基于嵌入式的智能搜救無人機(jī)飛控系統(tǒng)設(shè)計(jì)

盧清秀

(廣東工業(yè)大學(xué)華立學(xué)院，廣東 廣州 511325)

基于嵌入式的智能搜救無人機(jī)飛控系統(tǒng)設(shè)計(jì)

盧清秀

(廣東工業(yè)大學(xué)華立學(xué)院，廣東 廣州 511325)

針對(duì)當(dāng)前搜救無人機(jī)飛控系統(tǒng)控制性能差的問題，基于嵌入式平臺(tái)進(jìn)行了搜救無人機(jī)的飛控系統(tǒng)設(shè)計(jì)，以提高搜救無人機(jī)的飛行穩(wěn)定性，并提出一種基于LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的搜救無人機(jī)飛行控制算法。飛控系統(tǒng)設(shè)計(jì)主要包括控制算法設(shè)計(jì)和硬件模塊設(shè)計(jì)兩大部分，采用最小信息熵進(jìn)行LM-Smith神經(jīng)網(wǎng)絡(luò)泛函加權(quán)，對(duì)被控對(duì)象進(jìn)行模式識(shí)別和穩(wěn)定性自適應(yīng)修正，對(duì)飛行控制的位置偏移進(jìn)行完全跟蹤補(bǔ)償，通過構(gòu)建的LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的控制器，獲得漸進(jìn)穩(wěn)定收斂的飛行控制算法。以S3C2440A ARM9處理器作為控制核心和以Micro2440為核心主控板，基于嵌入式Linux系統(tǒng)加載控制程序，實(shí)現(xiàn)了控制系統(tǒng)改進(jìn)設(shè)計(jì)。為驗(yàn)證飛控系統(tǒng)與控制算法的有效性和適用性，進(jìn)行了性能測試與分析。測試結(jié)果表明，所構(gòu)建的飛控系統(tǒng)在智能搜救無人機(jī)飛行控制中具有較高的軌跡跟蹤控制精度，姿態(tài)穩(wěn)定性和控制性能較好。

嵌入式；搜救無人機(jī)；飛控系統(tǒng)；控制算法；神經(jīng)網(wǎng)絡(luò)

0 引 言

隨著機(jī)械自動(dòng)化制造技術(shù)和人工智能技術(shù)的發(fā)展，無人機(jī)得到了一定的發(fā)展，無人機(jī)的穩(wěn)定性飛行控制一直是制約其發(fā)展的一個(gè)重要瓶頸。智能搜救無人機(jī)作為一種新型的無人飛機(jī)，在未來的野外探測、軍事偵察、遙感監(jiān)測和探險(xiǎn)考察等領(lǐng)域都會(huì)有較好的應(yīng)用價(jià)值。智能搜救無人機(jī)的氣動(dòng)特性導(dǎo)致飛行姿態(tài)不穩(wěn)定性，需要通過飛機(jī)慣導(dǎo)設(shè)計(jì)進(jìn)行擾動(dòng)抑制，防止飛機(jī)翻滾和失衡，因此研究智能搜救無人機(jī)的飛控系統(tǒng)設(shè)計(jì)方法，對(duì)提高飛機(jī)的穩(wěn)定性和平衡性具有重要意義[1]。

