電力多旋翼無人機巡檢控制系統(tǒng)的設(shè)計與實現(xiàn)

王俊平，徐 剛

（1.湖北職業(yè)技術(shù)學(xué)院機電工程學(xué)院，湖北 孝感 432000；2.湖北工程學(xué)院機械工程學(xué)院，湖北 孝感 432000）

1 引言

社會發(fā)展的特點之一是不斷增長的能源消費，特別是在經(jīng)濟快速發(fā)展階段電力消費隨之增長。高壓輸電線路作為電力發(fā)電、輸電和配電的中間環(huán)節(jié)，對電網(wǎng)的整體性能有著重要的影響。電力機構(gòu)為控制輸電過程的性能指標(biāo)而采用的維修方法包括無人機、徒步巡檢、攀爬機器人以及有人駕駛飛行器。在徒步巡檢中，通常由兩個人組成的隊伍從一個塔走到另一個塔進行電線路檢查。目視的線路檢查是在雙筒望遠(yuǎn)鏡的幫助下進行的，有時用紅外（IR）和探測相機進行檢查。該檢測手段非常準(zhǔn)確，檢測人員可以從地面上很好地看到電力線設(shè)備的表面情況。但是考慮到全國的地形差異，穿越公路的人員流動輸電線路的巡邏并不容易。因此，傳統(tǒng)線路檢查存在緩慢、單調(diào)、主觀的缺陷。

四旋翼是一個四螺旋槳交叉配置的機電一體化系統(tǒng)。前后電機順時針旋轉(zhuǎn)時，左右電機逆時針旋轉(zhuǎn)，幾乎抵消了陀螺效應(yīng)和調(diào)整飛行時的氣動動力力矩。與傳統(tǒng)直升機相比，四旋翼的另一個優(yōu)點是簡化了旋翼力學(xué)。

通過改變單個電機的速度，可以改變升力，從而產(chǎn)生垂直和/或橫向運動。俯仰運動是由前后電機的速度差產(chǎn)生的，而橫搖運動則分別由左右轉(zhuǎn)子的速度差產(chǎn)生。偏航旋轉(zhuǎn)是由于每對轉(zhuǎn)子（前后和左右）的反力矩不同而產(chǎn)生的?？偼屏κ撬膫€單轉(zhuǎn)子產(chǎn)生的推力之和。所有的傳感器和信息處理單元都嵌入到四旋翼中用于控制目的，以實現(xiàn)無人機的自主操作。然而，盡管其有四個執(zhí)行器，但四旋翼是一個動態(tài)不穩(wěn)定的系統(tǒng)，必須由一個合適的控制系統(tǒng)來穩(wěn)定。除了功能復(fù)雜性之外，算法還必須在嵌入式硬件中實現(xiàn)，并且必須滿足實時需求，同時必須考慮有限的內(nèi)存和板載處理能力。許多控制系統(tǒng)是基于線性化模型和傳統(tǒng)的PID控制。

無人機（UAV）這一新興技術(shù)在電力線路檢測方面變得更加經(jīng)濟實用。這里中提出了一種多平臺旋翼無人機系統(tǒng)和多模型通信系統(tǒng)，并將其用于中國高效的電力線檢測任務(wù)。對四旋翼無人機的力平衡、運動控制進行了詳細(xì)的介紹。不同的無人機協(xié)同工作，可實現(xiàn)遠(yuǎn)程成像、近距離成像和通信中繼。將高質(zhì)量的圖像/視頻實時傳輸?shù)綗o人機導(dǎo)航現(xiàn)場控制站和遠(yuǎn)端辦公室進行分析。根據(jù)三個節(jié)點法的溫度參數(shù)判斷其有無故障。事實證明：旋翼無人機檢測比傳統(tǒng)的檢測方法具有更高的效率。

2 電力旋翼無人機巡檢系統(tǒng)

