王日俊 曾志強 黨長營 段能全 杜文華 王俊元

摘 要： 為了使多旋翼無人飛行器在飛行過程中獲取的機載視頻圖像清晰且穩(wěn)定，設計一種基于STM32和自適應互補濾波算法的機載慣性穩(wěn)定云臺。該云臺利用自適應互補濾波對俯仰、滾轉和偏航三個通道上的姿態(tài)信息進行融合，實時驅動直流無刷電機進行機載云臺的姿態(tài)調整，保持機載云臺在慣性空間中的穩(wěn)定性。實驗結果表明，視軸穩(wěn)定精度達到0.26 mrad，滿足多旋翼無人飛行器的應用需求。

關鍵詞： 多旋翼無人飛行器; STM32; 自適應互補濾波; 機載云臺; MEMS傳感器; 視軸穩(wěn)定

中圖分類號： TN967?34; TP23 文獻標識碼： A 文章編號： 1004?373X（2018）12?0145?04

Abstract： An airborne inertial stabilization cloud platform based on STM32 and the adaptive complementary filtering algorithm is designed to make the airborne video images obtained by the multi?rotor unmanned aircraft during its flight clear and stable. On this cloud platform， the attitude information from three channels of pitching， rolling and yaw is fused by means of adaptive complementary filtering to drive the DC brushless motor in real time for attitude adjustment of the airborne cloud platform and keep the stability of the airborne cloud platform in inertial space. The experimental results show that the visual axis′s stabilization precision is 0.26 mrad， which can meet the application requirements of the multi?rotor unmanned aircraft.

Keywords： multi?rotor unmanned aircraft; STM32; adaptive complementary filtering; airborne cloud platform; MEMS sensor; visual axis stabilization

多旋翼無人飛行器具有更好的環(huán)境適應性，能夠實現(xiàn)前飛、倒飛、懸停以及側飛等，具有自主巡航飛行能力和自主起降能力[1?2]。這些固定翼式飛行器所不具備的優(yōu)點，使得無論是在軍用領域還是民用領域，多旋翼無人飛行器都有著更為廣闊的應用前景和發(fā)展前景[3?5]。因此多旋翼無人飛行器越來越多地受到公眾的關注[6]。在多旋翼無人飛行器上搭載機載慣性穩(wěn)定云臺，一方面可以提高飛行器的控制精度，更為重要的是擴展飛行器的視覺能力，是軍事和民用領域應用中的關鍵所在[7]。然而機載慣性穩(wěn)定云臺極易受到飛行器姿態(tài)變化、氣流擾動以及機體振動等因素的影響，尤其是當飛行器自主飛行到一定高度之后的影響更大。由此造成了地面站監(jiān)控平臺獲得的機載視頻圖像抖動、模糊[8]。為了解決這一問題，本文設計并實現(xiàn)了一種基于STM32和MEMS傳感器的多旋翼飛行器機載三軸慣性穩(wěn)定云臺。

1 系統(tǒng)硬件方案設計

1.1 總體方案設計

機載云臺控制系統(tǒng)主要是通過主控制器對機體擾動的隔離和對其他擾動的補償或抑制來實現(xiàn)載荷在慣性空間上的穩(wěn)定，從而使得地面站獲取到的機載視頻圖像穩(wěn)定且清晰[9]。系統(tǒng)的結構主要包括：主控單元、慣性測量單元、電機驅動單元、圖像傳輸單元、遙控器控制單元以及人機界面。系統(tǒng)結構框圖如圖1所示。