在嵌入式平臺(tái)下進(jìn)行搜救無人機(jī)的飛控系統(tǒng)設(shè)計(jì)，智能搜救無人機(jī)的氣動(dòng)特性導(dǎo)致飛行姿態(tài)不穩(wěn)定性，需要通過飛機(jī)慣導(dǎo)設(shè)計(jì)進(jìn)行擾動(dòng)抑制，防止飛機(jī)翻滾和失衡[2-3]。傳統(tǒng)方法中，對(duì)搜救無人機(jī)的飛控系統(tǒng)設(shè)計(jì)主要是在控制算法和控制系統(tǒng)設(shè)計(jì)上進(jìn)行深入研究，其中，文獻(xiàn)[4]提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)控制的智能搜救無人機(jī)的飛行控制方法，基于能量反演鎮(zhèn)定函數(shù)非線性跟蹤制導(dǎo)進(jìn)行飛控算法設(shè)計(jì)，然后在Linux嵌入式內(nèi)核平臺(tái)中進(jìn)行系統(tǒng)集成，提高了飛控系統(tǒng)的穩(wěn)定性。但是該方法具有計(jì)算開銷較大、實(shí)時(shí)性不好的問題。文獻(xiàn)[5]提出了一種基于慣導(dǎo)失衡補(bǔ)償?shù)臒o人機(jī)飛控系統(tǒng)設(shè)計(jì)方法，采用最小信息熵泛函方法進(jìn)行反演控制，能夠基本滿足姿態(tài)控制的需求。但該飛控系統(tǒng)在受到氣流的強(qiáng)擾動(dòng)下對(duì)無人機(jī)的搜索角度提出了較為苛刻的要求，導(dǎo)致控制性能不好[6]。

針對(duì)上述問題，對(duì)傳統(tǒng)的搜救無人機(jī)的飛控系統(tǒng)設(shè)計(jì)方法進(jìn)行改進(jìn)，在嵌入式平臺(tái)下進(jìn)行無人機(jī)飛控系統(tǒng)設(shè)計(jì)，并改進(jìn)了控制算法設(shè)計(jì)，提出一種基于LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的搜救無人機(jī)飛行控制算法。在嵌入式平臺(tái)下進(jìn)行了飛控系統(tǒng)的模塊化設(shè)計(jì)以及主控芯片集成設(shè)計(jì)。仿真實(shí)驗(yàn)與性能測試結(jié)果表明，所構(gòu)建的飛控系統(tǒng)有效可行，在提高搜救無人機(jī)的控制性能和飛行穩(wěn)定性控制精度方面具有較為顯著的優(yōu)越性。

1 智能搜救無人機(jī)控制算法設(shè)計(jì)

1.1 智能搜救無人機(jī)飛控系統(tǒng)的控制原理

為了進(jìn)行智能搜救無人機(jī)的飛控系統(tǒng)設(shè)計(jì)，提高飛行穩(wěn)定性和姿態(tài)自校正性能，采用的是最小信息熵的LM-Smith神經(jīng)網(wǎng)絡(luò)泛函穩(wěn)定性控制模型[7]。假設(shè)在D維搜索空間中，智能搜救無人機(jī)飛控系統(tǒng)的控制漸進(jìn)穩(wěn)定性的狀態(tài)函數(shù)為：

(1)

(2)

根據(jù)Hopfield網(wǎng)絡(luò)極大熵準(zhǔn)則[8]，對(duì)一定的范圍內(nèi)按照自身姿態(tài)誤差時(shí)變的時(shí)滯函數(shù)，控制系統(tǒng)的輸入基函數(shù)分別為d1(t)和d2(t)，其滿足：

0≤d1(t)≤h1<∞,0≤d2(t)≤h2<∞

(3)

(4)

其中，h1,h2,τ1與τ2為正常量。

在飛控系統(tǒng)設(shè)計(jì)中，由確定性方程得到的具有隨機(jī)性的運(yùn)動(dòng)狀態(tài)，通過實(shí)時(shí)自適應(yīng)學(xué)習(xí)算法對(duì)被控對(duì)象進(jìn)行辨識(shí)，得到飛控狀態(tài)函數(shù)：

(5)

根據(jù)上述給出的智能搜救無人機(jī)飛控系統(tǒng)的控制原理，進(jìn)行控制算法和控制系統(tǒng)設(shè)計(jì)。

1.2 智能搜救無人機(jī)控制算法改進(jìn)設(shè)計(jì)

在上述控制原理的基礎(chǔ)上，進(jìn)行控制算法設(shè)計(jì)，提出了一種基于LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的搜救無人機(jī)飛行控制算法，采用最小信息熵進(jìn)行泛函加權(quán)得到智能搜救無人機(jī)的位姿狀態(tài)信息，定義d(t)=d1(t)+d2(t)，得到智能搜救無人機(jī)的飛控系統(tǒng)的狀態(tài)跟蹤連接權(quán)值為：