2.1 系統(tǒng)機構(gòu)特點

四旋翼無人機的運動是通過改變四個轉(zhuǎn)子產(chǎn)生的升力來控制的。與傳統(tǒng)四旋翼無人機不同，這種四旋翼無人機可以通過改變轉(zhuǎn)速、葉片迎角（俯仰角）和循環(huán)俯仰角來改變升力矢量的大小和方向。

螺距角是固定的，因為轉(zhuǎn)子是由柔性塑料制成，空氣阻力扭曲造成螺距角的變化。因此，升力是四個轉(zhuǎn)子轉(zhuǎn)速之和的函數(shù)，而轉(zhuǎn)矩是它們的差值的函數(shù)。四旋翼無人機有四個輸入力產(chǎn)生六個自由度的運動，且無線電控制器的操作人員有四個控制機構(gòu)：油門（電機轉(zhuǎn)速）、橫搖、俯仰和偏航。

為了滿足電力線檢測的需要，從零開始研制了四旋翼，其組成成分為：微處理器、慣性測量單元（IMU）、GPS、自動駕駛儀、高度計和通信系統(tǒng)。根據(jù)任務(wù)模式不同，將四旋翼飛行控制器飛行執(zhí)行模式分為手動飛行、GPS定位和GPS導(dǎo)航。

四旋翼無人機基本結(jié)構(gòu)，其旋轉(zhuǎn)動力學(xué)滿足反饋形式，姿態(tài)控制器可以通過反推技術(shù)設(shè)計，如圖1所示。但是，該方案中解析虛擬控制變量的過程非常復(fù)雜，對反推技術(shù)的實際應(yīng)用帶來阻礙。直接提取角速率微分命令信號的方法，能夠降低對分析模型的依賴。利用姿態(tài)控制器可以降低信號擾動誤差，確保四翼無人機具有較好的跟蹤能力。

圖1 四旋翼無人機結(jié)構(gòu)Fig.1 The Quadrotor UAV Structure

2.2 電力旋翼巡檢

四旋翼機構(gòu)是高度非線性的欠驅(qū)動系統(tǒng)，最佳模型包括推進組的旋轉(zhuǎn)以及空間旋轉(zhuǎn)帶來的陀螺效應(yīng)。四旋翼動力學(xué)的方程可以在參考世界固定坐標(biāo)系EE中表示為：

式中：XE=[x，y，z]T—四旋翼機器人的絕對位置和Θ=[ψ，θ，φ]T由歐拉角表示的姿態(tài)。

針對四旋翼航空平臺，電力線檢測中常見的飛行軌跡，如圖2所示。

圖2 四旋翼用于電力線檢測飛行軌跡圖Fig.2 Flight Trajectory Diagram of Quadrotor for Power Line Detection

此外，四旋翼無人機配備了視覺采集系統(tǒng)，飛行時拍攝的視頻傳輸?shù)紾CS（地面控制站）進行圖像處理，為用戶提供更優(yōu)質(zhì)的服務(wù)。

2.3 地面控制站

在飛行過程中對四旋翼的監(jiān)測是該項工作的一個重點。GCS操縱多個無人機飛行并提供了圖形用戶界面，如圖3所示。

圖3 PC機地面控制站示意圖Fig.3 Schematic Diagram of PC Ground Control Station

GCS軟件主要負(fù)責(zé)監(jiān)控和向直升機發(fā)送數(shù)據(jù)，管理飛行計劃和任務(wù)，無人機和顯示無人機的儀表通過遠(yuǎn)程手動控制。PC機GCS圖形用戶界面中，PC地面站通過無線電調(diào)制解調(diào)器接收包含GPS位置、高度和姿態(tài)數(shù)據(jù)的飛行器的遙測串。此外，GCS還有一個友好的用戶界面，用于設(shè)置飛行路徑任務(wù)。

