旋翼無人機的模糊控制避障策略

黃靜洋　潘衛(wèi)軍　付小蓉　李瑞

摘 要： 由于無人機的小巧方便，功能多樣，應(yīng)用廣泛，目前是空中交通領(lǐng)域的熱點。當(dāng)前大部分無人機為旋轉(zhuǎn)翼無人機，在靈活性和動力上都有良好的性能。在無人機領(lǐng)域，自主避障能力是其智能化的主要體現(xiàn)之一。本文分析了無人機的自主避障系統(tǒng)的結(jié)構(gòu)，采用基于模糊邏輯的自主避障算法使旋轉(zhuǎn)翼無人機在路徑上自主繞飛障礙物，該算法簡單易行，成本較低，可以在一定程度上容納傳感器誤差。本文將此算法在matlab中建立了避障關(guān)系曲面圖，并在c語言環(huán)境中建立了無人機路徑，在該路徑中進行避障仿真，結(jié)果驗證了該算法的可行性和有效性。

關(guān)鍵詞： 無人機;旋轉(zhuǎn)翼;避障;模糊邏輯

【中圖分類號】V249 【文獻標(biāo)識碼】A 【文章編號】1674-3733（2020）08-0198-03

由于無人機經(jīng)濟性較高，節(jié)約人力，機動性好，旋轉(zhuǎn)翼無人機在民用和軍事上都有廣泛運用[1]，因此對于旋翼機飛行的安全性和完成任務(wù)的可靠性要求也更高。比如，無人旋翼機對于地形復(fù)雜、地點偏遠的地區(qū)環(huán)境的防護有重要意義[2];對于人員難以進行的勘察研究，無人旋翼機可以幫助勘探人員對此進行勘測并帶回數(shù)據(jù)[3];無人旋翼機在戰(zhàn)場環(huán)境中對于避開敵方導(dǎo)彈、預(yù)警機等障礙物，減少人員傷亡方面有實際意義[4]。無人旋翼機不僅在這些方面有廣泛應(yīng)用前景，在其他領(lǐng)域也有很大市場[5，6]。而對于無人旋翼機而言，自主避障系統(tǒng)是無人機順利完成飛行任務(wù)的重要安全保障。近年來，無人機的自主避障系統(tǒng)已經(jīng)成為研究熱點之一。自主避障系統(tǒng)在很大程度上反映了無人機的智能性和安全性，無人機需要可靠、實用、反應(yīng)快速的自主避障系統(tǒng)，自主安全避開路徑中的障礙物并快速提供新的飛行路徑，及時將新的飛行路徑數(shù)據(jù)傳送至飛行控制器中，保證無人機順利完成飛行任務(wù)。

在旋翼機自主避障系統(tǒng)的開發(fā)方面，早在2006年3月，SAGEM防務(wù)安全公司就獲得了歐洲防務(wù)局授權(quán)，開展了關(guān)于“感知和規(guī)避技術(shù)”的研究。2007年，美國國防高級研究計劃局開發(fā)了一種小型光感規(guī)避系統(tǒng)[7]，并在Shadow200B、“全球鷹”和“捕食者”無人機上試驗。G.Hoffmann等提出了避障系統(tǒng)的三種操作模式[8]：搜索模式（檢測）、認(rèn)知模式（探測和跟蹤）、避障模式（機動）。Zhihai He、Ram Venkataraman Iyer等提出了基于視覺的無人機避障方法[9]，通過主板上的攝像頭獲得視頻數(shù)據(jù)來確定場景中對象的范圍，并由視覺信息校正角速度，進行飛行控制。

目前我國的無人機自主飛行避障技術(shù)研究也在朝著智能化、可靠性、實時性以及實用性等多元化發(fā)展。劉小偉、楊秀霞提出了基于比例導(dǎo)引律的無人機避障研究[10]，可順利追蹤靜止及運動目標(biāo)?；谌斯輬龇ǖ臒o人機避障策略，利用勢場思想，將路徑中的節(jié)點看作是對無人機有引力或斥力的點，目標(biāo)點及目標(biāo)節(jié)點為引力，障礙物邊緣點為斥力，但該策略容易陷入局部最優(yōu)，由此也產(chǎn)生了一些改進的人工勢場算法[11，12]。近年來也產(chǎn)生了一些人工智能算法，比如A*算法[13]、蟻群算法[14，15]、遺傳算法[16，17]和粒子群算法[18，19]等以及它們的改進算法。這些算法有些針對性較強，比如A*算法，但環(huán)境變化時需要重新裝載地圖，有些全局性不夠強，有些算法速度較快，根據(jù)不同的場合不同的飛行任務(wù)，可以選擇不同的避障策略。