(6)

其中，Gc(s)和G0(s)為適當(dāng)維數(shù)的歸一化定標(biāo)因子矩陣，計(jì)算飛控系統(tǒng)前饋神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，通過規(guī)范權(quán)值點(diǎn)函數(shù)，訓(xùn)練FNNs，得到飛控系統(tǒng)神經(jīng)網(wǎng)絡(luò)的第一層全局最優(yōu)位置為：

(7)

當(dāng)滿足上述條件下，得到的LM-Smith神經(jīng)網(wǎng)絡(luò)系統(tǒng)有較大的Lyapunov指數(shù)。為了滿足穩(wěn)定性條件[9-10]，采用無限折疊迭代混沌映射得到飛控系統(tǒng)的狀態(tài)參量d1(t)和d2(t)，合并成一個(gè)時(shí)滯d(t)，得到：

(8)

更新智能搜救無人機(jī)的速度Vi和位置Xi，系統(tǒng)可寫為：

(9)

利用前述現(xiàn)有的穩(wěn)定性條件，以全局最優(yōu)智能搜救無人機(jī)的位置Xggbest為初始點(diǎn)，得到LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的控制器的結(jié)構(gòu)，如圖1所示。

圖1 LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的控制器的結(jié)構(gòu)

上述控制結(jié)構(gòu)中，G0(s)e-τs是平衡位置與外力矩耦合的慣導(dǎo)函數(shù)，Gc(s)是初始化后的LM-Smith神經(jīng)網(wǎng)絡(luò)系統(tǒng)[11]，Gm(s)與e-tms是搜救無人機(jī)質(zhì)心在地面上的投影權(quán)值和偏值初始函數(shù)。智能搜救無人機(jī)三通道模型的權(quán)值和偏轉(zhuǎn)向量時(shí)滯不相關(guān)時(shí)，Gm(s)=G0(s)，tm=τ，得到控制參量的反饋信號(hào)為：

H(s)+Y(s)=Gm(s)U(s)

(10)

(11)

顯然當(dāng)pk=-gk時(shí)，F(xiàn)(xk+1)對(duì)于LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的迭代優(yōu)化公式為：

xk+1=xk-αgk

(12)

其中，α是學(xué)習(xí)速率。

通過上述設(shè)計(jì)，可見設(shè)計(jì)的控制算法是漸進(jìn)穩(wěn)定的。

2 基于嵌入式平臺(tái)的無人飛控硬件設(shè)計(jì)

在上述控制算法設(shè)計(jì)的基礎(chǔ)上，基于嵌入式Linux系統(tǒng)，進(jìn)行飛控系統(tǒng)的硬件模塊設(shè)計(jì)。在ARM為核心的計(jì)算機(jī)系統(tǒng)中使用ARM，PowerPC，以及一些嵌入式DSP系統(tǒng)，進(jìn)行飛控系統(tǒng)的集成設(shè)計(jì)。飛控系統(tǒng)內(nèi)的主控芯片采用的是嵌入式AD9225[13]，AD9225是AD公司一款高性能A/D芯片，單5V供電，分辨率12位，最大采樣頻率25MHz。首先進(jìn)行A/D電路設(shè)計(jì)，數(shù)字電源采用數(shù)字3.3V供電，采用10μF、0.1μF和0.001μF的電容并聯(lián)來濾除不同頻率的噪聲。為滿足MOSFET半橋功率分配的需求，在飛行控制的狀態(tài)識(shí)別中，采用雙通道雙向電平轉(zhuǎn)換ADG3301在3.3～5V的電平轉(zhuǎn)換傳輸時(shí)延為6ns，使得ADCLK相比PPI-

