基于ARM的航拍三軸云臺(tái)控制系統(tǒng)設(shè)計(jì)與研究

馮志剛，舒 林

(沈陽航空航天大學(xué) 自動(dòng)化學(xué)院，沈陽 110136)

基于ARM的航拍三軸云臺(tái)控制系統(tǒng)設(shè)計(jì)與研究

馮志剛，舒 林

(沈陽航空航天大學(xué) 自動(dòng)化學(xué)院，沈陽 110136)

隨著機(jī)載云臺(tái)技術(shù)的快速發(fā)展，搭載穩(wěn)定云臺(tái)的無人機(jī)具備快速目標(biāo)搜索和跟蹤能力。由于云臺(tái)常在復(fù)雜環(huán)境下執(zhí)行任務(wù)，不可避免地會(huì)受到風(fēng)阻力、機(jī)械振動(dòng)、負(fù)載擾動(dòng)等多種因素影響。傳統(tǒng)的云臺(tái)控制系統(tǒng)采用經(jīng)典的PID控制，但在復(fù)雜的環(huán)境中，由于外擾突變，傳統(tǒng)的PID不能跟蹤突變量的變化，造成控制系統(tǒng)控制精度下降和響應(yīng)速率減慢。設(shè)計(jì)基于ARM的硬件平臺(tái)，運(yùn)用神經(jīng)網(wǎng)絡(luò)云臺(tái)控制技術(shù)，在方向恒定、風(fēng)速5.95 m/s情況下，云臺(tái)的姿態(tài)角度誤差在±5°以內(nèi)，能夠?qū)崿F(xiàn)云臺(tái)的穩(wěn)定控制。

無人機(jī)；云臺(tái)；PID；ARM;神經(jīng)網(wǎng)絡(luò)

陀螺穩(wěn)定云臺(tái)是隨著陀螺儀的演變而發(fā)展，目前在國外，穩(wěn)定云臺(tái)廣泛應(yīng)用在軍事上，其控制精度和其他各種性能指標(biāo)都達(dá)到了很高的水平[1]。如以色列的ESP—600C型無人機(jī)機(jī)載光電偵察云臺(tái)視軸穩(wěn)定精度為 15 μrad、俯仰為+10°～-110°、方位轉(zhuǎn)動(dòng)為360°×N、最大角速度為50°/s、最大角加速度。以色列的COMPASS型無人機(jī)機(jī)載光電偵察云臺(tái)視軸穩(wěn)定精度為 25 μrad、俯仰為+35°～ -85°、方位轉(zhuǎn)動(dòng)為360°×N、最大角速度為60°/s[2]。

國內(nèi)對穩(wěn)定云臺(tái)系統(tǒng)的研究起步相對比較晚，90 年代初才開始研制機(jī)載陀螺穩(wěn)定云臺(tái)。1987 年，哈工大研制的“GZT”型雙軸位置轉(zhuǎn)臺(tái)，位置精度達(dá)到 0.1 s。同年，6354所與哈工大共同研制的CCGT型雙軸測試轉(zhuǎn)臺(tái)，可以測定漂移為3.6 s/h的陀螺，精度達(dá)到了1.5 s[3]。1990年，303所成功研制出了SGT-1型三軸捷聯(lián)慣性導(dǎo)航測試轉(zhuǎn)臺(tái)，該轉(zhuǎn)臺(tái)三軸回轉(zhuǎn)精度達(dá)到了±2 s，相鄰兩軸垂直精度為±1 s，測角精度為1 s。

穩(wěn)定云臺(tái)系統(tǒng)控制精度越高，機(jī)載相機(jī)獲取的低空遙感圖像的質(zhì)量就越清晰[4-6]。風(fēng)阻力矩的影響使云臺(tái)在工作時(shí)受到最多的影響。傳統(tǒng)的云臺(tái)控制系統(tǒng)采用經(jīng)典的PID控制，控制器參數(shù)要實(shí)時(shí)調(diào)整，在復(fù)雜的環(huán)境中會(huì)導(dǎo)致控制系統(tǒng)外擾突變，由于PID不能跟蹤突變量的變化，造成控制系統(tǒng)控制精度下降和響應(yīng)速率減慢，不能滿足對目標(biāo)快速搜索和快速定位要求[7-9]。本文設(shè)計(jì)的新型云臺(tái)控制系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)控制技術(shù)，在外部存在風(fēng)阻力矩的情況下，抑制轉(zhuǎn)矩波動(dòng)，提高了系統(tǒng)的魯棒性和穩(wěn)定性，實(shí)現(xiàn)云臺(tái)的穩(wěn)定控制。