1 旋翼無人機自主避障控制系統(tǒng)

旋翼無人機的自主避障系統(tǒng)通常包含如下四個部分：前端采集模塊、中央處理模塊、控制執(zhí)行模塊和被控對象，如圖1。系統(tǒng)通過前端采集模塊獲取環(huán)境信息和自身姿態(tài)、位置信息，包括環(huán)境中的障礙物信息;然后傳送至中央處理模塊，由中央處理模塊根據(jù)障礙物信息和避障算法，給出避障控制信息;執(zhí)行機構(gòu)將此控制信息轉(zhuǎn)化為行駛對象的避障動作，即調(diào)整特定的電機轉(zhuǎn)速，保障被控對象在從起始點到目標(biāo)點的行駛過程中，能安全地繞過障礙物。

前端采集模塊是無人機自主避障系統(tǒng)的一個重要組成部分，獲取的信息量越豐富，精度越高，對提高無人機的避障能力就越有利，同時也需要處理信息速度較快，以提高信息處理的實時性。在目前的采集模塊中，可以使用激光、紅外傳感器、超聲波傳感器、攝像頭、多傳感器融合等方式。

中央處理模塊是自主避障系統(tǒng)的核心，根據(jù)無人機系統(tǒng)采集到的機體信息和避障系統(tǒng)采集到的障礙物信息，通過自主避障算法給出合理的避障動作指令，傳遞到控制執(zhí)行模塊，使無人機在進行避障后繼續(xù)向目標(biāo)點飛行，完成飛行任務(wù)。

旋翼無人機的控制執(zhí)行模塊由旋轉(zhuǎn)翼電機組成，在接收到中央處理模塊傳遞的控制信息后，改變幾個電機的轉(zhuǎn)速，以改變無人機的航向角、俯仰角和滾轉(zhuǎn)角，以及角速度和角加速度。旋翼無人機與固定翼無人機飛行的空氣動力學(xué)原理是一樣的，利用空氣的流速導(dǎo)致靜壓不同，使得飛機上升高度。但是與固定翼飛機不同的是，旋翼無人機的機翼速度遠大于機身速度，機翼電機的不同轉(zhuǎn)速可以控制無人機的速度，而不同的電機執(zhí)行不同的速度可以控制無人機的方向。

2 基于模糊邏輯的避障算法

通常來說，對于執(zhí)行機構(gòu)，應(yīng)輸入確定的控制量，也就是中央處理模塊應(yīng)根據(jù)其輸入量輸出確定的輸出量。模糊控制的思想是，對于確定的輸入量，以模糊的語言進行描述，根據(jù)一定的邏輯規(guī)則，輸出模糊的輸出語言，再將模糊的輸出語言轉(zhuǎn)換為確定的輸出量，繼而控制執(zhí)行模塊。對于本文中的旋翼無人機而言，中央處理器的輸入為無人機的位置、速度，以及距目標(biāo)點或障礙物的距離，這些均為確定的數(shù)值，在模糊控制算法中，將這些輸入量模糊化，比如“大”“較大”“較小”“小”等語言，這種語言類似于人的思維。再設(shè)置一定的輸入輸出關(guān)系規(guī)則，再將輸出量化，就可以得到具體的輸出量。

由于無人機在避障后需要及時回到預(yù)設(shè)航線上，如果是沒有規(guī)定航線的無人機任務(wù)，就需要在避障后重新計算出新的路徑，這種尋找目標(biāo)點的模式稱為尋蹤模式。在巡航階段中探測到障礙物時，需要無人機及時避開障礙物，對于執(zhí)行簡單任務(wù)的旋翼無人機來說，受空中交通管制限制較小，能獲得的其他航空器信息也較少，如果改變高度會增加相撞風(fēng)險，而改變方向更為容易，故在避障模式下不改變旋翼無人機高度，只改變其方向。當(dāng)無人機傳感器沒有探測到有相撞風(fēng)險的障礙物時，無人機處于尋蹤模式，當(dāng)探測到某障礙物存在相撞風(fēng)險時，無人機切換到避障模式，確認(rèn)已無相撞危險后即切換回尋蹤模式。

