徐一鳴,李 笑,楊凱凱,楊 宇
(武警工程大學(xué) 信息工程學(xué)院,西安 710086)
軍事平臺使用四旋翼無人機進行監(jiān)測偵查等,普通拍攝方式受到限制,拍攝的位置有限,因此得到的信息較為片面[1]。四旋翼無人機靠著本身簡單的結(jié)構(gòu)和高效率的機動模式,正被廣泛的應(yīng)用。無人機的特點在于體積小、靈活且不易被發(fā)現(xiàn),適應(yīng)于惡劣的作業(yè)環(huán)境,對犯罪嫌疑人員進行長時間的隱秘追蹤;并通過視頻鏈路,將拍攝畫面?zhèn)鬏數(shù)街笓]中心進行處理;無人機設(shè)備還可攜帶或裝置非殺傷性武器,減緩罪犯的活動能力,便于警方人員展開抓捕。四旋翼無人機僅僅由四個電機來控制完成它的六個自由度姿態(tài),因此它屬于耦合強但驅(qū)動差的一種非線性的不確定性系統(tǒng),而且特別容易被外界因素所擾動,這就要求四旋翼必須具備準確且快速的魯棒性。所以,在過去幾年間,有大量學(xué)者把不同的控制器放入無人機的控制中,就是為了避免這些不確定因素有可能帶來的不良影響[2]。目前,關(guān)于無人機的研究內(nèi)容逐漸受到科研機構(gòu)以及各個高校的重視,相繼投入研究,且得到了頗有成效的方案,使該問題在一定程度上得到了解決。無人機的控制性能與感知方向密切相關(guān),飛行感知性能越好,無人機的控制性能越優(yōu),RealSense相機在無人機感知方向中應(yīng)用較多,通過分析相機拍攝圖像,分割處理當(dāng)前幀景深圖像,獲取無人機控制方向與飛行路程,以得到對無人機的控制[3]。然而,采用上述方法都無法避開障礙物,導(dǎo)致控制效果較差。
為了讓四旋翼無人機可以完成自主飛行,提出了在深度學(xué)習(xí)如何設(shè)計控制四旋翼無人機系統(tǒng)的基礎(chǔ)上,對無人機的避礙功能進行的設(shè)計,進行了速度控制法的飛行試驗,測試和驗證速度控制方法的可行性和控制性能。
四旋翼無人機的主要組成部分為:無人機機架、飛行控制器、導(dǎo)航與定位系統(tǒng)、自動避障系統(tǒng)等,無人機能夠穩(wěn)定自如的飛行,主要是由控制系統(tǒng)控制的,所以控制系統(tǒng)的設(shè)計是至關(guān)重要的[4]??刂葡到y(tǒng)總體框圖如圖1所示。
圖1 四旋翼無人機控制系統(tǒng)總體結(jié)構(gòu)
控制系統(tǒng)的是使用STM32的主控芯片,主控芯是通過捕獲遙控器上的PPM 信號,對其解碼,進而得到所需的目標(biāo)姿態(tài)[5]。而陀螺儀傳感器則使用的是MPU6050總控芯片,該芯片獲得陀螺儀傳感器的姿態(tài)信息是靠串口通信協(xié)議來實現(xiàn)的,并對其進行解碼;主控芯片將PWM波 為 4 輪周期20 ms 、高電平時間1~2 ms輸送到 4 個電子調(diào)速器 ,電子調(diào)速器需要依靠 PWM 波的占空比來對四個無刷電機的轉(zhuǎn)速進行調(diào)節(jié);接著主控芯片需要按照遙控器所給出的指令輸出相應(yīng)的PWM 波,使控制云臺的舵機產(chǎn)生驅(qū)動,進而調(diào)整云臺姿態(tài)[6]。超聲波測距模塊加入,使飛行安全性得到了保證。
無人機硬件結(jié)構(gòu)主要包括控制器、傳感器、電源以及執(zhí)行結(jié)構(gòu)四個模塊,模塊之間的關(guān)聯(lián)如圖2所示。
圖2 四旋翼無人機控制系統(tǒng)硬件框圖
因為微型無人機有著多變的飛行姿態(tài),為了使無人直升機的帶載能力得到一定程度的提升,該無人機設(shè)計四旋翼的機械結(jié)構(gòu)[7]。為了它的各個機翼實現(xiàn)協(xié)調(diào)運動的目的,而采用機載導(dǎo)航系統(tǒng)控制,進而可以自動的調(diào)整四旋翼無人機的飛行姿態(tài),實現(xiàn)關(guān)鍵態(tài)勢智能分析[8]。
關(guān)于控制器,在設(shè)計的時候需要采用美國德州儀器公司自己生產(chǎn)并且研發(fā)的具有高強的信號處理能力和嵌入式與事件管理能力的TMS320F28335芯片作為主芯片[9]。該芯片外部接口是由飛控系統(tǒng)決定的,它不管引腳數(shù)目還是引腳功能方面都完美的與四旋翼無人機控制系統(tǒng)的一切要求吻合,所以僅僅需要少量的擴展芯片的接口即可實現(xiàn)。
