無人機(jī)巡檢系統(tǒng)自主導(dǎo)航定位技術(shù)研究

李 杰，趙國欣

（黃河水利職業(yè)技術(shù)學(xué)院，河南 開封 475004）

0 引言

小型旋翼無人機(jī)常用的導(dǎo)航方式是基于GPS/INS 的組合模式，該模式需要通過采集GPS 信號，才可以達(dá)到穩(wěn)定飛行的狀態(tài)，但現(xiàn)實(shí)復(fù)雜的環(huán)境并不能保證這一點(diǎn)。如在信號阻隔區(qū)GPS 接收機(jī)可能無法正常接收信號，系統(tǒng)無法長期實(shí)現(xiàn)INS慣性導(dǎo)航的功能，難以準(zhǔn)確定位，使得無人機(jī)出現(xiàn)航線錯(cuò)誤甚至炸機(jī)的風(fēng)險(xiǎn)[1-3]。

1）精細(xì)濾波算法

精細(xì)濾波算法是指針對不同傳感器，加速度計(jì)、陀螺儀、磁場計(jì)以及氣壓計(jì)單獨(dú)采用一套底層的濾波算法，從而在不增加傳感器成本的基礎(chǔ)上提高導(dǎo)航精度。

2）高效融合算法

目前使用最為廣泛的是卡爾曼濾波算法，為了提高算法的效率，需根據(jù)實(shí)際情況，對卡爾曼濾波器進(jìn)行設(shè)計(jì)與改進(jìn)，以達(dá)到降低卡爾曼濾波器維數(shù)并不損失精度的效果。

3）神經(jīng)網(wǎng)絡(luò)技術(shù)

通過設(shè)置INS 誤差分析數(shù)據(jù)，可以有效解決GPS信號暫時(shí)沒有狀態(tài)下，無人機(jī)航線的判斷。當(dāng)無人機(jī)可以再次采集GPS 信號時(shí)，依據(jù)神經(jīng)網(wǎng)絡(luò)技術(shù)，能夠通過GPS 和INS 采集的數(shù)據(jù)，實(shí)現(xiàn)深度學(xué)習(xí)的目的，從而不斷優(yōu)化神經(jīng)網(wǎng)絡(luò)技術(shù)。如果無人機(jī)的GPS 信號再次消失的狀態(tài)下，便能夠依據(jù)這種技術(shù)分析慣導(dǎo)的位置，從而得到準(zhǔn)確的INS 位置，使得無人機(jī)的GPS/INS 組合模式進(jìn)一步改善。最終當(dāng)無人機(jī)在特殊環(huán)境下進(jìn)行作業(yè)時(shí)，當(dāng)GPS 信號正常時(shí)，系統(tǒng)采用常規(guī)的組合導(dǎo)航方式進(jìn)行導(dǎo)航；當(dāng)在信號阻隔區(qū)GPS信號丟失時(shí)，系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)預(yù)測的方式，根據(jù)慣導(dǎo)信號來預(yù)測無人機(jī)自身的位置信息，從而指導(dǎo)無人機(jī)沿預(yù)定的路線飛行；當(dāng)作業(yè)完畢要返回出發(fā)點(diǎn)時(shí)，導(dǎo)航模塊利用神經(jīng)網(wǎng)絡(luò)對之前飛過路線的記憶功能，輸出無人機(jī)返回時(shí)自身的位置坐標(biāo)信息，進(jìn)而指導(dǎo)無人機(jī)安全返航。

4）分層調(diào)度思想

整個(gè)系統(tǒng)的設(shè)計(jì)分為三層，第一層為底層傳感器濾波層，用于提高傳感器精度且不相互污染；第二層為數(shù)據(jù)融合層，提高導(dǎo)航整體精度；第三層為算法調(diào)度層，實(shí)現(xiàn)智能化導(dǎo)航。在GPS 信號缺失時(shí)，算法調(diào)度層能夠迅速識別，并且調(diào)用加神經(jīng)網(wǎng)絡(luò)修正的導(dǎo)航算法，在GPS信號恢復(fù)時(shí)又能重新使用GPS導(dǎo)航。

