宋銳++劉宏立++李和平

摘 要：文章介紹了MEMS姿態(tài)傳感器在控制飛行器中的應(yīng)用研究。首先介紹了無人控制飛行器系統(tǒng)，以STM32F407VGT6（ARM Cortex-M4）處理器為控制核心，利用MEMS姿態(tài)傳感器為姿態(tài)檢測模塊，通過PC端應(yīng)用軟件系統(tǒng)規(guī)劃行駛路徑，同時輔以4G無線傳輸GPS地理位置定位、實現(xiàn)飛行器的地理位置反饋和環(huán)境監(jiān)控，通過對比仿真對照ANP控制器和PID控制器的試驗結(jié)果，試驗表明：ANP控制器比PID控制器在飛行器的應(yīng)用中使得系統(tǒng)性能更穩(wěn)定，精度更高。

關(guān)鍵詞：MEMS姿態(tài)傳感器 ANP控制 PID控制器 無人駕駛飛行器

中圖分類號：TP334.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1674-098X（2016）08（c）-0008-03

開發(fā)無人駕駛的微型飛行器，對危險領(lǐng)域進行探測和搜救即可減少傷害的發(fā)生。在微型飛行器的研究方面，目前歐美等發(fā)達(dá)國家遠(yuǎn)遠(yuǎn)走在全球的前列，且成功研究了固定翼式、旋翼式和撲翼式各類微型飛行器，我國高校和研究所雖然也開始展開了相關(guān)研究，但在救災(zāi)減災(zāi)方面研究極少。監(jiān)控室的監(jiān)控人員事先規(guī)劃路線通過4G無線傳輸對飛行器實現(xiàn)實時路徑導(dǎo)航和無線控制，當(dāng)飛行器到達(dá)災(zāi)后現(xiàn)場上空時，通過所攜帶的攝像頭和環(huán)境傳感器采集將圖像資料和環(huán)境參數(shù)無線傳輸給監(jiān)控室，給現(xiàn)場決策提供幫助。

1 硬件設(shè)計

1.1 系統(tǒng)結(jié)構(gòu)

系統(tǒng)硬件主要由姿態(tài)解算MEMS器件AHRS（Attitude and Heading Reference System）、控制系統(tǒng)（ARM Cortex-M4處理器、環(huán)境監(jiān)控系統(tǒng)、GPS導(dǎo)航系統(tǒng)、智能相機系統(tǒng)及4G傳輸系統(tǒng)）構(gòu)成。

主控制芯片選用STM32F407VGT6，采用ARM32-bitCortex?-M4內(nèi)核，通過STM32內(nèi)部的PLL，處理器最高運行主頻為168 MHz，較強的DSP處理能力在姿態(tài)算法上可以保證較高的精度和較快的響應(yīng)速度[1]。

環(huán)境監(jiān)控模塊主要由溫濕度傳感器SHT11、PM2.5粉塵傳感器SM-PWM-0.1A和石油液化氣模塊MS6100組成。GPS定位選用U-box PAM-7Q模塊，具有U-blox 7引擎的高性能，以業(yè)內(nèi)公認(rèn)的封裝形式提供高靈敏度和行內(nèi)最短的捕捉時間，其最大更新速率為10 Hz，定位精度2.5 mCEP。智能相機選用Intova SP1 Sport HD 1080p高清攝影相機；4G視頻數(shù)據(jù)無線傳輸支持圖像壓縮，保證視頻高速傳遞。

1.2 MEMS姿態(tài)解算器

姿態(tài)解算MEMS器件AHRS（Attitude and Heading Reference System）由三軸角速度陀螺儀、三軸加速度計、三軸磁阻傳感器、氣壓高度傳感器組成。

MPU6050組合了16位A/D三軸陀螺儀和三軸加速度計，為全球首例整合性6軸運動處理組件，相較于多組件方案，免除了組合陀螺儀與加速器時之軸間差的問題，減少了大量包裝空間，產(chǎn)品傳輸可通過最高至400 kHz的I2C總線。

HMC5883L采用霍尼韋爾各向異性磁阻（AMR）技術(shù)，這些各向異性傳感器具有在軸向高靈敏度和線性高精度的特點。傳感器具有的對正交軸的低靈敏度的固相結(jié)構(gòu)能用于測量地球磁場的方向和大小，其測量范圍從毫高斯到8高斯（gauss）。