1 硬件系統(tǒng)設(shè)計(jì)

本硬件控制系統(tǒng)采取STM32F103RCT6作為系統(tǒng)的主要控制芯片。STM32F103RCT6是一款高性能、低成本、低功耗專為嵌入式開發(fā)設(shè)計(jì)的芯片，時(shí)鐘頻率可達(dá)到72 MHz，處理速度快，用于執(zhí)行神經(jīng)網(wǎng)絡(luò)控制算法。運(yùn)用I2C接口可對陀螺儀加速度傳感器進(jìn)行快速讀取，快速獲得云臺(tái)相機(jī)的姿態(tài)角信息。運(yùn)用STM32F103片上12位逐次逼近型的ADC(模擬數(shù)字轉(zhuǎn)化器)對電機(jī)轉(zhuǎn)子測量電路的輸入電壓信號(hào)進(jìn)行模數(shù)轉(zhuǎn)化，進(jìn)行比較最終得出電機(jī)轉(zhuǎn)子的位置，進(jìn)而對電機(jī)進(jìn)行控制。硬件結(jié)構(gòu)主要包括電源電路、直流無刷電機(jī)驅(qū)動(dòng)電路、陀螺儀和加速度傳感器采集電路、通信接口電路。云臺(tái)整體控制系統(tǒng)的框圖如圖1所示。

圖1 硬件系統(tǒng)框圖

1.1 電源模塊

電源模塊采取二級(jí)降壓模式，即先通過LM3150穩(wěn)壓到5 V后，再通過AMS117_3.3穩(wěn)壓到3.3 V對STM32F103RCT6進(jìn)行供電。

LM3150是一款同步降壓控制器，采用固定導(dǎo)通時(shí)間結(jié)構(gòu)，仿紋波控制技術(shù)，降低了輸出電壓紋波，無需外置環(huán)路補(bǔ)償，降低了設(shè)計(jì)復(fù)雜性。內(nèi)部集成過壓保護(hù)、短路保護(hù)、熱關(guān)斷。由于采用仿真紋波模式控制會(huì)產(chǎn)生相同的紋波信號(hào)，故對輸出電容ESR的要求降低，應(yīng)選擇輔助并聯(lián)電容，以便其有效阻抗不會(huì)負(fù)衰減輸出紋波電壓，故在輸出端采用22 μF鉭電容并聯(lián)。為了降低啟動(dòng)應(yīng)力和電流浪涌，在軟啟動(dòng)端口(SS)接入15 nf電容，使穩(wěn)壓器逐步達(dá)到穩(wěn)定狀態(tài)。

利用AMS117_3.3穩(wěn)壓輸出3.3V，該芯片輸出電壓可達(dá)到1%的精度，內(nèi)部集成過熱切斷電路提供了過載過熱保護(hù)，以防止環(huán)境溫度過高造成的結(jié)溫。輸出端接入電容C8、C9減小噪聲干擾，抑制自激振蕩，輸入端接入電容C6、C9有整流抑制干擾的作用。電源模塊電路圖如圖2、圖3所示。

圖2 LM3150外圍電路

圖3 AMS117_3.3外圍電路

1.2 姿態(tài)傳感器電路

本系統(tǒng)所選擇的運(yùn)動(dòng)傳感器是 INVENSENSE 公司的 MPU6050，內(nèi)置三軸加速度計(jì)和三軸陀螺儀，芯片內(nèi)部配置有3個(gè)16位的ADC來轉(zhuǎn)換內(nèi)置的加速度計(jì)和陀螺儀的測量輸出，精度非常高，且自帶數(shù)字運(yùn)動(dòng)處理(DMP:Digital Motion Processing)，可直接進(jìn)行姿態(tài)計(jì)算，大大降低了MCU負(fù)擔(dān)。選用該款 MEMS 傳感器作為姿態(tài)檢測單元，精度非常高，并且其電路也非常簡單，單芯片結(jié)構(gòu)使得 PCB 尺寸非常小。其電路圖如圖4所示。

