Red de conocimiento del abogados - Bufete de abogados - Investigación sobre tecnología autónoma para evitar obstáculos para vehículos aéreos no tripulados de cuatro rotores: control de actitud de altitud constante basado en la fusión de datos

Investigación sobre tecnología autónoma para evitar obstáculos para vehículos aéreos no tripulados de cuatro rotores: control de actitud de altitud constante basado en la fusión de datos

1. Introducción

En el diseño del esquema para evitar obstáculos, esperamos que el UAV vuele desde el punto de partida hasta el punto objetivo. Las coordenadas de posición actual del UAV deben obtenerse continuamente a través de varios sensores, y las del UAV. Las coordenadas de posición actuales deben obtenerse continuamente de acuerdo con el UAV. Ajuste la actitud del dron a la posición y finalmente llegue al destino. El dron cuadricóptero tendrá seis grados de libertad al volar, con un rendimiento flexible y movimientos rápidos. Los obstáculos en el camino también vienen de todas las direcciones, no solo del frente, por lo que es más difícil para el dron detectar obstáculos y planificar un camino seguro mientras los evita. Para facilitar la verificación experimental del algoritmo y reducir la direccionalidad de la detección de obstáculos, este artículo planea utilizar el experimento de vuelo para evitar obstáculos de un UAV de cuatro rotores bajo control de altitud constante, es decir, el UAV de cuatro rotores vuela a una altura deseada. Los obstáculos se detectan a través del dispositivo de detección previa y el obstáculo delante del UAV de cuatro rotores se evita mediante algoritmos, de modo que la evitación de obstáculos en un espacio tridimensional se transforma en un vuelo para evitar obstáculos en un plano bidimensional. Este capítulo analiza principalmente el cálculo de altitud y el cálculo de actitud del UAV de cuatro rotores, y luego restaura el controlador del UAV de cuatro rotores mediante el método de control PID.

Vuelo a altitud constante significa que cuando el dron no acepta las instrucciones de vuelo del control remoto, el tablero de control de vuelo controlará automáticamente a los amigos del dron para que la altura de vuelo del dron permanezca sin cambios. de la máquina es igual a su propio peso. En el modo de altitud fija, la entrada del acelerador del control remoto ya no puede controlar la altura del dron, pero aún puede controlar el movimiento de cabeceo, guiñada y balanceo del dron, es decir, nadie puede moverse libremente dentro del rango deseado. plano de altura. Diversa información de altitud de drones de uso común se organiza de la siguiente manera:

Altitud absoluta: la distancia vertical entre la posición actual y el nivel medio del mar, también conocida como altitud.

Altura relativa: se refiere a la diferencia de altura absoluta entre dos lugares de medición.

Altura real: Durante el vuelo del drone, la altura real del control de vuelo sobre el suelo es la altura real, también llamada altura geométrica.

2. Fusión de información basada en filtrado complementario.

Acerca del cálculo de altitud y actitud del dron de cuatro rotores, se requiere la fusión de datos, también llamada fusión de información. Procesa información de múltiples sensores para sacar conclusiones más completas y confiables. En esta sección, se utilizan filtros complementarios para la fusión de datos y se realizan cálculos de fusión de información multisensor para obtener información de altura y actitud. El filtrado complementario requiere que el ruido de interferencia de la señal fusionada esté en diferentes frecuencias. Al establecer las frecuencias de corte de los dos filtros para garantizar que la señal fusionada pueda cubrir las frecuencias requeridas, dos fuentes de información se fusionan mediante predicción-corrección, generalmente prediciendo una de ellas y luego corrigiéndola con la otra información.

2.1 Cálculo de altura basado en filtrado complementario

El control de altura requiere la obtención de la información de altura del UAV. En la mayoría de los casos, la información de altitud del control de vuelo la proporciona un barómetro dentro del control de vuelo, que mide la altitud absoluta. La fórmula de medición es la siguiente:

Entonces la medida de la altura del barómetro se puede expresar como:

Es decir, la altura medida por el barómetro es igual a la altura real más la altura del error de medición.

Al calcular los datos del barómetro en el panel de control de vuelo real, los datos se recopilarán varias veces y se promediarán antes del cálculo. Sin embargo, la información proporcionada por un solo sensor no parece cumplir con los requisitos del vuelo real. El barómetro tiene sus limitaciones. Defectos desatendidos:

(1) Cuando el barómetro está midiendo, la interferencia de ruido es grande y los datos no son lo suficientemente fluidos;

(2) Los datos. medido por el barómetro se desviará;

(3) Los experimentos muestran que la medición del barómetro se ve seriamente interferida por la temperatura y el flujo de aire, y el barómetro no puede medir valores precisos en un ambiente de baja temperatura y fuerte flujo de aire.

El acelerómetro también puede obtener información de posición del controlador de vuelo. Después de que el controlador de vuelo obtiene la aceleración actual a través del acelerómetro, puede obtener la información de velocidad vertical mediante la integración y luego obtener la información de altitud mediante la integración, de la siguiente manera:

Sin embargo, los acelerómetros también tienen fallas inherentes. Múltiples integraciones provocarán errores acumulativos en los resultados y el error de medición instantánea del acelerómetro será relativamente grande.