BMP180是一款高精度、小體積、超低能耗的壓力傳感器，采用強大的8-pin陶瓷無引線芯片承載（LCC）超薄封裝。

各傳感器通過I2C接口與STM32F407VGT6連接，同時傳感器的數(shù)據(jù)中斷引腳與STM32F407VGT6的IO相連。傳感器在完成ADC轉(zhuǎn)換，STM32F407VGT6在第一時間讀取最新的數(shù)據(jù)，快速響應(yīng)姿態(tài)的變化。這樣的連接使得控制器擁有最大的主動權(quán)，最快地獲取各傳感器的狀態(tài)和轉(zhuǎn)換結(jié)果。

2 算法研究

飛行器采用四元數(shù)加互補濾波作為姿態(tài)解算算法，引入高度的自適應(yīng)神經(jīng)網(wǎng)絡(luò)PID作為控制器，實現(xiàn)自適應(yīng)環(huán)境飛行和相機增穩(wěn)等功能。經(jīng)測試具有靈活輕盈、延展性、適應(yīng)性強等特點。

2.1 姿態(tài)算法

基于互補濾波的四元素算法[2]，利用加速度測得的重力向量與估計姿態(tài)得到重力向量的誤差來矯正陀螺儀積分誤差，從而利用矯正后的陀螺儀積分得到姿態(tài)角等，姿態(tài)解算已經(jīng)在多個研究中進行了詳細(xì)的論證，提出了多種解算算法，故不做詳細(xì)介紹。

2.2 四軸飛行器高度自適應(yīng)神經(jīng)網(wǎng)絡(luò)PID算法

四軸飛行器的飛行高度控制就如姿態(tài)解算一樣重要，如天氣因素對于飛行器的飛行高度控制系統(tǒng)的影響是一項具有挑戰(zhàn)性的技術(shù)難點，提供一種合適的方法使機器人在面對不同的環(huán)境下，更加穩(wěn)定和高效的飛行。

嘗試使用一種自適應(yīng)的方法來控制機器人的高度，可以讓機器人在不同的狀況下做出適當(dāng)?shù)牟僮鳌？刂葡到y(tǒng)的激勵已經(jīng)在MATLAB仿真中完成，飛行器等價為一個質(zhì)點，因此牛頓-歐拉公式可以在動力學(xué)中直接被使用。四轉(zhuǎn)軸機器人的建模中，四轉(zhuǎn)軸機器人的動力學(xué)方程使用牛頓-歐拉方法，總的方程如下：

m為機器人質(zhì)量；VB線性速度；V為角速度；R為旋轉(zhuǎn)矩陣；G為重力加速度；TB為引擎力總和。

自適應(yīng)PID控制器控制飛行器的高度，類似于多認(rèn)知對象神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中的的神經(jīng)元構(gòu)架。每一個控制器得到的是一個用于相乘的比率（W1、W2、W3），而控制器的輸出被限制在sigmund函數(shù)里，而等式（2）中給出了具體的控制器構(gòu)架。

在更新（W1、W2、W3）時，算法會將基于預(yù)定軌跡之間相差錯誤值來控制系統(tǒng)的值的最小化值。公式（3）會給出這個系統(tǒng)公式。它采用梯度值由遞歸方程也就是最陡下降算法（SD）和方程（4）和（5）示出其細(xì)節(jié)實時更新控制器在每個時間的步長系數(shù)。通過使用在線學(xué)習(xí)算法，一些高錯誤值（外力干擾）輸入而造成系統(tǒng)不穩(wěn)定，雖然輸出值Y是一個在[0，1]區(qū)間的值，在一些特定的環(huán)境下，改變控制器的輸出，可以將其改為幾個特定的值。

為了優(yōu)化ANP算法的參數(shù)（W1、W2、W3），執(zhí)行標(biāo)準(zhǔn)應(yīng)該最小化，并在每一個時間步中使用公式（4）然后再更新參數(shù)。其支持一種再沒有延時的情況下快速處理并調(diào)節(jié)算法的系統(tǒng)。