由于引腳VLOGIC為I2C輸出提供邏輯電平，故采用10 μF和0.1 μF電容并聯(lián)去掉信號(hào)中的高頻部分和低頻部分，保證信號(hào)在傳輸?shù)倪^程中不失真。INT管腳與STM32F103RCT6相連，故串聯(lián)1K電阻進(jìn)行電平匹配。MPU6050內(nèi)部低壓差線性穩(wěn)壓器(LD0)輸出在REGOUT，電荷泵輸出在CPOUT，故采用10 μF和0.1 μF電容并聯(lián)去掉信號(hào)中的雜波。

圖4 姿態(tài)傳感器電路

1.3 電機(jī)驅(qū)動(dòng)電路

使用L6234電機(jī)驅(qū)動(dòng)芯片完成對直流無刷電機(jī)驅(qū)動(dòng)，該芯片采用半橋電機(jī)驅(qū)動(dòng)模式，每個(gè)半橋有兩個(gè)功率DMOS晶體管組成，漏極端擊穿電壓高，可以承受很大電流，并且兼容TTL電平CMOS電平。驅(qū)動(dòng)電路如圖5所示。

L6234采用兩相導(dǎo)通三相六狀態(tài)工作方式，使用3組半橋來驅(qū)動(dòng)無刷直流電機(jī)。3組半橋分別為3路輸入控制信號(hào)IN1、IN2、IN3和3路使能信號(hào)EN1、EN2、EN3，3路輸出信號(hào)OUT1、OUT2、OUT3分別與電機(jī)的A、B、C三相連接，用于驅(qū)動(dòng)三項(xiàng)無刷直流電機(jī)。其中電路中的BAV99起到限幅和保護(hù)的作用，參考電壓引腳VERF通過1 μF電容連接到地用于增強(qiáng)驅(qū)動(dòng)電路的穩(wěn)定性。

圖5 電機(jī)驅(qū)動(dòng)電路

2 云臺(tái)神經(jīng)網(wǎng)絡(luò)控制

采用無刷直流電機(jī)對云臺(tái)的軸進(jìn)行驅(qū)動(dòng)，故云臺(tái)控制實(shí)質(zhì)是無刷直流電機(jī)控制?？紤]到定子繞組的三相無刷直流電機(jī)在任一時(shí)刻只有兩相導(dǎo)通且三相電流之和為零，取輸入樣本矢量

Xi={iA(k),iB(k),iA(k-1),iB(k-1),uAG(k-1),uBG(k-1)}

(1)

其中，uAG、uBG分別為A、B相繞組端點(diǎn)對地的電壓。

輸出樣本為6個(gè)功率開關(guān)的狀態(tài)，直接檢測功率開關(guān)的導(dǎo)通情況比較麻煩，可由傳感器測得轉(zhuǎn)子位置信號(hào),根據(jù)無刷直流電機(jī)的換相邏輯得到在不同轉(zhuǎn)子位置下的功率開關(guān)狀態(tài)，導(dǎo)通為1、關(guān)斷為0。Yi作為訓(xùn)練樣本的輸出矢量，即

Yi={S1,S2,S3,S4,S5,S6}

(2)

其中，S1、S3、S5分別對應(yīng)于A、B、C三相橋臂上橋功率開關(guān)導(dǎo)通信號(hào)；S2、S4、S6分別對應(yīng)于A、B、C三相橋臂下橋功率開關(guān)導(dǎo)通信號(hào)[10-13]。送樣就可用電機(jī)相電壓、相電流為輸入、換向信號(hào)為輸出來建立網(wǎng)絡(luò)模型。如圖6所示。

本文采用三層RBF網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。其中輸入層為6個(gè)神經(jīng)元，輸出層6神經(jīng)元代表六路換相信號(hào)。選取高斯函數(shù)為RBF神經(jīng)網(wǎng)絡(luò)的徑向基函數(shù)，表達(dá)式為

