法的控制律是什么”“当横向误差较大时控制效果会怎样”“为什么Stanley在倒车场景下需要特殊处理”MPC则是预测控制里热度最高的一个。大疆如果考MPC通常不会要你手动推二次规划求解过程更可能考察你对三个基本环节的理解预测模型、滚动优化、反馈校正。以及它相对于PID的核心优势——能够处理约束比如电机转速上限、控制量变化率限制、障碍物避让等。但MPC也有明显短板计算量大、依赖模型准确性、调参维度多。笔试里如果让你对比MPC和PID正确的回答方向不是“MPC一定更好”而是“MPC在约束优化场景下更有优势但在模型误差大、算力受限的场景下PID加前馈往往是更务实的选择”。3. 从公式到笔试把控制理论变成解题能力的三个步骤知识清单背得再熟如果不会解题笔试依然会卡住。这一章我给出一个建议的复习方法和答题框架帮助你把零散的控制理论整理成可输出的解题能力。3.1 第一步建立“物理-模型-离散化”的翻译能力笔试里最常见的失分点不是不会公式而是不会把题目里的物理描述翻译成数学表达式。比如题目说“无人机在悬停状态下电机转速增加升力增加机身产生俯仰力矩。”你要能迅速写出简化方程俯仰角加速度 ≈ 俯仰力矩 / 绕Y轴转动惯量 俯仰力矩 ≈ 升力差 × 力臂再进一步如果考虑电机响应是一个一阶惯性环节电机转速响应 K / (τ·s 1)那么这个环节的带宽就会限制整个控制环的带宽进而决定你P增益可以调多大。我建议你找一份经典四旋翼飞控的简化模型用纸笔走一遍整个链路遥控杆量 - 期望姿态角 - 角度环P控制器 - 期望角速度 - 角速度环PID - 期望力矩 - 电机混控 - 电机转速 - 升力和力矩 - 机身角加速度 - 角速度积分 - 角度积分。每一步都写清楚输入是什么、输出是什么、用什么公式连接。这个练习做完笔试里的建模题基本能稳住了。3.2 第二步掌握离散化和数字实现的几种固定套路现代控制算法全部跑在MCU或嵌入式处理器上所以笔试一定会涉及离散化。最简单的是一阶后向差分s ≈ (1 - z^-1) / T更常用的双线性变换Tustins ≈ (2/T) · (1 - z^-1) / (1 z^-1)笔试中如果让你把连续PID变成离散PID通常是两种形式。位置式u[k] Kp·e[k] Ki·T·Σe[i] Kd·(e[k] - e[k-1]) / T增量式Δu[k] Kp·(e[k] - e[k-1]) Ki·T·e[k] Kd·(e[k] - 2e[k-1] e[k-2]) / T这两个公式是基础中的基础。但笔试里真正能拉开差距的是你能不能写出带低通滤波的微分项以及带积分限幅的PID。比如微分项经过一阶低通D(z) Kd·(1 - z^-1) / (T Tf·(1 - z^-1))这样写阅卷人会知道你处理过真实系统里的噪声问题。3.3 第三步形成自己的笔试答题框架而不是零散知识点笔试答题最忌“挤牙膏”。我建议你形成一套固定的答题展开结构无论遇到什么题都按这个顺序输出明确控制目标是抗扰、跟踪、还是约束优化建立简化模型写出对象模型说明假设条件。选择控制策略说明为什么选这个方法比什么方法好在哪。设计控制器写出核心公式或流程。分析稳定性与鲁棒性收敛条件、增益边界、扰动抑制能力。说明数字化实现采样周期、离散化方法、限幅、抗饱和、滤波。给出验证方法仿真、频响、阶跃响应、半物理试验。这套框架用熟之后你会发现很多题只是换了个物理场景答题的骨架是一样的。你输出的不是某个知识点的碎片而是一套完整的控制方案这正是大疆技术面试官在笔试里最想看到的思维方式。4. 