5）分級濾波思想

在有穩(wěn)定GPS 的情況下，小型旋翼無人機(jī)的導(dǎo)航精度能夠滿足要求，因而在做多傳感器組合導(dǎo)航時(shí)不需要犧牲計(jì)算資源和魯棒性來略微提升導(dǎo)航精度。基于這種對導(dǎo)航模塊性能的要求，選用分級濾波構(gòu)架。即底層采用分散式的濾波，頂層有選擇地采用融合算法。采用分級濾波，可以在部分傳感器失效的情況下，仍可以充分發(fā)揮有效傳感的功能，保證導(dǎo)航在一段時(shí)間內(nèi)正常進(jìn)行。在傳統(tǒng)的飛控導(dǎo)航模塊中，只要GPS 失效就會自動(dòng)降落，并沒有充分利用其它傳感器的功能。

1 基本原理

傳統(tǒng)的小型旋翼無人機(jī)通常采用多傳感器組合導(dǎo)航的方式，典型的傳感器組合方式如圖1所示?；贕PS/INS 組合導(dǎo)航所用到的傳感器有GPS 和慣性導(dǎo)航元器件（陀螺儀、加速度計(jì)和磁力計(jì)），GPS 傳感器可以輸出載體在導(dǎo)航坐標(biāo)系下的速度和經(jīng)緯度信息，慣性導(dǎo)航傳感器可以輸出載體的加速度信息和角速度信息。由于在高度通道GPS 非常不穩(wěn)定，所以輔以氣壓計(jì)來提高高度通道的導(dǎo)航精度。然而傳統(tǒng)的組合導(dǎo)航方式，屬于集中式濾波，當(dāng)GPS 信號不能正常提供，而使得導(dǎo)航被迫中止[4-6]。

圖1 典型傳感器組合方式

通過多傳感器精細(xì)濾波算法以及高效融合算法提高導(dǎo)航系統(tǒng)精度，通過神經(jīng)網(wǎng)絡(luò)等智能化工具以及復(fù)雜系統(tǒng)分層調(diào)度思想從而實(shí)現(xiàn)導(dǎo)航系統(tǒng)智能化，通過分級濾波構(gòu)架，提高系統(tǒng)的魯棒性，如圖2 所示。系統(tǒng)初始化包括系統(tǒng)初始對準(zhǔn)與傳感器的自修復(fù)。在傳感器的修復(fù)過程中，最為重要的是進(jìn)行加速度計(jì)和陀螺儀的標(biāo)定以及磁場計(jì)的修復(fù)。

圖2 導(dǎo)航構(gòu)架

通常依據(jù)重力場技術(shù)對加速度計(jì)實(shí)現(xiàn)靜態(tài)的判斷，一般選擇的判斷技術(shù)有三種，分別為6 位置判斷技術(shù)、12 位置判斷技術(shù)與24 位置判斷技術(shù)。文中選擇6 位置判斷技術(shù)，實(shí)現(xiàn)無人機(jī)加速度計(jì)三個(gè)軸的確定性誤差判斷，建立的模型如下：

式中：ax、ay、az依次為無人機(jī)加速度計(jì)三個(gè)軸的實(shí)際輸出值；kii是無人機(jī)加速度計(jì)的標(biāo)度值；Ax、Ay、Az依次為無人機(jī)三個(gè)軸加速度計(jì)不含確定性誤差后的值；kij是無人機(jī)加速度計(jì)的非正交誤差值；offseti是無人機(jī)加速度計(jì)的零位偏置。

電子羅盤的功能為采集地球磁場信息，分析北極的位置。一般地球的磁場信號很小，如果電子羅盤受到周圍信號的影響，無法獲得相關(guān)信息。通過對電子羅盤采集的信息修復(fù)，從而優(yōu)化采集信息，一般采用平面修復(fù)技術(shù)，如圖3所示。