ANP控制器被用來正在確定的系統(tǒng)中自適應(yīng)的獲得合適的參數(shù)來控制飛行器的高度。這種方法優(yōu)點在于其不需要使用不同的數(shù)學(xué)方法分析來定義合適的系數(shù)，適應(yīng)新的環(huán)境和動態(tài)的改變系統(tǒng)。

3 軟件設(shè)計

軟件設(shè)計分為上位機軟件和飛行器底層下位機軟件。上位機主要負(fù)責(zé)路徑規(guī)劃及監(jiān)控信息實時顯示[5]，下位機軟件主要負(fù)責(zé)飛行器的姿態(tài)及正常飛行、GPS數(shù)據(jù)獲取、相機控制、傳感器數(shù)據(jù)采集及4G通信等任務(wù)。

上位機內(nèi)嵌Google Earth顯示界面，可以直接運用Google Earth規(guī)劃路徑，通過接收GPS信號，進行實時定位顯示并將地理位置數(shù)據(jù)發(fā)送給飛行器修正，使飛行器按照上位機軟件規(guī)劃的路徑行駛，同時，上位機實時監(jiān)控飛行器的姿態(tài)和相關(guān)傳感器的數(shù)值，并控制攝像頭拍照和云臺控制，實現(xiàn)智能判斷和顯示。

4 仿真調(diào)試

4.1 姿態(tài)角調(diào)試

在完成控制器底層的硬件驅(qū)動后，開始姿態(tài)角算法的調(diào)試。通過4G傳輸模塊將解算出的姿態(tài)角數(shù)據(jù)發(fā)回上位機，搖動四軸機體，觀察上位機數(shù)據(jù)曲線與姿態(tài)曲線。四軸飛行器姿態(tài)參數(shù)如偏航角：Yaw，俯仰角：Pitch，翻滾角：Rool，從曲線可以看出在進過一段調(diào)整后，曲線變?yōu)槠叫星€，說明這幾個量處于一個相對平衡狀態(tài)，飛行器處于一個平衡狀態(tài)。

4.2 整機測試

使用LabVIEW編寫的上位機軟件開始整機調(diào)試系統(tǒng)。編寫的上位機主要分為5個模塊區(qū)域：GPS實時地理位置監(jiān)控和路徑規(guī)劃區(qū)域、四軸飛行器姿態(tài)及運行狀態(tài)檢測區(qū)域、視頻撲捉拍攝區(qū)域、飛行器當(dāng)前環(huán)境檢測區(qū)域、4G信號狀況顯示區(qū)域、軟件操作區(qū)域等，主要操作步驟：

第一步：開啟4G網(wǎng)絡(luò)，使4G網(wǎng)絡(luò)正常工作；

第二步：在內(nèi)嵌的Google Earth（GPS實時地理位置監(jiān)控和路徑規(guī)劃區(qū)域），搜索GPS數(shù)據(jù)和開始進行路徑規(guī)劃設(shè)置，使得GPS功能運行正常；

第三步：在四軸飛行器姿態(tài)及運行狀態(tài)檢測區(qū)域，開啟四軸飛行器，讓飛行器能夠按照路徑規(guī)劃的指定路徑飛行；

到達(dá)目的地，在視頻撲捉拍攝區(qū)域開啟圖像捕捉，或者在環(huán)境監(jiān)測區(qū)域查看傳感器數(shù)據(jù)等。

測試過程中，上位機檢測效果良好，特別是數(shù)據(jù)的實時響應(yīng)，GPS信號解析可以很好的和Google Earth兼容，路徑規(guī)劃傳遞實時響應(yīng)，3D渲染也表現(xiàn)的不錯，4G網(wǎng)絡(luò)傳輸在較為偏僻的地理位置信號較弱。

5 實驗及其結(jié)果

為了評估這套控制機器人高度的方法，在Matlab仿真中，要求這種控制算法研究2中狀態(tài)。其在（W1、W2、W3）系數(shù)中首要的值被認(rèn)為是0，在一個有合適參數(shù)的時間自適應(yīng)系統(tǒng)中。在第一個狀態(tài)中，控制器（Kp，Kd，Ki）首要得到的被認(rèn)為是一個隨機值而結(jié)果要求控制系統(tǒng)的輸入是一個頻率為：1（rad/sec），大小為1 m的正弦波。在這次研究中有一定的嘗試和錯誤，首先r為0.3，同樣這個值也對（W1、W2、W3）3個系數(shù)有影響。