2.1 建立坐標(biāo)系及輸入量輸出量的選取

根據(jù)上述分析，無人機在到達巡航階段后，不再隨意改變巡航高度，因此需要建立一個二維坐標(biāo)系。該坐標(biāo)系為機體坐標(biāo)系或地磁坐標(biāo)系，只需獲得機體距目標(biāo)點和障礙物的距離及位置關(guān)系即可。如圖2所示，XOY為本文建立的二維參考坐標(biāo)系，將機體看作一個質(zhì)點，（x（t），y（t））為當(dāng)前機體在坐標(biāo)系中的位置，v（t）為機體的速度方向，d（t）為機體距目標(biāo)點的距離，（t）為機體當(dāng)前飛行方向與目標(biāo)點方向的夾角。由于障礙物可能在機體正面或側(cè)面，故設(shè)do（t）為機體距正面障礙物外形最近點的距離。

在空中交通管理中，需要考慮航空器之間的縱向間隔和側(cè)向間隔。對于低空飛行的旋翼無人機來說，當(dāng)與障礙物不具有安全的垂直間隔（即高度上的間隔）時，也需要考慮航空器與障礙物之間的縱向間隔（即障礙物在航空器前方的飛行路徑上）和側(cè)向間隔（即障礙物在航空器的側(cè)面）。因此在避障模式下，旋翼無人機距前方障礙物的距離do（t）和距側(cè)方障礙物的距離dos（t）均為該策略的輸入量，在這里設(shè)障礙物在機體左面時dos（t）為正，障礙物在機體右面時dos（t）為負(fù)，θ（t）為轉(zhuǎn)向角，同樣左轉(zhuǎn)為正，右轉(zhuǎn)為負(fù)，則輸出量為θ（t）。避障結(jié)束后切換為尋蹤模式，此時輸入量為機體距目標(biāo)點的距離d（t），以及當(dāng)前飛行方向與目標(biāo)點方向的夾角（t），輸出量仍為轉(zhuǎn)向角θ（t）。

2.2 輸入量和輸出量的模糊化

在本文的策略中，需要用模糊化的語言描述輸入量和輸出量。在避障模式中，機體距障礙物的距離不能等于零，所以先將輸入量ds和df在區(qū)間內(nèi)用模糊語言描述為do={小，中，大}={S，M，L}，dos={右大，右小，零，左小，左大}={RL，RS，ZE，LS，LL}，其中dos={零}表示左右均無障礙物。輸出量θ在區(qū)間內(nèi)用模糊語言描述為θ={右大，右中，右小，零，左小，左中，左大}={RL，RM，RS，ZE，LS，LM，LL}，以此表示機體需要轉(zhuǎn)向角度的大小。

在尋蹤模式下，輸入量的模糊化為d={零，小，中，大}={ZE，S，M，L}，={負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}={NL，NM，NS，ZE，PS，PM，PL}。其中的模糊語言表示的是{目標(biāo)點在機體右側(cè)且夾角大，目標(biāo)點在機體右側(cè)且夾角中等，目標(biāo)點在機體右側(cè)且夾角小，目標(biāo)點在機體正前方，目標(biāo)點在機體左側(cè)且夾角小，目標(biāo)點在機體左側(cè)且夾角中等，目標(biāo)點在機體左側(cè)且夾角大}。輸出量θ的模糊化與其在避障模式中的一致。

模糊語言的隸屬度函數(shù)需要根據(jù)經(jīng)驗和傳感器的范圍設(shè)置，具體的應(yīng)用場景不同，隸屬度函數(shù)也不同。如果需要靈敏度和分辨率較高，隸屬度函數(shù)的曲線需要設(shè)置得較陡;如果需要穩(wěn)定性較高，隸屬度函數(shù)曲線需要設(shè)置得較平緩。在設(shè)置隸屬度函數(shù)時應(yīng)選擇合適的范圍和函數(shù)曲線。

2.3 模糊控制規(guī)則設(shè)計和輸出量具體化

在將輸入量和輸出量模糊化后，應(yīng)設(shè)計合理的控制規(guī)則。通常來說，控制規(guī)則一般由條件語句組成，在本文中根據(jù)上述輸入量和輸出量的選取可知，此例為雙輸入單輸出的控制系統(tǒng)。假設(shè)輸入為x和y，輸出為z，條件規(guī)則語句為“x為Ai，y為Bi，則z為Ci（i=1，2，3……）”，該規(guī)則庫由n條這樣的規(guī)則語句組成。在模糊控制中，n不宜過大，否則隨著n的增長，計算量會呈幾何級數(shù)增長。

