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

1. Introducción

En el diseño del esquema para evitar obstáculos, si esperamos que el dron vuele desde el punto de partida hasta el punto objetivo, debemos obtener constantemente la posición actual del mismo. dron a través de varios sensores, y ajusta la actitud del dron según su posición, y finalmente llega al destino. Los drones de cuatro rotores tienen seis grados de libertad al volar. Son flexibles y se mueven rápidamente. Los obstáculos en el camino también provienen de todas las direcciones, no solo del frente. Por lo tanto, se agrega la detección de obstáculos durante el proceso de evitación de obstáculos. Además de la dificultad de planificar un camino seguro, con el fin de facilitar la verificación experimental del algoritmo y reducir la dirección de detección de obstáculos, este artículo planea realizar un experimento de vuelo para evitar obstáculos bajo control de altitud constante de un UAV de cuatro rotores, que Es decir, el UAV de cuatro rotores vuela a la altitud deseada. El dispositivo de detección frontal detecta obstáculos y utiliza algoritmos para evitar obstáculos frente al dron de cuatro rotores, convirtiendo así la evitación de obstáculos en el espacio tridimensional en un vuelo para evitar obstáculos en el. Plano bidimensional. Este capítulo analiza principalmente el dron de cuatro rotores. Se realizan el cálculo de altitud y la actitud, y luego se utiliza el método de control PID para crear el controlador del dron de cuatro rotores.

El vuelo de altitud fija 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, manteniendo así la altura de vuelo del dron sin cambios y sin tripulación. por el avión es igual a su propia gravedad En el modo de altitud fija, la entrada del acelerador del control remoto ya no controla la altura del dron, pero aún puede controlar los movimientos de cabeceo, guiñada y balanceo del dron, es decir. Es decir, el dron estará a la altura deseada para moverse libremente en un avión, a continuación se resumen varias informaciones de altitud comúnmente utilizadas por los UAV:

Altitud absoluta: la distancia vertical de la ubicación actual desde la media. nivel del mar, también llamado altitud.

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

Altura real: Durante el vuelo del dron, la altura real del control de vuelo desde el suelo es la altura real, también conocida como altura geométrica.

2. Fusión de información basada en filtrado complementario

En cuanto al cálculo de altura y actitud del UAV de cuatro rotores, se requiere la fusión de datos también se denomina fusión de información, que es. a La información de múltiples sensores se procesa para sacar conclusiones más completas y confiables. Esta sección utiliza filtros complementarios para la fusión de datos para fusionar información de múltiples sensores para obtener información de altura y actitud. El método de filtrado complementario requiere la fusión de señales El ruido de interferencia está en. diferentes frecuencias Al establecer las frecuencias de corte de los dos filtros, se garantiza que la señal fusionada pueda cubrir la frecuencia requerida. Las dos fuentes de información se fusionan mediante predicción-corrección. Generalmente, una de las informaciones se predice y luego. Se utiliza otro tipo de información para su corrección.

2.1 Cálculo de altura basado en filtrado complementario

El control de altura requiere obtener la información de altura del UAV. En la mayoría de los casos, la información de altura del control de vuelo se obtiene del sistema interno. proporcionada por un barómetro. El barómetro mide la altitud absoluta. Se mide basándose en el principio de que la presión atmosférica disminuye con el aumento de la altitud. La fórmula de medición es:

Entonces, la medición de la altura del barómetro se puede expresar como:

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

Al calcular los datos del barómetro en el tablero de control de vuelo, se recopilarán, promediarán y luego calcularán múltiples datos. Sin embargo, la información proporcionada por un solo sensor no parece ser capaz de cumplir con los requisitos. vuelo real, y el barómetro tiene defectos que son difíciles de ignorar:

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

(2) Los datos medidos por el barómetro variarán;

(3) Los experimentos han demostrado que la medición del barómetro se ve seriamente interferida por la temperatura y el flujo de aire. En ambientes de baja temperatura y fuerte flujo de aire, el barómetro no puede medir. valores precisos.

El acelerómetro también puede obtener la 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 a través de la integración y luego integrarla para obtener la altitud. información, de la siguiente manera:

Sin embargo, los acelerómetros también tienen defectos inherentes. Múltiples integraciones causarán errores acumulativos en los resultados y los errores en los valores de medición instantáneos del acelerómetro serán relativamente grandes.