3 四旋翼運動控制

四旋翼無人機實現(xiàn)快速穩(wěn)定飛行需要精確的控制，且具有高度耦合的動力學(xué)：一個轉(zhuǎn)子的速度變化導(dǎo)致至少3個自由度的運動。由于左右升力的不平衡，降低右旋翼的速度會導(dǎo)致四旋翼無人機向右滾動。左右電機對和前后電機對的扭矩不平衡，會導(dǎo)致四旋翼無人機向右偏航。滾動將導(dǎo)致四旋翼無人機向右平移，因為旋翼的力現(xiàn)在既指向左下方，也指向右下方。當(dāng)轉(zhuǎn)子轉(zhuǎn)動時，它受到空氣阻力的阻力，空氣對轉(zhuǎn)子的反作用力產(chǎn)生一個稱為感應(yīng)力矩的反作用力。感應(yīng)力矩作用于轉(zhuǎn)子的方向與轉(zhuǎn)子相反。傳統(tǒng)四旋翼無人機使用尾槳抵消主旋翼的感應(yīng)力矩。左右對電機和前后對電機反向旋轉(zhuǎn)，產(chǎn)生反向旋轉(zhuǎn)扭矩。

3.1 旋翼無人機力平衡

實現(xiàn)力和扭矩平衡，當(dāng)沒有任何程度的凈力時，它會懸浮在空中。最小的力將導(dǎo)致線性加速度（牛頓第二定律f=ma）和最小的扭矩將導(dǎo)致角加速度（ρ=Iρ）。當(dāng)四個轉(zhuǎn)子的推力之和等于四旋翼無人機的重量時，就可以實現(xiàn)穩(wěn)定懸停的力平衡，如圖4所示。

圖4 旋翼無人機力平衡示意圖Fig.4 Schematic Diagram of Force Balance of Rotor Drone

式中：0、1、2、3、4—中心、前、右、后、左的受力。

運動受到重力、慣性和空氣阻力作用。重力與垂直運動相反，它會消耗相當(dāng)大的能量使四旋翼無人機保持在空中。由于其在運動時沒有氣動面產(chǎn)生升力，所以所有升力都是由轉(zhuǎn)子產(chǎn)生的。四旋翼無人機能在空中停留的時間是由轉(zhuǎn)子的升力系數(shù)和電池的重量之間的平衡性決定的。

慣性與線性和旋轉(zhuǎn)加速度相反，有助于穩(wěn)定運動，且電動機質(zhì)量引起的慣量抵抗角加速度。通過定位四旋翼無人機空氣動力中心以下的重心（將電池放置在機身交叉點以下），電池質(zhì)量引起的慣性可以抵抗俯仰和橫搖。

空氣阻力可為直線和旋轉(zhuǎn)運動提供阻尼，阻力與速度成正比，除了與轉(zhuǎn)子旋轉(zhuǎn)方向相反的阻力外，阻力都很小。因此空氣阻力對轉(zhuǎn)子速度提供阻尼，從而減緩了四旋翼無人機對外力的響應(yīng)。

3.2 四旋翼運動控制

在多旋翼四旋翼無人機的情況下，控制計算每個螺旋槳轉(zhuǎn)速，以產(chǎn)生所需的總推力T和力矩，分別為橫搖、俯仰和偏航、L、M、N?？紤]到有n個旋翼的四旋翼無人機的實際情況，其中每個電機的i（i=1，2，···，n）。

定義：

很容易驗證：Tmin≤T≤Tmax

系數(shù)μ和κ分別表示螺旋槳產(chǎn)生的推力和偏航力矩，臂長為l。無人機，如圖5所示。需要進行四個電機的轉(zhuǎn)速計算。

對于圖5 所示的四軸四旋翼無人機，需要計算四個電機轉(zhuǎn)速。螺旋槳速度計算表示為Ωc=A-1vc。螺旋槳轉(zhuǎn)速與矢量v之間的映射矩陣A表示為：

圖5 四旋翼無人機配置Fig.5 Quadrotor UAV Configuration

4 旋翼機器人視覺系統(tǒng)

4.1 視覺系統(tǒng)

旋翼機器人視覺系統(tǒng)由TIR攝像機和彩色攝像機組成。視頻發(fā)射器將圖像發(fā)送到全球坐標(biāo)系（Global Coordinate System，GCS）。該方案，如圖6所示。