笔试中的常见陷阱与排查链路4.1 高频失分点清单根据我和不少参加过类似笔试的同学交流的经验失分通常不在难题而在基础题的细节上失分点典型表现避免方式量纲错误把角度和弧度混用把电流和力矩混用做题时先统一单位写清楚每一步的量纲符号混乱状态变量、控制量、扰动量的符号不区分答题前先定义符号表离散化方法不当直接用连续域结论推导数字控制器明确写出采用哪种离散化方法并说明原因忽略执行器饱和算出无限大的控制量在控制器设计中加入限幅和抗饱和策略忽略传感器延迟把传感器数据当成理想值分析延迟对相位裕度的影响必要时写预估/补偿滤波滞后估计不足认为滤波不影响控制质量在带宽设计中留出滤波器带来的相位裕度余量4.2 一套可复用的题目排查链路遇到一道不会的题按下面顺序排查先看问题是什么是设计类、推导类还是分析类。再看物理场景控制对象是飞行器、云台、车辆还是电机运动是平面还是三维再看约束条件有没有写控制周期、延迟、限幅、模型不确定性选择合适的工具低维线性系统可以走经典控制MIMO线性系统可以走状态空间LQR带约束的系统可以考虑MPC强扰动且难建模的系统考虑ADRC或扰动观测器。写方案时先给框架再补细节不要一上来就埋头推公式先把结构写清楚。完成后回查控制量有没有超过程度限制有没有考虑离散化误差有没有考虑传感器噪声这个排查链路不只是笔试用进到公司做真实工程项目时排查逻辑也是一样的先理清现象再检查输入再检查模型再检查算法实现最后检查执行端反馈。5. 准备路线与时间安排从新手到进阶如果你现在准备时间有限我建议按下面的优先级来复习。5.1 两周快速冲刺方案第一周重点打地基经典控制理论传递函数、PID、频域分析、稳定性裕度。状态空间法建模、能控能观性、状态反馈、LQR。离散控制Z变换、离散化方法、采样周期选择。第二周重点做专题无人机控制专题姿态环、位置环、内外环结构、电机混控。路径跟踪专题纯跟踪、Stanley、MPC基本思想。抗扰专题ADRC和扰动观测器对比。工程实现专题限幅、积分饱和、低通滤波、带宽分配。5.2 更扎实的三到四周方案如果时间允许加两类复习手推模型不用任何仿真工具手写一个四旋翼或小车模型推导到状态空间方程。真机/仿真验证在开源飞控或仿真平台里调一次PID记录参数变化与响应曲线变化。亲自调过的控制系统笔试里写出来的答案会明显不一样。5.3 复习时最容易踩的坑只背公式不建模。笔试会变化的永远是场景不变的是建模和判断能力。只做计算不写分析。大疆笔试很多时候要求的是分析逻辑而不是一个数字答案。不看时间限制。笔试过程中如果一道题超过10分钟没思路先跳过最后再回来。忽略代码题。部分岗位可能包含简单的编程题比如写一个PID控制器的函数实现或者写一个状态更新函数。准备时要能快速用C或Python写出干净的控制代码。6. 一个可复用的笔试答题框架以及长期成长视角如果你从这篇文章里只带走一样东西我希望是你对控制算法笔试这件事本身的理解发生了变化。不要把它当成一场知识记忆测试而要把它理解成一次“你如何面对一个真实物理系统”的预演。大疆的产品从来不是教科书里的理想模型它们有延迟、有噪声、有饱和、有温度漂移、有装配误差。笔试考的不是你会不会背“PID公式”而是你在工程约束下能不能设计出一个能用的控制器。以后不管你是在学校做课题还是进入公司做飞控、做机械臂、做自动驾驶都可以把这个思路延伸下去先建模再选型再设计再实现再验证。这五步是任何控制任务的公共底座。而在这个公共底座之上大疆招聘时看重的一定是你有没有足够的物理直觉、数学功底和工程品味把“能用”的东西做“可靠”。如果你现在还在复习阶段不要急于求成。把每一个公式都问一遍“它真实的物理意义是什么”把每一个算法都问一句“它在算力、延迟、模型误差面前还成立吗”。带着这样的思维去笔试你的答案自然会传递出那种只有真正和系统对话过的人才有的笃定。最后留一个建议找一套模拟题或往年经验帖限定时间模拟一次完整的笔试过程。过程中记录自己卡在哪类题上、用了多少时间、在哪里开始慌乱。这个记录比任何一份知识清单都更能帮你在真实笔试前补上最后的短板。 