圖3 平面修復(fù)法

GPS 傳感器輸出的速度位置信息與慣性導(dǎo)航傳感器解算出來的速度位置信息作為卡爾曼濾波器的輸入，輸出慣性導(dǎo)航的誤差信息，用此誤差信息修正慣性導(dǎo)航的數(shù)據(jù)，最終產(chǎn)生無人機(jī)飛行需要的導(dǎo)航信息，如圖4 所示。當(dāng)GPS 信號中斷時(shí)，組合導(dǎo)航無法工作。此時(shí)設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)對GPS 位置和速度信號進(jìn)行預(yù)測。其工作原理為：如圖4（a）所示，在GPS 信號正常時(shí)，設(shè)計(jì)ANN 神經(jīng)網(wǎng)絡(luò)以慣性導(dǎo)航傳感器輸出的速度和姿態(tài)信息為輸入，以Kalman 濾波器的輸出為期望輸出對ANN 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；如圖4（b）所示，當(dāng)GPS 信號中斷時(shí)，利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)來間接代替GPS 的作用，對kalman 濾波器的輸出進(jìn)行預(yù)測，預(yù)測產(chǎn)生慣性導(dǎo)航的修正信號并補(bǔ)償慣導(dǎo)信號，在沒有GPS 信號的情況下，系統(tǒng)依舊可以輸出無人機(jī)自身的位置信息。

圖4 神經(jīng)網(wǎng)絡(luò)架構(gòu)圖

由歐拉角微分方程可知?dú)W拉角的變化率與偏航角無關(guān)，也就是說即便偏航角不準(zhǔn)確，也不會影響俯仰角和滾轉(zhuǎn)角的計(jì)算。因此可以在不融合磁力計(jì)數(shù)據(jù)的情況下，就可以使用重力場濾波，而且能夠保證濾波系統(tǒng)是穩(wěn)定的。如公式（2）所示，其中，P&、R&和Y&為角速度在導(dǎo)航坐標(biāo)系下的投影，ωnbx、ωnby和ωnbz為角速度在載體坐標(biāo)系下的投影，也就是陀螺儀數(shù)據(jù)。

因此，設(shè)計(jì)重力場濾波框架（如圖5），保證系統(tǒng)的俯仰角和滾轉(zhuǎn)角收斂。在此，也特別說明在直接使用四元數(shù)方法計(jì)算姿態(tài)微分方程時(shí)，仍可以在不考慮磁力計(jì)的情況下做重力場濾波。依據(jù)是如下定理：使用四元數(shù)描述姿態(tài)時(shí)，偏航角誤差不會傳遞到俯仰角和滾轉(zhuǎn)角中。

圖5 重力場濾波

2 硬件方案設(shè)計(jì)

硬件部分包括對旋翼機(jī)導(dǎo)航系統(tǒng)硬件模塊的選型和調(diào)試。GPS/INS 導(dǎo)航系統(tǒng)的硬件模塊選用InvenSense公司的MPU9250九軸運(yùn)動(dòng)跟蹤傳感器（陀螺儀+加速度計(jì)+磁力計(jì)）作為慣性導(dǎo)航數(shù)據(jù)源，選用Ublox 公司的外置GPS 模塊作為衛(wèi)星導(dǎo)航的數(shù)據(jù)源。陀螺儀用于實(shí)時(shí)解算飛機(jī)飛行過程中的姿態(tài)和加速度；GPS用于檢測飛機(jī)的速度、位置坐標(biāo)等信息。中央處理模塊選用ST公司的STM32F103處理單元，對這些傳感器的接口特性進(jìn)行研究，并且完成了與中央處理器硬件接口的設(shè)計(jì)和連接。完成硬件系統(tǒng)的連接，確保硬件系統(tǒng)能正常運(yùn)行[7-9]。慣導(dǎo)傳感器部分采用MPU9250復(fù)合芯片（MCM），基于CMOS-MEMS設(shè)計(jì)技術(shù)，通過3×3×1 mm的芯片，使得傳感器具有更高的性能的前提下，成本最小，同時(shí)，該芯片在受到較大震動(dòng)沖擊的情況下，保持性能穩(wěn)定，其原理圖如圖6所示。

圖6 MPU9250原理圖

文中設(shè)計(jì)的無人機(jī)衛(wèi)星導(dǎo)航傳感器選擇Ublox GPS，這種模式可以獲得多種導(dǎo)航數(shù)據(jù)，包括GPS、GLONASS或BeiDou，從而保證了無人機(jī)導(dǎo)航定位的準(zhǔn)確性。但單獨(dú)使用北斗導(dǎo)航系統(tǒng)時(shí)，其本身只能二維定位，定位精度不高，適用于區(qū)域?qū)Ш剑室话闶褂媒M合導(dǎo)航獲得更好的導(dǎo)航效果。此平臺專門適用于即使在GPS信號差的環(huán)境下都需要最高的可用性和準(zhǔn)確性的高性能應(yīng)用。其原理圖如圖7所示。