CLK延遲6ns,采用π型濾波，減少電源毛刺，設(shè)計(jì)高性能運(yùn)放，降低電路底噪聲。在飛控系統(tǒng)設(shè)計(jì)中，需要進(jìn)行A/D電路設(shè)計(jì)，負(fù)責(zé)對(duì)調(diào)理后的接收和參考信號(hào)進(jìn)行采樣，送入DSP內(nèi)處理。在EEPROM設(shè)計(jì)中，當(dāng)檢測到飛行控制異常時(shí)，驅(qū)動(dòng)蜂鳴器發(fā)出報(bào)警信號(hào)。系統(tǒng)在選擇數(shù)字信號(hào)處理器時(shí)考慮如下兩方面：

(1)運(yùn)算能力。運(yùn)算能力是考察整個(gè)飛控系統(tǒng)的智能處理速度和能力的重要特征，在嵌入式平臺(tái)下，飛控系統(tǒng)采用2個(gè)40位ALU，4個(gè)8位視頻ALU進(jìn)行高頻數(shù)學(xué)運(yùn)算，實(shí)現(xiàn)快速處理與實(shí)時(shí)處理的關(guān)鍵因素[14]。選擇的數(shù)字信號(hào)處理器應(yīng)該滿足系統(tǒng)對(duì)計(jì)算速度的要求。

(2)指令系統(tǒng)。由于飛控系統(tǒng)的控制指令復(fù)雜，需要簡潔而功能強(qiáng)大的指令系統(tǒng)，芯片選擇Blackfin系列中的高性能產(chǎn)品，有利于系統(tǒng)編程，對(duì)智能搜救無人機(jī)的飛控系統(tǒng)開發(fā)有利。

綜上分析，在飛控系統(tǒng)設(shè)計(jì)過程中，指標(biāo)性能滿足：

(1)2個(gè)通道全雙工同步串行接口，峰值運(yùn)算能力可達(dá)2.4GMAC/s；

(2)12個(gè)通用32-bit定時(shí)/計(jì)數(shù)器，支持PWM；

(3)支持IrDA(InfraredDataAssociation)的UART，2個(gè)對(duì)稱的600MHz高性能Blackfin內(nèi)核；

(4)內(nèi)核電壓0.8～1.2V，片內(nèi)調(diào)壓器可調(diào)。

在上述系統(tǒng)的指標(biāo)性能分析和芯片選擇的基礎(chǔ)上，在嵌入式平臺(tái)進(jìn)行飛控系統(tǒng)的主控電路設(shè)計(jì)，使用的宿主機(jī)是Intelx86構(gòu)架的PC機(jī)，嵌入式軟件系統(tǒng)的開發(fā)通常采用交叉編譯環(huán)境，即開發(fā)環(huán)境安裝在桌面或者服務(wù)器計(jì)算機(jī)系統(tǒng)，表征數(shù)字信號(hào)處理器處理能力的重要標(biāo)志，再通過網(wǎng)線、232串口、USB等方式將程序下載至嵌入式系統(tǒng)中?？刂扑惴虞d過程如圖2所示。

在無人機(jī)飛控系統(tǒng)的網(wǎng)絡(luò)通信模塊中，通過LEEP幀的信息來估計(jì)EETX值，每當(dāng)收到一個(gè)LEEP幀，會(huì)觸發(fā)SubReceive.receive()事件。

3 實(shí)驗(yàn)與結(jié)果分析

為了測試設(shè)計(jì)的智能搜救無人機(jī)飛控系統(tǒng)在優(yōu)化飛行控制，提高飛機(jī)穩(wěn)定性和平衡性方面的性能，進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)的硬件平臺(tái)：CPU采用三星S3C2440，運(yùn)行于400MHz。NORFLASH為2M，嵌入式平臺(tái)采用可支持ARM-Linux(內(nèi)核版本Linux-2.6.32.2)、