长河君 · 2026/8/31 10:35:54 · 阅读 1.2k 大疆控制算法笔试：从物理建模到算法设计的工程能力考察
每年这个时候准备投大疆控制算法岗的同学都会进入一段紧张的笔试复习期。我见过不少理论底子不错的人在笔试里栽跟头不是不会推导而是不清楚大疆这类做飞行器、云台、机器人的公司到底想从一张卷子里看出什么。有人把精力全放在倒推复杂公式上忽略了最基本的量纲和离散化也有人背了一堆结论遇到“电机转速到机身角速度”这种工程建模题完全不知道怎么下手。这篇文章不打算复述某一套具体试卷也不做任何押题。我更想和你拆解一下大疆控制算法笔试背后真正在考察的能力结构以及准备这类笔试时应该建立的认知框架。你会发现它考的绝不是单一的控制理论而是一套从物理建模、算法设计到工程实现的完整链路。1. 先搞清楚大疆笔试到底在筛选什么样的能力1.1 这不是一场纯数学考试而是一场工程抽象能力考试控制算法岗位的笔试表面看是在考经典控制理论和现代控制理论比如PID参数整定、李雅普诺夫稳定性、能控能观性、LQR设计。但如果你只把它当成数学考试去准备会漏掉一个关键信息大疆的场景是无人机、手持云台、车载机器人、电机驱动系统。这意味着所有理论题都默认带上了一个物理背景。举个很常见的例子。题目可能是一个简化的无人机悬停模型给你电机推力系数、转动惯量、重力加速度、控制周期要求设计高度控制器。很多人第一反应是套用课本上的PID公式却忽略了电机响应延迟和执行器饱和这两个约束。在笔试答案里如果你没有把这两个工程因素写进控制器的讨论里哪怕公式推导得很漂亮也很难拿到高分。大疆笔试筛选的本质上是能把物理系统翻译成数学模型、再把数学模型翻译成可执行控制逻辑的人。这个能力翻译过来就是你会不会做工程抽象。1.2 笔试题目背后隐藏的四个考察维度我把常见的大疆控制算法笔试考察点拆成了四个维度你可以对照自测理论功底传递函数、状态空间、稳定性判据、频域分析、根轨迹、离散系统这些基础不会绕过。建模能力给定一个物理系统能不能简化成可用的数学模型。比如四旋翼的力与力矩模型、云台的摩擦模型、麦克纳姆轮底盘的运动学模型。算法设计给定一个任务选择合适的控制策略。姿态控制用PID还是ADRC路径跟踪用纯跟踪、Stanley还是MPC不同方案在计算量、鲁棒性上的取舍是什么工程素养采样周期怎么选离散化用什么方法传感器延迟怎么补偿执行器饱和怎么处理这部分的权重往往被低估但实际笔试中出现的频率极高。这四个维度不是孤立的。最理想的答题状态是在做每一道题时都能让阅卷人看出你不只是会这个知识点的表面而是知道它在真实系统中怎么用、受什么限制、应该注意什么边界。2. 核心算法考点拆解从PID到MPC每个算法考的不是名字大疆笔试里出现的控制算法几乎都集中在热搜词里PID、模糊PID、LQR、ADRC、Stanley、预测控制还有机械臂和电机控制领域常见的PID变种。但这些算法其实不是同一个层级的。你需要按“基础层、状态空间层、自抗扰层、轨迹跟踪层”来分类理解才能摸清考点。2.1 PID及其变体笔试的高频地基但总有细节坑PID绝对是笔试中最高频的考点。常见题目包括写出位置式PID和增量式PID的离散表达式。分析积分饱和产生的原因给出抗积分饱和方案。说明微分项对噪声的影响以及如何通过低通滤波改善。给定阶跃响应曲线判断当前是超调大还是振荡频率高并给出调参方向。如果你以为把公式写出来就够了那会错过一个重要的分水岭大疆笔试里的PID一定是放在某个实物系统里的。