圖7 Ublox M8N電路圖

當(dāng)無人機(jī)的GPS 信號無法采集時(shí)，通過選擇高精度的氣壓計(jì)，獲得無人機(jī)的飛行高度數(shù)據(jù)。文中通過設(shè)置獨(dú)立的數(shù)據(jù)處理模塊，優(yōu)化了系統(tǒng)算法，明顯改善了氣壓計(jì)的工作性能。選用氣壓計(jì)DPS310+集成解算單片機(jī)STM32F0，如圖8所示。

圖8 氣壓計(jì)模塊實(shí)物及原理圖

文中設(shè)計(jì)的數(shù)據(jù)處理模塊，還可以分析慣性導(dǎo)航和衛(wèi)星導(dǎo)航傳感器采集的數(shù)據(jù)，利用kalman等融合算法對信號進(jìn)行融合，輸出滿足飛行要求的導(dǎo)航定位信息。本系統(tǒng)所選用的是STM32F767與STM32F103芯片聯(lián)合處理。其中STM32F767為主控高性能芯片，負(fù)責(zé)整個(gè)系統(tǒng)的全局控制。STM32F103為從機(jī)，主要用于處理穩(wěn)定性不高，且不能自由控制收發(fā)的傳感器。

為了能夠?qū)崟r(shí)監(jiān)測導(dǎo)航模塊的導(dǎo)航精度，在設(shè)計(jì)模塊時(shí)還引入了數(shù)據(jù)傳輸模塊。模塊的通訊示意圖如圖9所示。

圖9 數(shù)傳通訊示意圖

3 算法設(shè)計(jì)

1）四元數(shù)法

四元數(shù)法在姿態(tài)解算過程中運(yùn)用十分廣泛，不僅計(jì)算量小，而且算法的穩(wěn)定性高。四元數(shù)基本方程：

式中：u表示單位化后的旋轉(zhuǎn)軸矢量；θ表示繞該軸旋轉(zhuǎn)的角度。這里都是四元數(shù)用來表示旋轉(zhuǎn)，因而所定義的四元數(shù)模為1。寫成四元數(shù)的形式：

式中：cosα，cosβ，cosγ為u的方向余弦；四元數(shù)的共軛：由于旋轉(zhuǎn)操作對應(yīng)的四元數(shù)模為1，所以文中四元數(shù)的逆等于其共軛，即用四元數(shù)表示導(dǎo)航坐標(biāo)系到載體坐標(biāo)系的旋轉(zhuǎn)變換，首先將坐標(biāo)表示法擴(kuò)充為四元數(shù)的形式如下：

則從導(dǎo)航坐標(biāo)系到載體坐標(biāo)系的旋轉(zhuǎn)可以表示成如下的關(guān)系：

寫成矩陣形式為：

因而四元數(shù)法利用四個(gè)參數(shù)q0，q1，q2，q3實(shí)現(xiàn)了從導(dǎo)航坐標(biāo)系到載體坐標(biāo)系的變換[10-12]。

2）卡爾曼濾波

文中采用Kalman濾波計(jì)算流程如圖10所示，一共含有兩個(gè)模塊，分別是濾波分析單元與增益分析單元。

圖10 Kalman濾波計(jì)算流程

為了便于在計(jì)算機(jī)上實(shí)現(xiàn)，離散化后的狀態(tài)方程和觀測方程可以表示為[13-15]：

3）Elman神經(jīng)網(wǎng)絡(luò)

通過測試發(fā)現(xiàn)Elman神經(jīng)網(wǎng)絡(luò)不僅算法簡單，而且具備記憶功能，所以本系統(tǒng)的設(shè)計(jì)選用Elman神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)圖如圖11所示。