四旋翼無人機的中央處理器是四旋翼無人機控制系統(tǒng)的核心模塊,即人們經(jīng)常提到的MCU,無人機在俯仰通道時的姿態(tài)角度為串級 PID 控制器的控制對象,它的執(zhí)行器是由 4 個無刷電機構(gòu)成。串級 PID的運用,無人機的姿態(tài)角度作為外環(huán)角度控制系統(tǒng)的輸入信息,而姿態(tài)角速度則為內(nèi)環(huán)角速度控制系統(tǒng)的輸入信息[10]。它主要用來實現(xiàn)傳感器信息的采集、機體姿態(tài)角的實時解算,和飛行數(shù)據(jù)的傳輸、電機轉(zhuǎn)速的控制等[11]。
作為檢測裝置,傳感器通過轉(zhuǎn)換電信號的形式,將所感受到的信息加以傳輸,在傳輸之前,對信息進行對應(yīng)的存儲、顯示、控制以及記錄處理,使傳輸信號滿足轉(zhuǎn)換要求[12]。
傳感器大多由以下四個部分組成:敏感元件、轉(zhuǎn)換元件、變換電路和輔助電源。還需要轉(zhuǎn)換元件和變換電路進行輔助[13]。
直流無刷電機因為本身具備時間周期長、效率高等一系列特點,而以執(zhí)行機構(gòu)的方式配合無刷電機應(yīng)用于系統(tǒng)中。電機是飛行器姿態(tài)控制的動力來源的一個非常重要的執(zhí)行機構(gòu)[14]。直流無刷電機的工作原理是利用空氣動力學(xué)使旋翼的轉(zhuǎn)速不同,進而使飛行姿態(tài)千變?nèi)f化。PWM 波發(fā)出的信號作為直流無刷電機的控制信號。根據(jù)DSP發(fā)出PWM信號有著大不相同占空比,電機也會因為這些信號產(chǎn)生不同的轉(zhuǎn)速,導(dǎo)致飛行器出現(xiàn)不一樣的飛行姿態(tài)[15]。其原理圖如圖3所示。
圖3 執(zhí)行機構(gòu)驅(qū)動模塊
飛行器在飛行狀態(tài)中要能夠迅速的從不穩(wěn)定的飛行狀態(tài)調(diào)整為平衡狀態(tài),這就要求執(zhí)行機構(gòu)可以在最短的時間內(nèi)做出相應(yīng)的反應(yīng),將飛行器的飛行速度在最快的時間內(nèi)進行增加或者是減少。
通用紅外遙控系統(tǒng)的兩大組成部分為:發(fā)射和接收,通過編/解碼專用集成電路芯片實現(xiàn)控制操作,如圖4所示。
圖4 紅外遙控接收模塊
接收部分的組成部分為:包括光、電轉(zhuǎn)換放大器、解調(diào)、解碼電路。VlsHAY公司推出了TS0P173紅外線接收器,該接收器具有一體化紅外線的特點, 將集紅外線接收和放大于集于一體,它可以實現(xiàn)從紅外線接收到輸出與TTL電平信號兼容的一切工作,且不用借助任何的外接元件,但它的體積卻只有普通的三極管那么大,它的功能如圖4所示的虛線部分,任何紅外線遙控和紅外線數(shù)據(jù)傳輸它都能適用。
無人機具體位置以及速度信息,在處理大規(guī)模群體事件時起到關(guān)鍵作用。因此,無人機即時狀態(tài)預(yù)估精準度需要提高。移動目標(biāo)檢測區(qū)域,卷積神經(jīng)網(wǎng)絡(luò)(CNN)擁有權(quán)重共享功能,在網(wǎng)絡(luò)模型復(fù)雜性以及權(quán)重數(shù)量上起到抑制作用。但是,由于其權(quán)重數(shù)量相對較多,檢測實時性較差,將區(qū)域概念引入神經(jīng)網(wǎng)絡(luò)中,提出區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)。
R-CNN算法:首先 ,對圖片加以劃分,一張圖片中包含2 000到3 000個候選區(qū)域,接著將每個區(qū)域的特征用CNN提取出來,然后就需要通過SVM訓(xùn)練分類器把這些特征分類整理,最后的目標(biāo)邊界框的重新定位需要靠邊界框回歸算法實現(xiàn)。R-CNN運算效率在克服了傳統(tǒng)方法缺點后仍然不是很高,原因是每個候選區(qū)域的整個網(wǎng)絡(luò)都要進行重新計算?;贑NN模型特征候選區(qū)域映射克服冗余,將相應(yīng)區(qū)域內(nèi)的深層特征進行直接提取,深度學(xué)習(xí)目標(biāo)控制模型如圖5所示。
圖5 基于深度學(xué)習(xí)目標(biāo)控制模型
依照前面所講述的模型,進行設(shè)計的四旋翼無人機飛行器軟件流程,如圖6所示。
圖6 軟件流程圖