例如姿态控制通常也是内外环结构。内环是角速度环外环是角度环。角速度环通常更快控制周期可以到1kHz甚至更高角度环相对较慢控制周期可能是200Hz或500Hz。笔试里如果给出这个结构很可能让你分析“为什么外环增益不能过大”或者“哪个环先调节”。这里有一个经常被问到的工程细节为什么纯微分项在无人机里很少直接使用因为无人机姿态测量来自IMU角速度本身已经可以由陀螺仪直接测量而角度是积分得到的。如果对角度做微分得到角速度相当于引入了一个噪声放大器还会带来相位滞后。所以实际代码里外环通常直接用比例控制内环用PD控制微分项取的是陀螺仪角速度而不是角度差分。增量式PID在大疆电机控制和云台控制中比较常见。增量式PID的输出是控制量增量不容易产生大幅积分饱和且切换手动/自动控制时冲击较小。笔试里如果让你对比位置式和增量式的区别可以围绕“执行器保持特性、积分饱和风险、输出限幅方式”来回答。2.2 LQR与状态空间考的是建模能力和权重矩阵理解LQR在大疆笔试里属于中高频考点。如果你投的是飞控、云台或机器人控制方向那么“状态空间建模 LQR设计”几乎是必修。常见考法有两种。第一种是给你一个简化系统比如单摆、小车或四旋翼的俯仰通道要求建立状态空间方程然后设计LQR控制器。这里的核心是检验建模能力。你需要明确状态变量是什么、输入是什么、输出是什么并处理线性化问题。第二种是直接问LQR的权重矩阵Q和R如何选择。这题考察的是理解深度而不是计算能力。Q权重越大表示你越在意对应状态快速收敛R权重越大表示你越不希望控制量过大。但笔试中真正值得展开的是Q和R的选择本质上是性能和功耗/执行器寿命之间的权衡没有绝对最优只能根据任务需求调节。还有一类容易被忽略的问题LQR是基于线性模型的如果系统有强非线性怎么办答案通常是做反馈线性化或在工作点附近线性化然后用LQR设计局部控制器。大疆笔试里如果涉及这类题目很可能期待你写出“先线性化再局部LQR同时说明适用工作范围”的思路。2.3 ADRC与自抗扰控制热门但不适合当作万能答案自抗扰控制ADRC在热搜词里出现了并且在机器人控制、电机控制领域讨论度很高。大疆笔试也可能涉及ADRC尤其是云台增稳和电机扰动抑制场景。ADRC的核心思想很清晰把未建模动态和外部扰动都视为总扰动通过扩张状态观测器ESO估计出来然后在控制律中补偿掉。这样的好处是不需要精确建模对参数变化和外部扰动有更强的鲁棒性。笔试里如果考ADRC通常不会让你推导完整的ESO方程更可能的是让你用文字说明ADRC的组成结构或者对比ADRC和PID的区别。回答时可以抓住三个环节跟踪微分器安排过渡过程、扩张状态观测器估计扰动、非线性反馈控制率抑制扰动。但我要提醒一点ADRC不是银弹。它引入了额外的观测器带宽、控制器带宽等多个参数参数整定比PID更复杂而且对传感器噪声更敏感。如果笔试题没有明确提示“系统存在强扰动且模型难以精确获取”不要动不动就回答ADRC。一个更稳妥的答题策略是先说明对象特性再解释为什么选择ADRC最后指出它比PID多解决什么问题。2.4 Stanley、纯跟踪与MPC路径跟踪方向的分层考察大疆的机器人业务、车载平台以及部分无人机航线控制会涉及路径跟踪算法。常见的有纯跟踪Pure Pursuit、Stanley方法和模型预测控制MPC。Stanley算法是前轮位置跟踪的经典方法核心思想是将横向误差和航向误差结合起来计算前轮转角。它比纯跟踪更适合高速和平滑性要求较高的场景。笔试里的常见问法有“Stanley算法的控制律是什么”“当横向误差较大时控制效果会怎样”“为什么Stanley在倒车场景下需要特殊处理”MPC则是预测控制里热度最高的一个。