根據(jù)模糊規(guī)則得到的輸出量Ci是一種模糊語言，在對執(zhí)行機構(gòu)進行控制時需要的是具體的數(shù)值，因此需要將輸出具體化。在對輸出具體化的過程中可以采用最大隸屬度法、中位數(shù)法和加權(quán)平均法。本文才用的是加權(quán)平均法，設(shè)μc（z）為輸出隸屬度函數(shù)，取z的加權(quán)平均值為具體值。

3 旋翼無人機的模糊控制避障算法仿真

3.1 模糊邏輯控制器的設(shè)計

根據(jù)第2部分的敘述，在本例中，避障模式中，輸入do和dos的區(qū)間分別設(shè)為[0，2]和[-2，2]，單位為百米。尋蹤模式中，輸入d和的區(qū)間分別設(shè)為[0，10]和[-180，180]，單位分別為千米和度。輸出量θ的區(qū)間分別設(shè)為[-30，30]，單位為度，即旋翼無人機的轉(zhuǎn)向角最大為30°，方向的每次最大改變量為30。

本文假設(shè)此任務(wù)的特點為短距離、低高度、穩(wěn)定性要求較高，例如快遞無人機。根據(jù)此任務(wù)特點以及一定的經(jīng)驗和計算，機體距前方障礙物的距離do的隸屬度函數(shù)和機體距側(cè)方障礙物的距離dos的隸屬度函數(shù)分別如圖3圖4所示。

輸出量轉(zhuǎn)向角θ的隸屬度函數(shù)如圖5所示

在尋蹤模式下，輸入量旋翼無人機距目標(biāo)點的距離d的隸屬度函數(shù)如圖6，當(dāng)前飛行方向與目標(biāo)點方向夾角的隸屬度函數(shù)如圖7所示。輸出量的隸屬度函數(shù)同避障模式，如圖5。

在設(shè)置了隸屬度函數(shù)后，根據(jù)模糊邏輯控制器的性能，需設(shè)置模糊邏輯規(guī)則。避障模式下的模糊控制規(guī)則如表1所示，尋蹤模式下的模糊控制規(guī)則如表2所示。

3.2 仿真結(jié)果

根據(jù)建立的避障模糊控制器，得到的仿真結(jié)果輸入輸出關(guān)系曲面圖如圖8所示?？梢钥闯?，當(dāng)dos<0時，θ>0，而且在00，θ<0，而且在0

根據(jù)建立的尋蹤模糊控制器，得到的仿真結(jié)果輸入輸出關(guān)系曲面圖如圖9所示?？梢钥闯觯?0（即目標(biāo)點在飛機飛行左側(cè)）為例，當(dāng)0<≤60時，隨著的增大，輸出轉(zhuǎn)向角θ也隨之增大，在d較小時增長坡度較大，在d較大時坡度較緩，說明當(dāng)飛行方向和目標(biāo)點方向夾角較小時，如果距離較遠則飛機的轉(zhuǎn)向角也較小，如果距離較近則轉(zhuǎn)向角相對大一些，且都隨夾角而變化;當(dāng)60<≤110時，轉(zhuǎn)向角θ基本保持不變，在0

本文根據(jù)模糊邏輯控制的原理編寫了C語言程序，建立坐標(biāo)系，設(shè)置機體的起始坐標(biāo)為（2，2），目標(biāo)點坐標(biāo)為（6，6），障礙物邊緣最近點坐標(biāo)為（3，3.5），步長為1，初始飛行方向與x軸夾角為20°，觀察機體在尋找目標(biāo)點時的路徑過程。通過路徑坐標(biāo)點進行仿真結(jié)果分析，在飛機到達位置（3.73，2.99）后，遇到障礙物從而進入避障模式，此時的轉(zhuǎn)向角為0°，而如果沒有障礙物此時的轉(zhuǎn)向角應(yīng)為6.5°。說明此時飛機為避開障礙物只能向正前方飛行，而不能朝向目標(biāo)點飛行，在避開障礙物后，繼續(xù)向目標(biāo)點飛行，最終到達位置（6.63，5.37），該位置坐標(biāo)與目標(biāo)點坐標(biāo)的誤差小于一個步長。