串口初始化是除了I/O口初始化、系統(tǒng)時鐘初始化以及系統(tǒng)參數(shù)初始化之外同樣需要在系統(tǒng)初始化中進行的。通過自動檢測方式,判斷無人機的通訊狀態(tài),獲取空中飛行姿勢。執(zhí)行飛行命令過程中,姿勢命令主要包括偏航、俯仰以及翻轉(zhuǎn)三種姿態(tài),不同姿態(tài)命令可以通過一次任務(wù)加以實現(xiàn),如果它可以經(jīng)受住上述的檢測,那么整個系統(tǒng)便會進入另一種狀態(tài),即等待指令的狀態(tài)。反之,如果無人機沒有接到任何與上述指令相關(guān)的命令,無人機的軟件就會對相應(yīng)的命令進行分析與計算,從而準備接下來全新的指令。它可以完整并且有效的框選出被測試的目標(biāo),進而對框上下邊距之間的像素尺寸做出計算。
通過處理陣法、三角形相似原理,對目標(biāo)的選擇框進行尺寸計算,確定上下框之間的距離,預(yù)估無人機與障礙物之間的位置關(guān)系。物體到攝像頭的距離需要符合下面的關(guān)系:
h=(α·h)/x
(1)
其中:α為實際距離;h為攝像頭的焦距;h為目標(biāo)實際尺寸;x為成像后的尺寸。
通過自適應(yīng)擴展Kalman濾波器技術(shù),將非線性問題轉(zhuǎn)換為線性問題加以求解。假設(shè),移動目標(biāo)加速度為不為零的常數(shù),可通過下式描述移動目標(biāo)的加速度以及加速度噪聲:
(2)
(3)
1)初始化擴展卡爾曼濾波器。在給定的采樣周期內(nèi),計算狀態(tài)轉(zhuǎn)移矩陣1,計算估計誤差協(xié)方差陣Q,給定目標(biāo)的初始位置、速度值,對噪聲協(xié)方差W、V進行計算,現(xiàn)在啟動濾波器進行運算。
2)模擬更新目標(biāo)運動軌跡,更新預(yù)測協(xié)方差陣,將目標(biāo)前一時刻的狀態(tài)帶入方程進行計算,并對目標(biāo)下一時刻的運動狀態(tài)進行估計。
3)進行仿真。分別以X、Y兩個方向的狀態(tài),對噪音擾動的情況進行模擬,每次循環(huán)時,從狀態(tài)向量和推定誤差誤差差距的角度加以賦值,將預(yù)測的目標(biāo)位置推定為下一個視覺的先驗條件,更新Kalman的余波狀態(tài),并反復(fù)循環(huán)。
綜上所述,可完成基于深度學(xué)習(xí)的四旋翼無人機控制系統(tǒng)設(shè)計。
針對基于深度學(xué)習(xí)的四旋翼無人機控制系統(tǒng)設(shè)計合理性,進行了系統(tǒng)調(diào)試與分析。
系統(tǒng)調(diào)試與分析主要參數(shù)如表1所示。
表1 系統(tǒng)調(diào)試與分析主要參數(shù)
實驗平臺上為一架四旋翼無人機,如圖7所示。
圖7 四旋翼無人機示意圖
采用該無人機的系統(tǒng)同時對采用一種基于RealSense相機控制系統(tǒng)、基于分布感知與決策控制系統(tǒng)與基于深度學(xué)習(xí)控制系統(tǒng)在空中的應(yīng)用進行了對比實驗。
使用飛行器姿態(tài)測量與顯示系統(tǒng)采集四旋翼無人機姿態(tài)數(shù)據(jù),飛行器姿態(tài)測量與顯示系統(tǒng)能夠?qū)崟r顯示四旋翼無人機下仰12.5°,俯仰-8.0°飛行狀態(tài)。
圖8是四旋翼無人機在調(diào)試過程中的安裝方式。
圖8 四旋翼無人機在調(diào)試過程中的安裝方式
將三種控制系統(tǒng)調(diào)試到參數(shù)最優(yōu)狀態(tài),并采集四旋翼無人機運行參數(shù),由此完成四旋翼無人機在調(diào)試。
根據(jù)上述四旋翼無人機調(diào)試結(jié)果,可獲取四旋翼無人機實際俯仰角、航向角、橫滾角,如表2所示。
表2 實際俯仰角、航向角、橫滾角
依據(jù)上述實際調(diào)試結(jié)果,分別將傳統(tǒng)的基于RealSense相機控制系統(tǒng)、基于分布感知與決策控制系統(tǒng)與基于深度學(xué)習(xí)控制系統(tǒng)對四旋翼無人機所控制的俯仰角、航向角、橫滾角精準度進行對比分析,結(jié)果如圖9所示。
圖9 三種系統(tǒng)控制精準度對比分析