大疆如果考MPC通常不会要你手动推二次规划求解过程更可能考察你对三个基本环节的理解预测模型、滚动优化、反馈校正。以及它相对于PID的核心优势——能够处理约束比如电机转速上限、控制量变化率限制、障碍物避让等。但MPC也有明显短板计算量大、依赖模型准确性、调参维度多。笔试里如果让你对比MPC和PID正确的回答方向不是“MPC一定更好”而是“MPC在约束优化场景下更有优势但在模型误差大、算力受限的场景下PID加前馈往往是更务实的选择”。3. 从公式到笔试把控制理论变成解题能力的三个步骤知识清单背得再熟如果不会解题笔试依然会卡住。这一章我给出一个建议的复习方法和答题框架帮助你把零散的控制理论整理成可输出的解题能力。3.1 第一步建立“物理-模型-离散化”的翻译能力笔试里最常见的失分点不是不会公式而是不会把题目里的物理描述翻译成数学表达式。比如题目说“无人机在悬停状态下电机转速增加升力增加机身产生俯仰力矩。”你要能迅速写出简化方程俯仰角加速度 ≈ 俯仰力矩 / 绕Y轴转动惯量 俯仰力矩 ≈ 升力差 × 力臂再进一步如果考虑电机响应是一个一阶惯性环节电机转速响应 K / (τ·s 1)那么这个环节的带宽就会限制整个控制环的带宽进而决定你P增益可以调多大。我建议你找一份经典四旋翼飞控的简化模型用纸笔走一遍整个链路遥控杆量 - 期望姿态角 - 角度环P控制器 - 期望角速度 - 角速度环PID - 期望力矩 - 电机混控 - 电机转速 - 升力和力矩 - 机身角加速度 - 角速度积分 - 角度积分。每一步都写清楚输入是什么、输出是什么、用什么公式连接。这个练习做完笔试里的建模题基本能稳住了。3.2 第二步掌握离散化和数字实现的几种固定套路现代控制算法全部跑在MCU或嵌入式处理器上所以笔试一定会涉及离散化。最简单的是一阶后向差分s ≈ (1 - z^-1) / T更常用的双线性变换Tustins ≈ (2/T) · (1 - z^-1) / (1 z^-1)笔试中如果让你把连续PID变成离散PID通常是两种形式。位置式u[k] Kp·e[k] Ki·T·Σe[i] Kd·(e[k] - e[k-1]) / T增量式Δu[k] Kp·(e[k] - e[k-1]) Ki·T·e[k] Kd·(e[k] - 2e[k-1] e[k-2]) / T这两个公式是基础中的基础。但笔试里真正能拉开差距的是你能不能写出带低通滤波的微分项以及带积分限幅的PID。比如微分项经过一阶低通D(z) Kd·(1 - z^-1) / (T Tf·(1 - z^-1))这样写阅卷人会知道你处理过真实系统里的噪声问题。3.3 第三步形成自己的笔试答题框架而不是零散知识点笔试答题最忌“挤牙膏”。我建议你形成一套固定的答题展开结构无论遇到什么题都按这个顺序输出明确控制目标是抗扰、跟踪、还是约束优化建立简化模型写出对象模型说明假设条件。选择控制策略说明为什么选这个方法比什么方法好在哪。设计控制器写出核心公式或流程。分析稳定性与鲁棒性收敛条件、增益边界、扰动抑制能力。说明数字化实现采样周期、离散化方法、限幅、抗饱和、滤波。给出验证方法仿真、频响、阶跃响应、半物理试验。这套框架用熟之后你会发现很多题只是换了个物理场景答题的骨架是一样的。你输出的不是某个知识点的碎片而是一套完整的控制方案这正是大疆技术面试官在笔试里最想看到的思维方式。4. 