為了更好的研究控制器的特性，在輸入中加入5 N的干擾的方波信號，寬度為0.5個單位。

但是干擾當(dāng)干擾超過6 N時會造成系統(tǒng)的不穩(wěn)定并難以控制。在第二種狀態(tài)下，系統(tǒng)的反應(yīng)接近正弦輸入但是控制器適當(dāng)?shù)氖滓目刂浦翟谶z傳算法中得到，而r的學(xué)習(xí)比例將存在出兩種不同狀態(tài)下有干擾和無干擾的區(qū)別。

ANP算法的自適應(yīng)性可以使其通過函數(shù)自行降噪，在這個問題中，遺傳算法的PID控制函數(shù)是通過比較得到的。就如先前的實驗中，研究兩種狀態(tài)下有無干擾的降噪效果。

實驗的最后一部分是實驗在噪聲情況下的3種測試，直接測試其控制飛行器的高度，并追蹤器輸入的正弦信號路徑，噪聲采用周期0.01 s，范圍[-2，2]的輸入干擾。

6 結(jié)語

在研究中，ANP控制器被用在確定的系統(tǒng)中自適應(yīng)地獲得合適的參數(shù)來控制飛行器的高度。這種方法最重要的優(yōu)點在于其不需要使用不同的數(shù)學(xué)方法分析來定義合適的系數(shù)、適應(yīng)新的環(huán)境和動態(tài)的改變系統(tǒng)。另一方面來說，這種方法不能保證系數(shù)是近似合適的。另一個問題就是學(xué)習(xí)比率的值是一個很重要的挑戰(zhàn)，因為低的學(xué)習(xí)比率會降低接近合適參數(shù)的速度而使得系統(tǒng)無法快速地適應(yīng)環(huán)境，而高的學(xué)習(xí)比率可能會導(dǎo)致系統(tǒng)變化無常。因此ANP的首要獲得就是一個很重要的問題，而此次基于問題本身的結(jié)果控制函數(shù)非常巨大。然而，適應(yīng)性可以提高控制器去除系統(tǒng)輸入噪聲的能力。ANP控制器可以控制系統(tǒng)中出現(xiàn)的噪聲，而PID控制無法做得這么好。

參考文獻(xiàn)

[1] 高宗余，方建軍，于麗杰.MEMS傳感器隨機誤差A(yù)llan方差分析[J].儀器儀表學(xué)報，2011（12）：2863-2868.

[2] 付夢印，鄧志紅，閆莉萍.Kalman濾波理論及其在導(dǎo)航系統(tǒng)中的應(yīng)用[M].2版.北京：科學(xué)出版社，2010：17-18.

[3] C C Foster，G H Elkaim，UC Santa Cruz. Extension of a two-Step calibration methodology to include nonorthogonal sensor axes[J].IEEE Transactionson Aerospace and Electronic Systems，2008，44（3）：1070-1078.

[4] 趙思浩，陸明泉，馮振明.MEMS慣性器件誤差系數(shù)的Allan方差分析方法[J].中國科學(xué)：物理學(xué)力學(xué)天文學(xué)，2010（5）：672-675.

[5] Yun JaeMu，Ko Jae-Pyung，Lee JangMyung.An inexpensive and accurate absolute po-sition sensor for driving assistance[J]. IEEE Transactionson Instrumentation and Measurement，2008，57（4）：864-873.

[6] 吳德會，趙偉，黃松嶺，等.傳感器動態(tài)建模FLANN方法改進研究[J].儀器儀表學(xué)報，2009（2）：362-367.

[7] 黃美發(fā)，景暉，匡兵，等.基于擬蒙特卡羅方法的測量不確定度評定[J].儀器儀表學(xué)報，2009（1）：120-125.

[8] 涂剛毅，金世俊，祝雪芬，等.基于改進粒子濾波算法的GPS非高斯偽距誤差修正[J].電子測量與儀器學(xué)報，2009（6）：24-28.