基于腦機接口的無人機編隊控制系統(tǒng)設(shè)計

李家偉，張洪欣，徐瑞林

北京郵電大學(xué)，北京 100088

近年來，隨著科技的進步，人們對于大腦認知的渴望伴隨計算機硬件計算速度的飛速提升催生出一種新興的人機交互技術(shù)——腦機接口（brain-computer interface，BCI）。腦機接口將人腦或動物腦與外部設(shè)備之間直接建立起一座通信橋梁，實現(xiàn)了大腦將意念信息直接傳遞給外部設(shè)備，打破了人們對于“意念控物”只存在于科幻電影中的認知。

腦機接口系統(tǒng)通常分為侵入式[1]和非侵入式兩類。侵入式腦機接口需要將電極植入顱骨來采集神經(jīng)信號，通常具有較高的信噪比，但是存在手術(shù)風(fēng)險；非侵入式腦機接口無需手術(shù)，可以通過電信號采集設(shè)備直接采集頭皮腦電（EEG）。

穩(wěn)態(tài)視覺誘發(fā)電位（SSVEP）是指人在注視一個以固定頻率閃爍的目標(biāo)時，大腦視覺皮層可以產(chǎn)生一個相同頻率的混合基頻及倍頻響應(yīng)信號[2]。目前，SSVEP 的相關(guān)技術(shù)已經(jīng)十分成熟，很多相關(guān)算法都可以在無訓(xùn)練或較少訓(xùn)練的條件下實現(xiàn)較高的準(zhǔn)確率和信息傳輸速率。也是因為這些特性，通過SSVEP 誘發(fā)腦電并用于具體的應(yīng)用是可行的。在近幾年的世界機器人大會上，基于SSVEP打字[3]、控制輪椅[4]、控制機械臂[5]等應(yīng)用相繼亮相。

無人機編隊飛行是各國軍隊[6]及科研工作者[7]一直以來追求的技術(shù)。其關(guān)鍵技術(shù)問題主要包括隊形設(shè)計、氣動耦合、隊形動態(tài)調(diào)整、航機規(guī)劃、無人機間的信息交互，以及編隊飛行控制等問題。

Leader-Follower[8]方法是目前無人機編隊控制[9]中最常用的方法之一。先給Leader 一個預(yù)定軌跡，F(xiàn)ollower 和Leader保持一定的構(gòu)型，同時二者速度保持一致，這種相對運動的模式，可將無人機編隊系統(tǒng)隊形控制問題轉(zhuǎn)換成單個個體的運動情況研究。

目前，市面上的無人機編隊控制主要通過操縱桿或其他控制工具來完成，并且一人只能操縱一架無人機，無人機編隊就得由多人來操控。

本文主要設(shè)計了一種基于SSVEP 的腦機接口無人機編隊的控制系統(tǒng)，該系統(tǒng)可提高無人機編隊的工作效率及解放操縱者的雙手，操作人員可以通過此系統(tǒng)同時控制多架無人機執(zhí)行任務(wù)。因此，腦機接口控制無人機編隊的研究在軍事與民用領(lǐng)域都具有重大意義。

1 系統(tǒng)總體設(shè)計

本文系統(tǒng)設(shè)計了一種基于SSVEP 的腦控?zé)o人機編隊系統(tǒng)。系統(tǒng)邏輯如圖1 所示，該系統(tǒng)架構(gòu)是以中央控制器為核心的一種星形架構(gòu)，包括刺激系統(tǒng)、采集系統(tǒng)、算法系統(tǒng)、無人機編隊控制系統(tǒng)在內(nèi)的所有子系統(tǒng)的運行邏輯全部受到中央控制器的控制。準(zhǔn)備階段，中央控制器會控制刺激系統(tǒng)與算法系統(tǒng)完成“握手”并控制刺激系統(tǒng)產(chǎn)生刺激界面。試驗時使用8 導(dǎo)聯(lián)Neuracle腦電采集設(shè)備進行腦電信號采集，受試者注視刺激目標(biāo)產(chǎn)生相應(yīng)腦電數(shù)據(jù)會被腦電放大器采集并發(fā)送給采集系統(tǒng)，采集系統(tǒng)完成腦電數(shù)據(jù)拼接及降采樣等工作后，將數(shù)據(jù)傳遞給算法系統(tǒng)，算法系統(tǒng)采用基于CCA[10]的SSVEP算法用作信號識別，經(jīng)過該計算后將反饋結(jié)果反饋給中央控制器，中央控制器會依據(jù)反饋結(jié)果向刺激系統(tǒng)和無人機編隊控制系統(tǒng)發(fā)送指令，無人機編隊控制系統(tǒng)會依據(jù)飛行控制的指令向無人機編隊傳遞飛行信號，以此來實現(xiàn)腦電數(shù)據(jù)對無人機編隊的飛行控制。