笔试中的常见陷阱与排查链路4.1 高频失分点清单根据我和不少参加过类似笔试的同学交流的经验失分通常不在难题而在基础题的细节上失分点典型表现避免方式量纲错误把角度和弧度混用把电流和力矩混用做题时先统一单位写清楚每一步的量纲符号混乱状态变量、控制量、扰动量的符号不区分答题前先定义符号表离散化方法不当直接用连续域结论推导数字控制器明确写出采用哪种离散化方法并说明原因忽略执行器饱和算出无限大的控制量在控制器设计中加入限幅和抗饱和策略忽略传感器延迟把传感器数据当成理想值分析延迟对相位裕度的影响必要时写预估/补偿滤波滞后估计不足认为滤波不影响控制质量在带宽设计中留出滤波器带来的相位裕度余量4.2 一套可复用的题目排查链路遇到一道不会的题按下面顺序排查先看问题是什么是设计类、推导类还是分析类。再看物理场景控制对象是飞行器、云台、车辆还是电机运动是平面还是三维再看约束条件有没有写控制周期、延迟、限幅、模型不确定性选择合适的工具低维线性系统可以走经典控制MIMO线性系统可以走状态空间LQR带约束的系统可以考虑MPC强扰动且难建模的系统考虑ADRC或扰动观测器。写方案时先给框架再补细节不要一上来就埋头推公式先把结构写清楚。完成后回查控制量有没有超过程度限制有没有考虑离散化误差有没有考虑传感器噪声这个排查链路不只是笔试用进到公司做真实工程项目时排查逻辑也是一样的先理清现象再检查输入再检查模型再检查算法实现最后检查执行端反馈。5. 准备路线与时间安排从新手到进阶如果你现在准备时间有限我建议按下面的优先级来复习。5.1 两周快速冲刺方案第一周重点打地基经典控制理论传递函数、PID、频域分析、稳定性裕度。状态空间法建模、能控能观性、状态反馈、LQR。离散控制Z变换、离散化方法、采样周期选择。第二周重点做专题无人机控制专题姿态环、位置环、内外环结构、电机混控。路径跟踪专题纯跟踪、Stanley、MPC基本思想。抗扰专题ADRC和扰动观测器对比。工程实现专题限幅、积分饱和、低通滤波、带宽分配。5.2 更扎实的三到四周方案如果时间允许加两类复习手推模型不用任何仿真工具手写一个四旋翼或小车模型推导到状态空间方程。真机/仿真验证在开源飞控或仿真平台里调一次PID记录参数变化与响应曲线变化。亲自调过的控制系统笔试里写出来的答案会明显不一样。5.3 复习时最容易踩的坑只背公式不建模。笔试会变化的永远是场景不变的是建模和判断能力。只做计算不写分析。大疆笔试很多时候要求的是分析逻辑而不是一个数字答案。不看时间限制。笔试过程中如果一道题超过10分钟没思路先跳过最后再回来。忽略代码题。部分岗位可能包含简单的编程题比如写一个PID控制器的函数实现或者写一个状态更新函数。准备时要能快速用C或Python写出干净的控制代码。6. 一个可复用的笔试答题框架以及长期成长视角如果你从这篇文章里只带走一样东西我希望是你对控制算法笔试这件事本身的理解发生了变化。不要把它当成一场知识记忆测试而要把它理解成一次“你如何面对一个真实物理系统”的预演。大疆的产品从来不是教科书里的理想模型它们有延迟、有噪声、有饱和、有温度漂移、有装配误差。笔试考的不是你会不会背“PID公式”而是你在工程约束下能不能设计出一个能用的控制器。以后不管你是在学校做课题还是进入公司做飞控、做机械臂、做自动驾驶都可以把这个思路延伸下去先建模再选型再设计再实现再验证。这五步是任何控制任务的公共底座。而在这个公共底座之上大疆招聘时看重的一定是你有没有足够的物理直觉、数学功底和工程品味把“能用”的东西做“可靠”。如果你现在还在复习阶段不要急于求成。把每一个公式都问一遍“它真实的物理意义是什么”把每一个算法都问一句“它在算力、延迟、模型误差面前还成立吗”。带着这样的思维去笔试你的答案自然会传递出那种只有真正和系统对话过的人才有的笃定。最后留一个建议找一套模拟题或往年经验帖限定时间模拟一次完整的笔试过程。过程中记录自己卡在哪类题上、用了多少时间、在哪里开始慌乱。这个记录比任何一份知识清单都更能帮你在真实笔试前补上最后的短板。