Obviamente, es imposible confiar únicamente en el barómetro o acelerómetro para proporcionar información precisa de altitud al control real, por lo que deberíamos considerar el procesamiento de fusión de datos con datos de otros sensores y barómetros para obtener buenos y información precisa de altitud.

El algoritmo de filtrado complementario fusiona la información de altura medida por el barómetro y el acelerómetro en función del peso, y establece la información de altura en base a este. Se utiliza un filtro de paso alto para procesar con precisión la aceleración y un filtro de paso bajo para procesar la información del barómetro. El acelerómetro puede obtener la aceleración en la dirección vertical del control de vuelo y también puede sintetizar información de velocidad vertical. La idea central de todo el algoritmo es obtener información de velocidad y posición integrando la aceleración en el sistema de coordenadas geográficas. Después de dos correcciones, se corrige la información que aún está disponible. La primera vez, el sensor Li Zhong calcula el coeficiente de corrección para corregir la aceleración y la segunda vez, la posición se corrige mediante el coeficiente de corrección. Finalmente, la aceleración se usa para corregir la velocidad disponible, y la aceleración y la posición se usan para corregir la posición disponible. El proceso de corrección de la aceleración consiste en convertir la aceleración medida del cuerpo en el sistema de coordenadas geográficas restando la desviación.

La función principal del barómetro es calcular un coeficiente corrector para corregir el offset de aceleración. El proceso de fusión de datos es el siguiente:

El acelerómetro mide la aceleración del dron y el valor medido está en el sistema de coordenadas del cuerpo, por lo que es necesario utilizar la matriz de rotación para convertir el valor de aceleración en aceleración en el sistema de coordenadas de referencia del terreno.

El proceso de implementación específico de la información fusionada es el siguiente:

(2) Convertir la aceleración medida por el acelerómetro al sistema de coordenadas de referencia del suelo a través de la matriz de rotación. Antes de la conversión, tenga en cuenta que es necesario eliminar la compensación del acelerómetro, ya que la aceleración del eje Z en el sistema de coordenadas geográficas incluye la aceleración de la gravedad, por lo que es necesario compensar la aceleración de la gravedad;

(3 ) Calcule el coeficiente de calibración del barómetro, que es el coeficiente de calibración requerido para el acelerómetro. La fórmula específica es la siguiente

(4) Utilice el coeficiente de corrección del barómetro obtenido para calcular el vector de compensación del acelerómetro. ?

(5) Convierta el vector de compensación de aceleración nuevamente al sistema de coordenadas del fuselaje, integre la aceleración convertida para obtener la información de velocidad fusionada y luego integre la información de velocidad para obtener la estimación de altura final y finalmente haga la segunda corrección al coeficiente de corrección del barómetro.

Los datos de vuelo se recopilan y simulan a través del software Matlab, y los resultados se muestran en la figura. Se puede ver que la altitud fusionada es más precisa que la altitud medida solo con el acelerómetro y el barómetro.

2.2 Cálculo de actitud basado en filtrado complementario

Se puede ver en el principio de vuelo que el control final del UAV durante el vuelo debe volver al control de actitud y al ajuste específico del ángulo de Euler. Puede controlar la actitud de vuelo del dron. Para completar el control de actitud E del UAV, es necesario recopilar la actitud actual del UAV y luego ajustar la actitud actual del UAV a la actitud deseada mediante el algoritmo de control. La adquisición de actitud se basa principalmente en la unidad de medición inercial IMU del control de vuelo. La precisión del cálculo de la actitud está directamente relacionada con la precisión de la posición de vuelo del dron.

Durante el vuelo, el giroscopio mide la velocidad angular del dron y tiene un alto rendimiento dinámico. La integración de la velocidad angular en el tiempo produce tres ángulos de Euler. Los datos del giroscopio formarán un error acumulativo durante el proceso de integración, y el error acumulativo aumentará con el paso del tiempo, por lo que el valor de medición del giroscopio en poco tiempo es más confiable. El magnetómetro mide principalmente la distribución actual del campo magnético, que es el ángulo entre el dron y el campo magnético, que es el ángulo de guiñada. Sin embargo, el magnetómetro se ve seriamente interferido por el campo magnético circundante y el error de medición real es grande. El acelerómetro ya se introdujo antes, por lo que no entraré en detalles.

Las características de los tres sensores son complementarias en el dominio de la frecuencia, por lo que este artículo considera el uso de filtrado complementario para fusionar los datos de los tres sensores. De hecho, una vez fusionados el acelerómetro y el magnetómetro, la información de actitud medida por el giroscopio se compensa para mejorar la precisión de la medición y el rendimiento dinámico del sistema.