(3)

式中，Ci=[ci1,ci2,…,cin]T為高斯函數(shù)中心，bi表示RBF神經(jīng)網(wǎng)絡(luò)基寬即方差。

圖6 RBF網(wǎng)絡(luò)拓?fù)淇臻g

(4)

本文采取梯度迭代法尋找參數(shù)ωi,ci,bi使目標(biāo)函數(shù)最小。

數(shù)據(jù)中心ci梯度為

(5)

隱含層寬度bi梯度為

(6)

權(quán)值wi的梯度為

(7)

數(shù)據(jù)中心，數(shù)據(jù)中心寬度，輸出權(quán)值的調(diào)節(jié)量分別為

(8)

(9)

(10)

其中：η是學(xué)習(xí)效率，動(dòng)量因子是α，它的作用是提高神經(jīng)網(wǎng)絡(luò)的收斂質(zhì)量[14-15]。

本系統(tǒng)采用的是RBF神經(jīng)網(wǎng)絡(luò)控制無刷電機(jī)換相，用ST公司的STM32F103RCT6執(zhí)行神經(jīng)網(wǎng)絡(luò)控制算法，其高速運(yùn)算能力為電機(jī)在線控制提供可靠保障。圖7為神經(jīng)網(wǎng)絡(luò)控制算法軟件流程圖。

3 實(shí)驗(yàn)與分析

本實(shí)驗(yàn)在方向恒定、風(fēng)速5.95 m/s環(huán)境中進(jìn)行，根據(jù)姿態(tài)角波動(dòng)曲線和抽樣的姿態(tài)角數(shù)據(jù)可知：默認(rèn)俯仰角、滾轉(zhuǎn)角、偏航角的穩(wěn)定角度均為0°，在無外部擾動(dòng)情況下，由于云臺(tái)自身結(jié)構(gòu)原因，角度存在一定范圍的誤差，在可接受范圍。在給定的有風(fēng)環(huán)境下，俯仰角和滾轉(zhuǎn)角發(fā)生輕微波動(dòng)，偏航角的波動(dòng)劇烈使得云臺(tái)變得不可控，無法達(dá)到穩(wěn)定狀態(tài)。使用云臺(tái)神經(jīng)網(wǎng)絡(luò)控制技術(shù)后，云臺(tái)姿態(tài)角度趨近于穩(wěn)定狀態(tài)，誤差保證在±5°以內(nèi)，在可接受范圍內(nèi)，能夠?qū)崿F(xiàn)在外部存在風(fēng)阻力矩的情況下云臺(tái)的穩(wěn)定控制。

圖7 神經(jīng)網(wǎng)絡(luò)控制算法軟件流程圖

圖8 實(shí)驗(yàn)云臺(tái)和控制板以及航拍云臺(tái)系統(tǒng)

圖9 不存在風(fēng)阻力矩情況下的歐拉角曲線

圖10 存在風(fēng)阻力矩情況下歐拉角曲線

圖11 存在風(fēng)阻力矩情況下經(jīng)過神經(jīng)網(wǎng)絡(luò)控制后歐拉角曲線

4 結(jié)論

本文主要研究云臺(tái)控制系統(tǒng)，設(shè)計(jì)了一種基于神經(jīng)網(wǎng)絡(luò)控制技術(shù)的云臺(tái)穩(wěn)定控制系統(tǒng)。以STM32F103RCT6為主要控制單元，從硬件和軟件兩方面對該系統(tǒng)進(jìn)行了詳細(xì)闡述。最后實(shí)驗(yàn)結(jié)果表明STM32F103RCT6數(shù)據(jù)處理單元能夠正確獲取數(shù)據(jù)，在外界存在風(fēng)阻力矩情況下使用神經(jīng)網(wǎng)絡(luò)控制算法后能夠正常運(yùn)行,控制輸出穩(wěn)定滿足系統(tǒng)設(shè)計(jì)要求指標(biāo)。

[1]鐘名宏.無刷直流電機(jī)正弦波驅(qū)動(dòng)電源研究及設(shè)計(jì)[D].贛州:江西理工大學(xué),2014.