整個工作流程大致可以描述為機載云臺系統(tǒng)上電之后，對MEMS傳感器的初始姿態(tài)信息進行自校準，進行初始姿態(tài)信息的解算，驅動力矩電機對機載云臺調整到初始姿態(tài)位置，完成機載云臺的初始化過程。在飛行器的飛行過程中，根據(jù)傳感器的實時信息不斷對姿態(tài)信息進行更新，主控單元依據(jù)更新后的姿態(tài)信息不斷地調整機載云臺在慣性控制中的位置，保持光學載荷視軸的穩(wěn)定。光學載荷通過圖像傳輸鏈路和視頻采集卡實時地將機載視頻圖像傳輸?shù)降孛姹O(jiān)控系統(tǒng)，并在監(jiān)視設備中顯示。RC遙控器依據(jù)設定的工作模式，通過操作手的實時操作和RC控制鏈路對機載云臺進行控制，從不同角度對地面目標進行實時監(jiān)測。機載云臺系統(tǒng)工作的流程如圖2所示。

1.2 主控單元設計

在本系統(tǒng)中，主控單元基于嵌入式微控制器STM32

F103開發(fā)。主要功能是實時完成對MEMS傳感器獲取的姿態(tài)信息的融合，同時接收上位機或RC發(fā)來的指令，對俯仰、滾轉和偏航3個自由度的電機運動控制單元發(fā)送驅動指令，實現(xiàn)隔離機體姿態(tài)擾動、保持機載云臺在慣性空間中的穩(wěn)定以及RC控制操作。此外，還應具備與上位機進行人機交互，實現(xiàn)控制參數(shù)、電機配置、MEMS傳感器校正等基本設置，實現(xiàn)陀螺儀和加速計的補償、RC遙控模式和范圍的設定等高級設置以及MEMS傳感器實時數(shù)據(jù)的顯示等。

1.3 電機驅動單元設計

驅動單元起到的是功率放大的作用，即將主控處理器的控制信號轉換成可以直接驅動機載云臺直流力矩電機的功率信號。由于系統(tǒng)采用的直流力矩電機的堵轉電流為2 A，為了保證驅動安全，所選驅動芯片的最大輸出電流應大于4 A。因此采用ST公司生產(chǎn)的集成三項半橋驅動芯片L6234D，該芯片具有很強的驅動能力，其驅動電壓可達58 V，連續(xù)工作時的驅動電流可以達到5 A，具有過流保護和低電壓鎖存功能。圖3是俯仰通道的電機驅動單元的電路原理圖，滾轉與偏航通道的電機驅動單元與此類似。

1.4 慣性測量單元設計

整個系統(tǒng)中要求慣性測量單元（Inertial Measurement Unit，IMU）能夠提供控制算法中所需的角速度和加速度信號。此外，還考慮機載云臺結構和安裝位置，要求角速度傳感器、加速度傳感器及其外圍電路的尺寸盡量小，便于整體結構的緊湊?；谏鲜鲆?，采用6軸運動傳感器MPU6050作為慣性測量元件。IMU單元測量相機在三維空間中的角速度和加速度，并通過自適應互補濾波算法解算出相機的姿態(tài)。慣性測量單元的電路原理圖及電路實現(xiàn)如圖4所示。

2 系統(tǒng)軟件方案設計

2.1 主控單元軟件設計

主控單元軟件完成的主要功能有：對主控處理器I/O口、定時器、串行通信、I2C協(xié)議、MPU6050內存儲器、位置參數(shù)、速度參數(shù)、控制參數(shù)以及中斷向量和優(yōu)先級進行初始化;確定機載云臺在慣性空間內的坐標位置，輸出PWM信號驅動電機達到預先設定位置等。主控程序流程圖如圖5所示。在每個控制周期內，外部中斷子程序需要完成以下工作：對陀螺儀和加速度計輸出信號進行采集;根據(jù)RC指令，完成相應位置環(huán)的校正運算;完成速度環(huán)和穩(wěn)定環(huán)的校正運算;執(zhí)行PID控制算法;生成PWM信號驅動直流電機。因此，外部中斷子程序流程如圖6所示。

2.2 基于自適應濾波的姿態(tài)解算設計

為了消除加速度計的噪聲干擾和陀螺儀的漂移，獲得準確的姿態(tài)信息，綜合加速度計和陀螺儀各自的優(yōu)點，應用互補濾波算法（CF），從頻域的角度分別加入低通和高通濾波器，將兩傳感器的姿態(tài)信息加以融合，可去除干擾，消除零位誤差，提高解算精度[10]。以俯仰通道為例，互補濾波的原理可描述為：