圖1 基于腦機接口數(shù)據(jù)的無人機編隊飛行控制Fig.1 Flight control of UAV formations based on brain-computer interface data

系統(tǒng)消息通信如圖2所示，該系統(tǒng)以Kafka消息中間件作為通信平臺，采用發(fā)布—訂閱模式進行消息通信，所有的數(shù)據(jù)均以二進制的形式由生產(chǎn)者上傳至Kafka。首先訂閱者先進行消息的訂閱，當(dāng)有發(fā)布者發(fā)送消息到服務(wù)器中時，服務(wù)器便會自動給訂閱的用戶分發(fā)消息。

圖2 腦控?zé)o人機編隊消息通信連接圖Fig.2 Brain-controlled drone formation message communication connection diagram

2 無人機編隊仿真系統(tǒng)

無人機編隊系統(tǒng)仿真是基于Ubuntu 系統(tǒng)下ROS 和Gazebo 的物理仿真環(huán)境。該仿真系統(tǒng)通過Gazebo_ros 功能包進行ROS 和Gazebo 的連通，通過ROS 提供的Mavros功能包根據(jù)PX4提供的Mavlink數(shù)據(jù)通信協(xié)議對PX4提供的Firmware功能包進行數(shù)據(jù)的采集和處理，以達到ROS對Firmware 飛控仿真的連接。通過Firmware 和Mavros 組成的無人機，根據(jù)Gazebo提供的真實物理環(huán)境可以搭建一套完整的無人機仿真環(huán)境。無人機編隊仿真環(huán)境解決方案如圖3所示。

圖3 無人機編隊仿真框架圖Fig.3 UAV formation simulation framework diagram

從該無人機編隊仿真框架圖中可以看出，除了集群功能包以外都由ROS 以及PX4 提供，因此該系統(tǒng)還需設(shè)計一個無人機編隊軟件框架圖。對于無人機編隊，該系統(tǒng)設(shè)計了一個包含無人機編隊的解鎖、上鎖、起飛、降落模塊，無人機編隊隊形切換模塊，無人機控制指令模塊，以及無人機編隊狀態(tài)實時反饋信息。編隊的軟件框架圖如圖4所示。

圖4 無人機編隊軟件框架圖Fig.4 Drone formation software framework diagram

2.1 單無人機非線性建模

在對無人機編隊控制模塊進行設(shè)計前需要實現(xiàn)對單個無人機的控制。為了清楚描述無人機的位置與姿態(tài)，需建立一個適當(dāng)?shù)淖鴺?biāo)系。慣性坐標(biāo)系與機體坐標(biāo)系如圖5所示。

圖5 慣性坐標(biāo)系與機體坐標(biāo)系Fig.5 Inertial coordinate system and body coordinate system

（1） 慣性坐標(biāo)系：慣性坐標(biāo)系是以地球為參考目標(biāo)的坐標(biāo)系，以O(shè)n為原點，以O(shè)nXn、OnYn、OnZn三條互相垂直的直線為坐標(biāo)軸建立的坐標(biāo)系即為慣性坐標(biāo)系。

（2） 機體坐標(biāo)系：機體坐標(biāo)系是以無人機質(zhì)點Ob為坐標(biāo)原點，根據(jù)右手定則建立的笛卡兒機體坐標(biāo)系。機頭所在方向為坐標(biāo)的正半軸Xb，機身橫截面的方向為Yb，二者互相垂直，Yb正方向為機體的右側(cè)。根據(jù)右手定則可知，Zb軸垂直于XbYb所在的平面且方向向上。