[2]JIANCHENG FANG,HONGWEI SUN,JUANJUAN CAO,et al.A novel calibration method of magnetic compass based on ellipsoid fitting[C].Instrumentation and Measurement,IEEE Transaction on.2011,60(6):2053-2061.

[3]郭炳坤.無人機(jī)三軸穩(wěn)定云臺(tái)智能控制算法的研究[D].廈門：集美大學(xué),2013.

[4]IVO BONIOLO,STEFANO CORBETTA,SERGIO M.Savaresi.Attitude estimation of a motorcycle in a Kalman filtering framework[J].IFAC Proceedings Volumes,2010：779-784.

[5]N MICHAEL,D MELLINGER,Q LINDSEY,V KUMAR.The GRASP multiple micro UAV testbed[J].IEEE Robotics and Automation Society,2010,17(3):56-65.

[6]LI XIAN-TAO,ZHANG BAO,MAO DA-PENG,et al.The two-stage ADRC of aerial photoelectrical stabilized platform[J].Journal of Optoelectronics Laser,2013，24(12):2270-2277.

[7]HELIO J C BARBOSA,AFONSO C LEMONGE.A new adaptive penalty scheme for genetic algorithms[J].Information Sciences,2003,156:215-252.

[8]ASTROM K J,AGGLUND T.The future of PID control[J].Control Engineering Pratice,2001,9(11):1163-1175.

[9]PARK,D H WON,M S KANG.RIC.Robust internal-loop compensatory based flight control of a quad-rotor type UAV[C].IEEE International Conference on Intelligent Robots and Systems,2005:1024-1030.

[10]C DIAO,B XIAN,B ZHAO,et al.An output feedback attitude tracking controller design for quadrotor unmanned aerial vehicles using quaternion[C].2013 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS),2013:3051-3056.

[11]張俊玲,趙林.計(jì)算機(jī)控制技術(shù)發(fā)展現(xiàn)狀及趨勢研究[J].河南科技,2014,13(7):9.

[12]朱俊杰.無位置傳感器無刷直流電機(jī)關(guān)鍵控制技術(shù)研究[D].長沙:中南大學(xué),2014.

[13]馬敏娟.直流無刷電動(dòng)機(jī)調(diào)速系統(tǒng)的研究[D].長春:長春理工大學(xué),2012.

[14]MEI Y,ZHAO H Y,GUO S Y.The analysis of image stabilization technology based on small-UAV airborne video[C].Proceedings of IEEE International Conference on Computer Science and Electronics Engineering,2012，580-589.

[15]WANG PING，WANG WEI，DING JIN-WEI，et al.Vibration dampling design for airborne electro-optical surveillance platform[J].Optics and Precision Engineering,2011，19(1):83-89.

(責(zé)任編輯：劉劃 英文審校：齊義文)

Design and research of aerial triaxial PTZ control system based on ARM

FENG Zhi-gang，SHU Lin

(College of Automation,Shenyang Aerospace University,Shenyang 110136,China)

With the rapid development of airborne pan-tilt-zoom (PTZ) technology,the steady PTZ can make UAV have fast target search and tracking capabilities.As the PTZ often performs tasks in complex environments,it will inevitably be affected by wind resistance,mechanical vibration,load disturbance and other factors.The traditional PTZ control system adopts the classical PID control.However,in complex environments,the traditional PID cannot track the change of the mutation quantity due to the external disturbance,which results in decreased control accuracy and slow response speed.The design in this paper is based on ARM hardware platform and uses the neural network PTZ control technology.In the case of constant wind direction and wind speed 5.95 m/s,the stable control of the PTZ can be achieved in the design with the PTZ attitude angle error within plus or minus five degrees.

UAV;PTZ;PID;ARM;neural network

2017-03-28

遼寧省高等學(xué)校優(yōu)秀人才支持計(jì)劃第二層次(項(xiàng)目編號(hào)：LJQ2014017)

馮志剛(1980-)，男，河北石家莊人，副教授，主要研究方向：傳感器信息處理，E-mail:fzg1023@yeah.net。

2095-1248(2017)03-0070-06

TP29

A

10.3969/j.issn.2095-1248.2017.03.010