圖6 視覺系統(tǒng)方案Fig.6 Vision System Scheme

利用視覺算法進行圖像處理，為電力線的節(jié)點定性檢測奠定基礎(chǔ)。檢測盒接頭相對溫度密切關(guān)聯(lián)，溫度增加會導(dǎo)致節(jié)點處電阻率增加。所以，通過節(jié)點溫度監(jiān)測，即可完成電力線的定性故障診斷。節(jié)點的溫度必須位于圖像的空間位置，首先剔除背景，將電力線節(jié)點置于圖像前景，其次比較三個節(jié)點的溫度。如果節(jié)點溫度相同，則無故障，如果溫度不同，則判定有故障。檢測算法，如圖7所示。

圖7 定性檢查視覺算法流程圖Fig.7 Qualitative Anspection Visual Algorithm Flowchart

如果從定性檢測中發(fā)現(xiàn)故障，則可以確定電力節(jié)點的準(zhǔn)確溫度。然而為了滿足定量檢測的要求，還需要進行進一步的開發(fā)和傳感器融合。從TIR攝像機中獲取反射溫度，要準(zhǔn)確評估真實溫度必須同時考慮風(fēng)速、溫度等環(huán)境變量。

4.2 背景剔除

由于離電力塔較近，電力線接頭屬于紅外圖像的前景，視覺算法的第一步是從圖像中去除背景。通過一個立體標(biāo)定系統(tǒng)（TIR相機+彩色相機）并基于OpenCV庫進行校準(zhǔn)，允許從環(huán)境中檢索三維信息，所以可以丟棄背景。原始圖像（顏色和IR）和生成的前景圖像，如圖8所示。

圖8 紅外圖像-背景剔除實驗結(jié)果Fig.8 Infrared Image-Background Removal Experiment Results

4.3 節(jié)點定位

一旦背景從圖像中去除，必須找到電源線的連接點。由于系統(tǒng)的電氣性質(zhì)，電力線的節(jié)點溫度最高，可在圖像中定位熱點相當(dāng)于定位電力線的節(jié)點。讓Φ()x，y為紅外圖像的前景，從前景得到的最大和最小溫度分別為：

Γ={(a，b)∈a×b|0 ≤a＜w，0 ≤b＜h}，其中w和h分別為圖像的寬度和高度，單位為像素。得到熱點的初始圖像為：

式中：Z—8×8的鄰域掩模，C(x，y)—約束圖像，定義如下：

遞歸操作被遞歸地實現(xiàn)，直到當(dāng)(x，y)=Ψk(x，y)=Ψk-1(x，y)時達到穩(wěn)定圖像。(x，y)中的每個連通區(qū)域代表熱點，最后將獲得每個熱節(jié)點的溫度平均值進行比較。視覺算法的最后一步是定性檢查，如果從電線節(jié)點獲得的溫度（從前一步驟中的熱點檢索）是相同的，則沒有故障。如果存在差異，則存在潛在故障并且必須調(diào)查電力塔。從TIR 圖像獲得的熱點的示例，如圖9所示。

圖9 視覺算法熱點檢測結(jié)果Fig.9 Visual Algorithm Hot Spot Detection Results

5 旋翼無人機在電力巡檢應(yīng)用

5.1 神經(jīng)網(wǎng)絡(luò)速度控制

這里提出的一種用于四旋翼控制的嵌套結(jié)構(gòu)，該結(jié)構(gòu)為了達到和保持一個期望的速度矢量，必須穩(wěn)定無人機的姿態(tài)。因此提出了一個外環(huán)速度控制和內(nèi)環(huán)姿態(tài)控制的控制系統(tǒng)分解。在這種結(jié)構(gòu)中，內(nèi)部的姿態(tài)控制回路必須比外部回路快得多，并穩(wěn)定外部回路控制所需的角度。該嵌套結(jié)構(gòu)，如圖10所示。