圖2 飛控系統(tǒng)的控制算法程序執(zhí)行流程

WindowsCE5.0/6.0、uCos2的S3C2440AARM9處理器，控制算法采用Matlab進(jìn)行數(shù)學(xué)編程，使用JTAG板(一般借助H-JTAG軟件)直接燒寫入NorFlash進(jìn)行控制算法的程序讀寫。飛控系統(tǒng)的姿態(tài)穩(wěn)定性控制中，進(jìn)行姿態(tài)特征采樣，采樣時(shí)間為13ms，起始頻率為35kHz，帶寬為20kHz。無人機(jī)飛行控制模型狀態(tài)離散方程為：

y(k)=0.579 6y(k-1)+0.399u(k-5)+0.021 46u(k-6)

(13)

y(k)=0.472 4y(k-1)+0.633 2u(k-1)

(14)

飛行控制的頻率變化范圍為23～40kHz，LM-Smith神經(jīng)網(wǎng)絡(luò)泛函控制參數(shù)如下：

(15)

在上述仿真環(huán)境和參數(shù)設(shè)定的基礎(chǔ)上，采用設(shè)計(jì)的控制算法和控制系統(tǒng)進(jìn)行飛行控制穩(wěn)定性測試。首先輸入測試信號(hào)，測試飛控系統(tǒng)進(jìn)行軌跡跟蹤的性能，進(jìn)行搜救無人機(jī)的軌跡跟蹤性能測試，輸出結(jié)果如圖3所示。

圖3 飛控系統(tǒng)軌跡跟蹤控制輸出

由圖3可見，Pd=0.995，Pf=0.000 1,滿足無人機(jī)姿態(tài)跟蹤識(shí)別和控制的精度要求，系統(tǒng)抗干擾信噪比滿足：d≥16.57dB。采用文中設(shè)計(jì)的飛控系統(tǒng)進(jìn)行智能搜救無人機(jī)的軌跡跟蹤，具有較準(zhǔn)確的姿態(tài)和軌跡跟蹤性能，提高了控制精度，展示了該系統(tǒng)的優(yōu)越性。

4 結(jié)束語

智能搜救無人機(jī)的氣動(dòng)特性導(dǎo)致飛行姿態(tài)不穩(wěn)定性，需要通過飛機(jī)慣導(dǎo)設(shè)計(jì)進(jìn)行擾動(dòng)抑制，以防止飛機(jī)失穩(wěn)。因此，智能搜救無人機(jī)飛控系統(tǒng)設(shè)計(jì)方法的研究，對(duì)提高無人機(jī)的穩(wěn)定性和操縱性具有重要意義。為此，在嵌入式平臺(tái)下進(jìn)行了搜救無人機(jī)的飛控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，以提高搜救無人機(jī)的飛行穩(wěn)定性。在控制算法設(shè)計(jì)中，提出了一種基于LM-Smith神經(jīng)網(wǎng)絡(luò)泛函的搜救無人機(jī)飛行控制算法；在飛控系統(tǒng)的模塊化設(shè)計(jì)中，基于嵌入式平臺(tái)進(jìn)行了飛控系統(tǒng)主控芯片集成設(shè)計(jì)。仿真與測試結(jié)果表明，所構(gòu)建的飛控系統(tǒng)應(yīng)用在無人機(jī)飛行控制中，具有較高的軌跡跟蹤控制精度，實(shí)現(xiàn)了無人機(jī)的穩(wěn)定性控制。

[1] 孫克輝,賀少波,董燕青.簡化洛倫茲混沌系統(tǒng)的追蹤同步控制[J].信息與控制,2015,44(4):393-397.

[2]MahmoudEE.Complexcompletesynchronizationoftwononidenticalhyperchaoticcomplexnonlinearsystems[J].MathematicalMethodsintheAppliedSciences,2014,37(3):321-328.

[3]MathenyMH,GrauM,VillanuevaLG,etal.Phasesynchronizationoftwoanharmonicnanomechanicaloscillators[J].PhysicalReviewLetters,2014,112(1):014101.

[4]NjahAN.TrackingcontrolandsynchronizationofthenewhyperchaoticLiusystemviabacksteppingtechniques[J].NonlinearDynamics,2010,61(1-2):1-9.