El proceso de fusión de datos de los tres sensores se muestra en la figura. Los giroscopios utilizan filtros de paso alto para eliminar el ruido de baja frecuencia, y los acelerómetros y magnetómetros utilizan filtros de paso bajo para eliminar el ruido de alta frecuencia.

Utilice la matriz de rotación para convertir los ángulos de Euler medidos por los tres sensores en forma de cuaternión y luego calcule la dirección de referencia del campo magnético.

Calcule el componente de gravedad v y el componente del campo magnético w:

Utilice los valores del acelerómetro y magnetómetro, el componente de gravedad y el componente del campo magnético para calcular el error;

Correcto El error obtenido en un paso se procesa mediante integración proporcional y luego el valor obtenido se utiliza para compensar la deriva cero causada por el giroscopio. Finalmente, la información de actitud actual se obtiene mediante cálculo.

Los resultados después de recopilar datos de vuelo y filtrar se muestran en la Figura 5.4 ángulo de cabeceo, la Figura 5.5 ángulo de balanceo y la Figura 5.6 ángulo de guiñada.

3. Diseño del controlador PID

Hay dos situaciones principales cuando el UAV vuela a una altitud fija. Uno es el modo de altitud de control manual, en el que el control de vuelo del dron aún recibe y ejecuta la señal de comando desde el control remoto. La otra es que cuando el dron vuela de forma autónoma, como en el vuelo de waypoint o en modo fuera de cámara, el dron está configurado para realizar una misión de vuelo preestablecida a una determinada altitud y controla su propio movimiento sin depender de las instrucciones del control remoto. Este artículo examina el segundo modo de ajuste de altura.

En el contexto del control de posición, el sistema de control PID de doble circuito en cascada de este artículo está especialmente diseñado para implementar un sistema de evitación de obstáculos, asegurando que el UAV de cuatro rotores pueda alcanzar con precisión la posición objetivo cuando está suspendido. y Mantener la estabilidad del cuadricóptero. Todo el sistema de control de bucle dual se divide en dos partes: control de bucle interno (control de actitud) y control de bucle externo (control de posición). El control de bucle externo estudia principalmente la parte de control de altura fija.

3.1 Principio de control PID

El controlador PID es el algoritmo de control más clásico en la teoría del control. El algoritmo PID es simple y altamente confiable y se usa ampliamente en control de procesos y control de movimiento. El control PID consta principalmente de tres enlaces: proporcional, integral y diferencial. A través de estos tres enlaces, se utilizan proporción, integral y diferencial para calcular la diferencia entre el valor de entrada y el valor de salida, y los resultados del control se envían al objeto controlado para realizar el control del sistema. En la figura se muestra el diagrama esquemático del sistema de control PID de circuito cerrado.

Entre los tres enlaces de PID, la función del enlace proporcional P es utilizar directamente la proporción del error como salida para acelerar la velocidad de respuesta del sistema y mejorar la precisión del ajuste del sistema. . Sin embargo, un efecto proporcional mayor hará que la salida del objeto fluctúe más, y un efecto proporcional menor hará que la transición de salida del objeto sea más lenta. La integral se utiliza para acumular la relación entre el último valor de error y el tiempo como salida. El enlace integral I se utiliza principalmente para eliminar el error de estado estable cuando la salida del objeto es estable, pero se producirá una saturación integral. El enlace diferencial D genera proporcionalmente la pendiente del error a lo largo del tiempo, lo que mejora el rendimiento dinámico del sistema. Se utiliza principalmente para acortar el tiempo de subida del objeto, acelerar la velocidad de respuesta y realizar la función de ajuste temprano. En el proceso de uso del controlador PID, puede usar el control PID o puede usar P, PI, PD y otros controles solo.

El proceso de uso es el siguiente

3.2 Diseño del controlador PID en cascada

Este artículo simplifica la investigación para evitar obstáculos en un plano bidimensional y divide el control de posición general en dos partes: altura fija Control y control de posición del avión. El control de posición de la aeronave es que la posición de la aeronave es enviada por el equipo aerotransportado y luego ejecutada por el control de vuelo.

(1) Controlador de altura

Debido a que la información de altura es la información de dirección vertical de la posición tridimensional, en el control de vuelo real del UAV, el control de altura es parte de el control de posición. El diagrama de flujo relacionado con el controlador de altura se puede resumir como se muestra a continuación.

(2) Controlador de actitud

4. Resumen de este artículo

Este artículo presenta principalmente el proceso de diseño de control de actitud y altura de posición relevantes para evitar obstáculos. proceso. Para lograr buenos efectos de control, el cálculo primero debe ser preciso. Luego, bajo la premisa de que los sensores que lleva el controlador de vuelo avanzado tienen fallas inherentes, los datos del sensor se fusionan mediante un algoritmo de filtrado complementario y el acelerómetro y la presión del aire. se fusionan para calcular la altura real del dron. Los datos del acelerómetro, magnetómetro y giroscopio calculan la información de actitud actual del dron. Finalmente, utilizando el algoritmo de control PID, se diseñó un controlador de altura PID en cascada y un controlador de actitud PID en cascada.