為了讓無人機與地面坐標(biāo)系保持一致，對應(yīng)姿態(tài)角做如下定義滾轉(zhuǎn)角，記為φ，其取值范圍在；俯仰角記為θ，其取值范圍在；偏航角記為ψ，其取值范圍在[-π,π]。

其中，滾轉(zhuǎn)角的定義為機體軸OZ與通過機體軸OX的鉛垂直間的夾角，從集體后方觀測，右側(cè)向下傾斜角度為正。

俯仰角的定義為機體繞OY軸旋轉(zhuǎn)后，OX軸與水平面之間形成的夾角，無人機頭部向上仰起時角度為正。

偏航角的定義為機體軸OX在水平面上的投影與機體軸OX之間的夾角，機體向北偏東方向偏航時角度為正。

使用方向余弦法后將三次基本旋轉(zhuǎn)矩陣相乘可得到坐標(biāo)系的旋轉(zhuǎn)矩陣

根據(jù)機體坐標(biāo)系的旋轉(zhuǎn)矩陣、無人機的運動方程[11]、慣性矩陣以及無人機沿坐標(biāo)軸的力矩可得到完整的無人機動力學(xué)非線性模型

式中，g為重力加速度，m為機體質(zhì)量，Ω為電機轉(zhuǎn)速，b為電機的拉力系數(shù)，l為無人機幾何中心到電機中心的距離。Fi（i=1,2,3,4）代表每個螺旋槳的升力，可視為控制的輸入。

此外，φ,θ,ψ分別表示無人機的滾轉(zhuǎn)角、俯仰角、偏航角。

2.2 單無人機控制

根據(jù)無人機數(shù)學(xué)模型（2），由于欠驅(qū)動特性，存在4 個輸入就不能跟蹤6 個自由度。這里采用的控制方案如圖6所示。給無人機發(fā)送參考指令，即三維坐標(biāo)系下的期望值和滾轉(zhuǎn)角xd，yd，zd，φd，通過位置控制器進行無人機空間位置的跟蹤，計算出為了跟蹤該位置的另兩個角θd,ψd，將二者傳給姿態(tài)子系統(tǒng)控制器，然后通過姿態(tài)子系統(tǒng)得到的u1以及位置子系統(tǒng)得到的u2、u3、u4，就可得到位置輸出以及姿態(tài)輸出，之后就可實現(xiàn)對無人機的控制。

圖6 無人機控制結(jié)構(gòu)Fig.6 UAV control structure

可將無人機的非線性模型劃分成兩個子系統(tǒng)，分別是位置子系統(tǒng)和姿態(tài)子系統(tǒng)

根據(jù)無人機的位置子系統(tǒng)（4）以及給定的滑模面給出如下控制律

可使滑模面S在有限時間內(nèi)達到0。其中，C，M，L為可調(diào)節(jié)的正定矩陣，U1=[u1x,u1y,u1z]T，位置跟蹤誤差為E。

因三個角度產(chǎn)生的過程和控制率的設(shè)計具有相似性，所以以滾轉(zhuǎn)角φ為例，進行姿態(tài)控制器設(shè)計。

根據(jù)無人機的姿態(tài)子系統(tǒng)（5）以及給定滑模面[12]可得設(shè)計控制輸入u4

式中，c1，k1，l1為控制器參數(shù)，都為正整數(shù)；di（i=1,2,3,4）為觀測器的誤差。

2.3 無人機編隊模型

對于無人機編隊控制模塊，系統(tǒng)采取分布式控制方法進行無人機間的相互通信，使用Leader-Follower 方法完成編隊控制?？紤]一組由i個無人機組成的編隊，其中i= {L,1,2,3,…,N}，其中L為領(lǐng)機Leader，N為跟隨者的數(shù)量。該無人機編隊的控制目標(biāo)是實現(xiàn)如圖7 所示的控制方案，可以使無人機編隊在同一高度上飛行。

根據(jù)圖7，可以得到無人機編隊的運動方程為

圖7 無人機編隊在二維平面內(nèi)的控制示意圖Fig.7 Schematic of the control of a drone formation in a two-dimensional plane