(a)俯仰角:當(dāng)轉(zhuǎn)臺角度為0°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為-9°、20°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為31°;當(dāng)轉(zhuǎn)臺角度為150°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為-39°、-35°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為-24°;當(dāng)轉(zhuǎn)臺角度為250°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為-3°、-2°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為28°。
(b)航向角:當(dāng)轉(zhuǎn)臺角度為0°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為-170°、184°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為186°;當(dāng)轉(zhuǎn)臺角度為150°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為174°、176°°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為176°;當(dāng)轉(zhuǎn)臺角度為300°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為196、189,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為185°。
(c)橫滾角:當(dāng)轉(zhuǎn)臺角度為0°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為0°、-100°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為0°;當(dāng)轉(zhuǎn)臺角度為200°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為-120°、-130°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為-130°;當(dāng)轉(zhuǎn)臺角度為300°時,采用基于RealSense相機控制系統(tǒng)和基于分布感知與決策控制系統(tǒng)控制精準度分別為150°、45°,而采用深度學(xué)習(xí)控制系統(tǒng)控制精準度為-20°。
綜上所述:采用傳統(tǒng)基于RealSense相機控制系統(tǒng)、基于分布感知與決策控制系統(tǒng)控制精準度較低,而采用基于深度學(xué)習(xí)控制系統(tǒng)控制精準度較高,由此可知,基于深度學(xué)習(xí)的四旋翼無人機控制系統(tǒng)設(shè)計是具有合理性的。
對四旋翼無人機控制系統(tǒng)設(shè)計問題進行了深入的研究與分析,針對四旋翼無人機非線性、強耦合、欠驅(qū)動的幾大特點,設(shè)計出了一種基于深度學(xué)習(xí)的四旋翼無人機控制系統(tǒng)設(shè)計方案,通過對比傳統(tǒng)控制方法和為了驗證該理論所做的實驗,驗證了所提方法的抗擾性和魯棒性。
在以后的實際工作應(yīng)用中,將對實際平臺實驗進行驗證,方法則是通過四旋翼無人機來操作完成,進而實現(xiàn)自抗擾控制器從理論過渡到實踐的現(xiàn)實目的。除此之外,還會嘗試結(jié)合自抗擾控制技術(shù)與其他智能控制方法實現(xiàn)對四旋翼無人機軌跡跟蹤控制的最佳效果。分別對四旋翼無人機飛控系統(tǒng)如何搭建的整個過程進行了硬件、軟件原理角度的詳細介紹, LabVIEW采集無人機姿態(tài)角數(shù)據(jù)顯示,機體姿態(tài)的有效控制原因為飛控系統(tǒng),這很好的奠定了進一步研究的基礎(chǔ),對處理突發(fā)性群體事件具有重要意義。飛行實驗時,人體的檢測和距離往往出現(xiàn)延遲的原因主要是由RaspberryPi 3B+機能的限制導(dǎo)致的。為了不讓實驗人員受到危險的威脅,抵消延遲所帶來的影響,無人機目前只能進行低速飛行。