圖10 無人機四旋翼控制的嵌套結(jié)構(gòu)Fig.10 Nested Structure of the UAV Vehicle Control

由于向量函數(shù)f的復(fù)雜性，不可能將反函數(shù)作為閉合數(shù)學(xué)表達式來獲得，因此在神經(jīng)網(wǎng)絡(luò)的幫助下實現(xiàn)逆f-1。簡化神經(jīng)網(wǎng)絡(luò)的訓(xùn)練：為了實現(xiàn)任何期望的速度矢量，可以設(shè)置x11d=ψd=0，該處理不必應(yīng)用偏航旋轉(zhuǎn)。

在下一步中，選擇了合適的神經(jīng)網(wǎng)絡(luò)類型，內(nèi)部結(jié)構(gòu)和學(xué)習(xí)算法，且這里使用多層感知器作為前饋神經(jīng)網(wǎng)絡(luò)。輸入層中的20個神經(jīng)元，隱藏層中的20個神經(jīng)元和輸出層中的4個神經(jīng)元最終取得了令人滿意的結(jié)果。采用Levenberg-Marquardt反向傳播算法進行實驗，實驗表明1000個輸入和輸出數(shù)據(jù)集足以訓(xùn)練所選擇的神經(jīng)網(wǎng)絡(luò)，其能夠?qū)崿F(xiàn)所需的反函數(shù)f-1。各個輸入變量的變量x7d的前100個數(shù)據(jù)點和由神經(jīng)網(wǎng)絡(luò)計算的相應(yīng)值的示例，如圖11所示。

圖11 訓(xùn)練神經(jīng)網(wǎng)絡(luò)的示例結(jié)果Fig.11 Example Results of the Trained Neural Network

5.2 旋翼飛行仿真

開發(fā)一個為模型評估提供測試平臺的飛行模擬器，如圖12所示。模擬器采用Java4GL編寫，模型的所有參數(shù)都存儲在XML文件中。

圖12 飛行模擬器、頂部環(huán)境、底部模型參數(shù)設(shè)置Fig.12 Flight Simulator，Ttop-Environment，Bottom-Model Parameters

測試平臺已經(jīng)對所有的參數(shù)進行了初始測量，但是為了獲得更精確的測量，仍然構(gòu)建了一些測試?yán)?/p>

當(dāng)使用模擬器時，讓模擬的飛行器停止上升或下降是很困難的，要讓它懸停在一個高度，必須調(diào)整油門，直到z方向的速度和加速度都為零，一旦發(fā)出任何其他命令，它又開始上升或下降。

5.3 電力巡檢實驗

實際四旋翼機器人飛行情況，如圖13所示?？梢钥闯龈呖诊w行效果非常穩(wěn)定，控制算法魯棒性良好。

Fig.13 Actual Flight Test Diagram.

6 結(jié)論

基于四旋翼直升機的無人機對電源線節(jié)點進行巡檢具有效率更高、成本更低、更安全的特點。多旋翼無人機在建筑設(shè)計、物流工程領(lǐng)域有很好的應(yīng)用，應(yīng)用深度和范圍都不斷擴展。

這里提出了一種基于組合控制策略的小型四旋翼無人機四旋翼控制系統(tǒng)，其包括四旋翼無人機力平衡、運動控制和慣量。同時電力多旋翼無人機巡檢控制帶有視覺系統(tǒng)，可以檢測電線節(jié)點是否有問題。這里開發(fā)了內(nèi)環(huán)姿態(tài)控制器和外環(huán)速度控制器，并在Matlab/Simulink仿真模型中導(dǎo)出和實現(xiàn)了四旋翼飛行器的動態(tài)模型。借助該仿真，對非線性四旋翼控制系統(tǒng)進行了測試并證明了其效率。仿真結(jié)果表明該方法的正確和有效性，這里的軌跡跟蹤控制策略能有效控制無人機，飛行軌跡誤差可以控制在0.2m的范圍內(nèi)。

在未來的工作中，分配方法擴展到多螺旋轉(zhuǎn)子，并實現(xiàn)螺旋助推效率的在線分析，同時研究控制重新分配變量的相關(guān)問題。