[5]ChenG,LewisFL.DistributedadaptivetrackingcontrolforsynchronizationofunknownnetworkedLagrangiansystems[J].IEEETransactionsonSystems,Man,andCybernetics,PartB:Cybernetics,2011,41(3):805-816.

[6]SunKH,LiuX,ZhuCX.Dynamicsofastrengthenedchaoticsystemanditscircuitimplementation[J].ChineseJournalofElectronics,2014,23(2):353-356.

[7] 宋申民,郭 永,李學(xué)輝.航天器姿態(tài)跟蹤有限時(shí)間飽和控制[J].控制與決策,2015,30(11):2004-2008.

[8]GuoY,SongSM.Adaptivefinite-timebacksteppingcontrolforattitudetrackingofspacecraftbasedonrotationmatrix[J].ChineseJournalofAeronautics,2014,27(2):375-382.

[9]ChutiphonP,PimchanaS.Nonsingularterminalslidingmodebasedfinite-timecontrolforspacecraftattitudetracking[J].InternationalJournalofControl,AutomationandSystems,2014,12(3):530-540.

[10] 李貴明,劉良棟.剛體衛(wèi)星姿態(tài)的有限時(shí)間控制[J].空間控制技術(shù)與應(yīng)用,2011,37(3):1-8.

[11] 徐為民,徐 攀.不確定擾動(dòng)下雙起升橋吊雙吊具魯棒自適應(yīng)滑模同步協(xié)調(diào)控制[J].控制與決策,2016,31(7):1192-1198.

[12] 陳海燕,劉 威,李 莉.相對(duì)相位噪聲對(duì)相干光通信系統(tǒng)性能影響[J].激光技術(shù),2016,40(1):94-98.

[13] 王 勛,張代兵,沈林成.一種基于虛擬力的無人機(jī)路徑跟蹤控制方法[J].機(jī)器人,2016,38(3):329-336.

[14]MahboubiH,MoezziK,AghdamAG,etal.Distributeddeploymentalgorithmsforimprovedcoverageinanetworkofwirelessmobilesensors[J].IEEETransactionsonIndustrialInformatics,2014,10(1):163-174.

Design of Flight Control System for Intelligent Search and Rescue UAV with Embedded System

LU Qing-xiu

(Huali College of Guangdong University of Technology,Guangzhou 511325,China)

In order to solve the problem of poor performance of unmanned rescue flight control system,the flight control system of unmanned rescue has been designed for lift of its flight stability.A flight control algorithm suitable for flight control system of the intelligent search and rescue UAV has also been proposed based on LM-Smith neural network,which mainly includes two parts,design of control algorithm and that of hardware module.The LM-Smith neural network functional weighted method with minimum information entropy has been employed for pattern recognition of controlled object and self-adaptive modification of flight stability.The location offsets in process of flight control has been tracked and compensated wholly.And thus asymptotically stable convergence of the proposed flight control algorithm has been achieved via established functional controller with LM-Smith neural network.The promoted design of flight control system has been implemented by adopting S3C2440A processor as control core and processing and ARM9 as core main control board and loading embedded Linux system as control program.The tests and analysis have been conducted to verify effectiveness and applicability of both the established flight control system and the designed flight control algorithm.The test results show that the established flight control system has higher precision of trajectory tracking and control,better attitude stability and control performance.

embedded;unmanned rescue machine;flight control system;control algorithm;neural network

2015-11-19

2016-04-05

時(shí)間：2017-01-10

2012廣東省質(zhì)量工程項(xiàng)目(粵教高函[2012]204號(hào))；2015年廣東省教育重點(diǎn)平臺(tái)及科研項(xiàng)目青年創(chuàng)新人才類項(xiàng)目(自然科學(xué)類)(2015KQNCX218)

盧清秀(1979-)，女，碩士，講師，研究方向?yàn)橛?jì)算機(jī)控制算法、人工智能。

http://www.cnki.net/kcms/detail/61.1450.TP.20170110.1010.040.html

TP271

A

1673-629X(2017)02-0191-04

10.3969/j.issn.1673-629X.2017.02.044