式中，ωi是偏航角的角速度，vixviy表示無人機速度在X、Y方向上的分量。

λx,λy表示從Leader的質(zhì)心到一個Follower之間在X、Y方向上的距離對其進行求導(dǎo)并結(jié)合式（9），可以得到

在編隊控制算法中應(yīng)用SMC 可以使編隊在不確定環(huán)境中也可保持編隊隊形。在X、Y方向上定義編隊的誤差所以無人機在三位坐標(biāo)X、Y方向上的控制誤差應(yīng)滿足[13]

其中

根據(jù)滑?？刂评碚摚瑸榱耸够Ｊ諗繛?，控制輸入τi設(shè)計如下

其中，αi βi為可以調(diào)節(jié)的正定矩陣。

3 試驗內(nèi)容設(shè)計

因腦電信號自身十分微弱且容易受到外界因素的干擾，所以該試驗在一個相對幽暗、低輻射、隔聲良好、相對安靜的封閉試驗環(huán)境下進行。

試驗中的無人機編隊使用的是ROS 開發(fā)環(huán)境下的Gazebo無人機編隊仿真，該仿真模塊基于上節(jié)的無人機編隊控制，可實現(xiàn)無人機編隊的解鎖、起飛、降落、左轉(zhuǎn)、右轉(zhuǎn)、三角隊形、菱形隊形、上鎖等控制方法，刺激界面如圖8所示。

圖8 刺激界面Fig.8 Stimulate the interface

界面固定頻率8Hz、8.5Hz、9Hz、9.5Hz、10.5Hz、11Hz、11.5Hz、12Hz 不斷閃爍來刺激被試者產(chǎn)生腦電信號。8 種刺激頻率分別對應(yīng)控制無人機編隊指令：解鎖、起飛、降落、左轉(zhuǎn)、右轉(zhuǎn)、三角隊形、菱形隊形、上鎖。

試驗被試人員為6 人，刺激目標(biāo)為8 個，試驗預(yù)估時間30min，測試模式識別結(jié)果的準(zhǔn)確性，被試者根據(jù)提示，鎖定目標(biāo)方塊，產(chǎn)生SSVEP 響應(yīng)，識別完成后給予被試者反饋結(jié)果。

試驗過程：進行試驗時被試者放松，戴好腦電極帽，視線與電腦屏幕保持水平，SSVEP模式識別離線試驗，試驗有8個周期，每個試驗周期里有16次刺激，試驗周期內(nèi)隨機遍歷兩遍8 個目標(biāo)，并給出反饋。一個試驗周期的時長為3min，試驗周期之間的休息時間由被試者決定。被試者根據(jù)自己需求與刺激閃爍結(jié)果的目標(biāo)方塊完成無人機編隊模擬環(huán)境下的控制，即可完成編隊控制，如圖9～圖12所示。

圖9 初始狀態(tài)Fig.9 Initial state

圖12 菱形隊形Fig.12 Diamond formation

受試者在不同刺激時長下判別準(zhǔn)確率見表1，縱坐標(biāo)為識別時間，橫坐標(biāo)為試驗被試人員的判別準(zhǔn)確率。

圖10 起飛Fig.10 Take off

圖11 三角隊形Fig.11 Triangle formation

根據(jù)表1離線數(shù)據(jù)結(jié)果可以得出，當(dāng)判斷時間為3.5s時判別的準(zhǔn)確率最高，該準(zhǔn)確率可以達到較好的控制效果，滿足系統(tǒng)要求。

表1 離線數(shù)據(jù)結(jié)果Table 1 Offline data result

4 結(jié)束語

腦機接口技術(shù)的提出為人類提供了一種全新的與外界的信息交互形式。在軍事、醫(yī)療、智能家居和電子游戲等眾多領(lǐng)域都受到廣泛的關(guān)注。

本文設(shè)計了一種基于腦機接口的無人機編隊控制系統(tǒng)，該系統(tǒng)通過腦電采集設(shè)備，采集被試者注視刺激界面時產(chǎn)生的刺激信號，經(jīng)過算法服務(wù)器解析信號翻譯成對應(yīng)指令，并將指令發(fā)送到控制器，還會將結(jié)果反饋給刺激界面以驗證準(zhǔn)確性。

采用非侵入式腦機接口方式對腦電信號進行采集，使用SSVEP算法對采集到的腦電信號進行處理，此方案具有可行性。