4 結 論

本文設計了一種基于STM32和自適應互補濾波算法的機載慣性穩(wěn)定云臺。姿態(tài)解算對比試驗結果表明，自適應互補濾波算法有效地提高了機載云臺姿態(tài)的解算精度。視軸穩(wěn)態(tài)精度的實驗表明，穩(wěn)定精度達到0.26 mrad，具有良好的穩(wěn)態(tài)性能，完全滿足多旋翼無人飛行器機載云臺的穩(wěn)定性要求。

參考文獻

[1] WANG Rijun， ZHANG Zhiwen. Fuzzy adaptive PID hybrid control for airborne platform mounted on mUAV [C]// Proceedings of IEEE Information Technology， Networking， Electronic and Automation Control Conference. Chongqing： IEEE， 2016： 737?741.

[2] CHEN W H， YANG J， GUO L， et al. Disturbance?observer based control and related methods： an overview [J]. IEEE transactions on industrial electronics， 2016， 63（2）： 1083?1095.

[3] 申斌，吳一波，林冬生.旋翼機的發(fā)展與應用[J].科技傳播，2013（23）：145?146.

SHEN Bin， WU Yibo， LIN Dongsheng. Development and application of rotorcraft [J]. Public communication of science & technology， 2013（23）： 145?146.

[4] 王日俊，白越，續(xù)志軍，等.多旋翼無人飛行器機載云臺的復合穩(wěn)定控制方法[J].電光與控制，2016，23（4）：17?22.

WANG Rijun， BAI Yue， XU Zhijun， et al. Composite stability control of airborne platform mounted on multi?rotor UAV [J]. Electronics optics & control， 2016， 23（4）： 17?22.

[5] 王日俊.多旋翼無人飛行器載荷穩(wěn)像技術研究[D].北京：中國科學院大學，2015.

WANG Rijun. Study on image stabilization technology for the payload of mUAV [D]. Beijing： University of Chinese Academy of Sciences， 2015.

[6] 安鶴男，陳陽，張軍，等.基于AVR單片機的機載慣性穩(wěn)定云臺設計[J].電子技術應用，2015，41（11）：41?44.

AN Henan， CHEN Yang， ZHANG Jun， et al. Design of airborne inertial stabilization camera platform based on AVR microcontroller [J]. Application of electronic technique， 2015， 41（11）： 41?44.

[7] MILLER R， MOOTY G， HILKERT J M. Gimbal system configurations and line?of?sight control techniques for small UAV applications [C]// Proceedings of Airborne Intelligence， Surveillance， Reconnaissance Systems and Applications X. Baltimore： SPIE， 2013： 1?15.

[8] 王日俊，白越，續(xù)志軍，等.基于擾動觀測器的多旋翼無人機機載云臺模糊自適應跟蹤控制[J].浙江大學學報（工學版），2015，49（10）：2005?2012.

WANG Rijun， BAI Yue， XU Zhijun， et al. Fuzzy self?adjusting tracking control based on disturbance observer for airborne platform mounted on multi?rotor unmanned aerial vehicle [J]. Journal of Zhejiang University （Engineering science）， 2015， 49（10）： 2005?2012.

[9] MAI Y， ZHAO H Y， GUO S Y. The analysis of image stabilization technology based on small?UAV airborne video [C]// Proceedings of International Conference on Computer Science and Electronics Engineering. Hangzhou： IEEE， 2012： 586?589.

[10] 傅忠云，劉文波，孫金秋，等.自適應混合濾波算法在微型飛行器姿態(tài)估計中的應用[J].傳感技術學報，2014，27（5）：698?703.

FU Zhongyun， LIU Wenbo， SUN Jinqiu， et al. Application of adaptive hybrid filter algorithm in the estimation of the micro air vehicle attitude [J]. Chinese journal of sensors and actuators， 2014， 27（5）： 698?703.