4 結(jié)論

引入模糊控制理論對旋翼無人機進行避障路徑規(guī)劃，模糊化的語言可以在一定程度上容納由傳感器數(shù)據(jù)導(dǎo)致的誤差。本文根據(jù)模糊控制算法，建立了二維坐標(biāo)系，設(shè)置了避障模式和尋蹤模式，航空器的巡航階段在兩個模式之間切換?？梢愿鶕?jù)旋翼無人機的任務(wù)性質(zhì)設(shè)置相應(yīng)的隸屬度函數(shù)和模糊邏輯規(guī)則，在本文仿真案例中，假設(shè)無人機的任務(wù)要求飛行平穩(wěn)性較高，飛行距離較短，高度較低。通過輸入輸出關(guān)系曲面圖可以看出，飛行的轉(zhuǎn)向較為平緩，通過路徑仿真可以得知，此方法可以幫助無人機在飛行路徑中避開障礙物并到達目標(biāo)點附近。此方法適用于規(guī)則數(shù)量較小，對速度要求不高的低空小航線的無人機飛行任務(wù)。

參考文獻

[1] 金大鵬. 四旋翼無人飛行器控制器的設(shè)計與實現(xiàn)[D].沈陽：東北大學(xué)，2010.

[2] Emanuel Stingu and Frank L. Lewis. A Hardware Platform for Research in Helicopter UAV Control[J]. Unmanned Aircraft Systems， 2009.

[3] 張勁銳.基于GIS的無人機地面測控系統(tǒng)設(shè)計與實現(xiàn)[J].彈箭與制導(dǎo)學(xué)報，2008，05.

[4] 唐亮，徐慶九. 海軍傾轉(zhuǎn)旋翼無人機技術(shù)和發(fā)展優(yōu)勢綜述[J].科技資訊，2012，28：73-74+76.

[5] 王波.無人機飛行狀態(tài)對數(shù)據(jù)傳輸?shù)挠绊懷芯縖J].艦船電子工程，2008，10.

[6] 趙瑩.下一代無人機研發(fā)中的關(guān)鍵技術(shù)[J].飛航導(dǎo)彈，2008，10.

[7] 徐華東.無人機電力巡線智能避障方法研究[D].南京：南京航空航天大學(xué)，2014.

[8] G. Hoffmann， H. Huang， S. Waslander， et al. Quadrotor helicopter flight dynamics and control： Theory and experiment[C]. South Carolina： AIAA Guidance， Navigation and Conference and Exhibit， 2007.

[9] He Z， Iyer R V， Chandler P R. Vision-based UAV flight control and obstacle avoidance[C]. American Control Conference， IEEE， 2006.

[10] 劉小偉，楊秀霞.基于比例導(dǎo)引律的無人機避障研究[J].計算機仿真，2015.

[11] 毛晨悅， 吳鵬勇. 基于人工勢場法的無人機路徑規(guī)劃避障算法[J]. 電子科技， 2019（7）.

[12] 丁家如， 杜昌平， 趙耀， et al. 基于改進人工勢場法的無人機路徑規(guī)劃算法[J].計算機應(yīng)用， 2016（1）：287-290.

[13]吳劍， 喻玉華， 周繼強， 黃一敏. 無人機航路規(guī)劃中的變步長A*算法[J]. 電光與控制， 2011， 18（05）：1-6+10.

[14] Wen Y E ， Deng-Wu M A ， Fan H D . Algorithm for Low Altitude Penetration Aircraft Path Planning with Improved Ant Colony Algorithm[J]. Chinese Journal of Aeronautics， 2005， 18（4）：304-309.

[15] 唐立， 郝鵬， 張學(xué)軍. 基于改進蟻群算法的山區(qū)無人機路徑規(guī)劃方法[J]. 交通運輸系統(tǒng)工程與信息， 2019， 19（1）：158-164.

[16] 魚佳欣， 周春來， 劉東平. 改進遺傳算法的無人機航路規(guī)劃與仿真[J]. 計算機仿真， 2013（12）：23-26.

[17] 李楠， 劉朋， 鄧人博， et al. 基于改進遺傳算法的無人機三維航路規(guī)劃[J]. 計算機仿真， 2017， 34（12）.

[18] 張航， 劉梓溪. 基于量子行為粒子群算法的微型飛行器三維路徑規(guī)劃[J]. 中南大學(xué)學(xué)報（自然科學(xué)版）， 2013（S2）：58-62.

[19] 于鴻達， 王從慶， 賈峰， et al. 一種基于差分進化混合粒子群算法的多無人機航跡規(guī)劃[J]. 電光與控制， 2018， v.25;No.239（05）：26-29.