圖11 Elman濾波計(jì)算流程

Elman 神經(jīng)網(wǎng)絡(luò)技術(shù)類似BP 神經(jīng)網(wǎng)絡(luò)技術(shù)，含有兩個(gè)運(yùn)行模式，依次是工作信號的正向運(yùn)行模式與誤差反向運(yùn)行模式。依照Elman神經(jīng)網(wǎng)絡(luò)技術(shù)，通過采集的全部數(shù)據(jù)信息分析，如果這些信息符合系統(tǒng)要求，那么可以準(zhǔn)確實(shí)現(xiàn)無人機(jī)導(dǎo)航定位，同時(shí)，還能夠?qū)崿F(xiàn)神經(jīng)網(wǎng)絡(luò)技術(shù)的分析。圖12 所示為Elman 神經(jīng)網(wǎng)絡(luò)訓(xùn)練和預(yù)測的流程圖。

圖12 Elman神經(jīng)網(wǎng)絡(luò)訓(xùn)練和預(yù)測流程圖

依照無人機(jī)自主導(dǎo)航定位的要求，設(shè)置Elman神經(jīng)網(wǎng)絡(luò)技術(shù)模型，含有各個(gè)神經(jīng)元的信息，實(shí)現(xiàn)神經(jīng)元傳遞函數(shù)的目標(biāo)。然后設(shè)置每層的連接權(quán)值，通常設(shè)置的連接權(quán)值很小。由于系統(tǒng)采集的樣本信息存在一定的差異，導(dǎo)致系統(tǒng)輸入輸出值難以處理，因此，系統(tǒng)對于采集信息實(shí)現(xiàn)歸一化分析。接著，系統(tǒng)依據(jù)這些信息，優(yōu)化算法，不斷改善系統(tǒng)各層的權(quán)值。因此，系統(tǒng)可以解決無人機(jī)導(dǎo)航定位中存在的問題，進(jìn)行準(zhǔn)確預(yù)測。

4 系統(tǒng)設(shè)計(jì)

小型旋翼無人機(jī)巡檢數(shù)據(jù)監(jiān)測平臺程序基于LabVIEW 編寫，包括用戶登錄模塊、數(shù)據(jù)收發(fā)模塊、狀態(tài)信息顯示模塊、信號處理和分析模塊、數(shù)據(jù)存儲和歷史查詢模塊，監(jiān)測平臺具有較快的數(shù)據(jù)收發(fā)響應(yīng)時(shí)間、較強(qiáng)的數(shù)據(jù)處理能力、良好的用戶操作界面以及較完善的數(shù)據(jù)庫存儲查詢機(jī)制。

為了保護(hù)小型旋翼無人機(jī)巡檢的信息安全，方便巡檢人員的日常管理工作，為各種監(jiān)控軟件設(shè)計(jì)可靠的用戶登錄和管理程序是必不可少的。本設(shè)計(jì)的LabVIEW 上位機(jī)監(jiān)測系統(tǒng)登錄界面如圖13 所示，當(dāng)輸入的用戶信息與用戶信息庫中的對應(yīng)項(xiàng)匹配時(shí)就可以進(jìn)入小型旋翼無人機(jī)巡檢數(shù)據(jù)監(jiān)測系統(tǒng)主界面。

圖13 小型旋翼無人機(jī)監(jiān)測平臺用戶登錄界面

5 結(jié)語

當(dāng)無人機(jī)處于信號阻隔區(qū)時(shí)，GPS接收機(jī)可能無法正常接收信號，系統(tǒng)無法長期實(shí)現(xiàn)INS慣性導(dǎo)航的功能，難以準(zhǔn)確定位。文中設(shè)計(jì)的無人機(jī)衛(wèi)星導(dǎo)航傳感器選擇Ublox GPS，可以獲得多種導(dǎo)航數(shù)據(jù)，包括GPS、GLONASS 或 BeiDou，從而保證了無人機(jī)導(dǎo)航定位的準(zhǔn)確性；設(shè)計(jì)的數(shù)據(jù)處理模塊，可以分析慣性導(dǎo)航和衛(wèi)星導(dǎo)航傳感器采集的數(shù)據(jù)，利用kalman 等融合算法對信號進(jìn)行融合，輸出滿足飛行要求的導(dǎo)航定位信息。