Obviamente, es imposible confiar únicamente en el barómetro o acelerómetro para proporcionar información precisa de altitud para el control real. Considere el procesamiento de fusión de datos a través de otros sensores y datos del barómetro para obtener una altitud buena y precisa. información.

El algoritmo de filtrado complementario consiste en fusionar la información de altitud medida por el barómetro y el acelerómetro según el peso, y calcular la información de altitud en base a esto. Utiliza un filtro de paso alto para procesar la aceleración y una baja. -Pase el filtro para procesar la presión del aire. El acelerómetro puede obtener la aceleración en la dirección vertical del control de vuelo, y la información de velocidad en la dirección vertical se puede integrar mediante la integración. información de velocidad y posición integrando la aceleración en el sistema de coordenadas geográficas. Después de dos correcciones, Chen Shang puede usar la información la primera vez que el sensor Li Zhong calcula el coeficiente de corrección para generar la desviación de la aceleración. La segunda vez es utilizar el coeficiente de corrección para corregir la posición. Finalmente, la velocidad disponible se corrige por la aceleración. La posición ha experimentado una corrección de posición y la aceleración es restar la desviación de la aceleración medida. cuerpo y luego convertirlo al sistema de coordenadas geográficas.

La función principal del barómetro es calcular un coeficiente corrector para corregir el offset de aceleración. El proceso de fusión de datos se muestra en la figura:

El acelerómetro mide la aceleración del dron y el valor medido está en el sistema de coordenadas del cuerpo, por lo que el valor de aceleración debe convertirse a la coordenada de referencia del terreno. sistema utilizando una aceleración de matriz de rotación. El proceso de implementación específico de la información fusionada es el siguiente:

(2) Convierta 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 el desplazamiento del acelerómetro. debe eliminarse primero, debido a la aceleración geográfica. La aceleración del eje z en el sistema de coordenadas incluye la aceleración de la gravedad, por lo que la aceleración de la gravedad debe compensarse

(3) Calcule el coeficiente de corrección de; el barómetro. Este coeficiente es también el coeficiente que debe usarse para corregir el acelerómetro. La fórmula específica (4) Calcule el vector de compensación del acelerómetro utilizando el coeficiente de corrección del barómetro requerido. ?

(5) Convierta el vector de compensación de aceleración nuevamente al sistema de coordenadas del cuerpo, 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. corrija el coeficiente de corrección del barómetro dos veces.

Los resultados después de recopilar datos de vuelo y simularlos a través del software Matlab se muestran en la figura. Se puede ver que la altura después de la fusión es más precisa que la altura medida por separado por el acelerómetro y el barómetro.

2.2 Solución de actitud basada en filtrado complementario

Del principio de vuelo se desprende que durante el vuelo del UAV, el control final debe volver al control de actitud, a través de normas europeas específicas. Tire del ajuste de ángulo para controlar la actitud de vuelo del dron. Para completar el control de actitud electrónica 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. Se pueden obtener tres ángulos de Euler integrando la velocidad angular en el tiempo. Durante el proceso de integración, los datos del giroscopio formarán un. acumulativo El error y el error acumulativo continúan aumentando a medida que aumenta el tiempo, por lo que el valor de medición del giroscopio es más confiable en un corto período de tiempo. El magnetómetro mide principalmente la distribución del campo magnético actual, es decir, el ángulo entre el dron y el campo magnético. Este ángulo es el ángulo de orientación. Sin embargo, el magnetómetro se ve seriamente interferido por el campo magnético circundante y el error de medición real es grande. . El acelerómetro se introdujo anteriormente y no se describirá nuevamente.

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, el acelerómetro y el magnetómetro se utilizan para fusionar la información de actitud. Medido por el giroscopio para compensar. Mejora 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. El giroscopio pasa a través de un filtro de paso alto para eliminar el ruido de baja frecuencia, y el acelerómetro y el magnetómetro pasan a través de un filtro de paso bajo para eliminarlo. 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 magnético componente de campo w:

Utilice aceleración, valor del magnetómetro, componente de gravedad y componente de campo magnético para calcular el error:

Utilice procesamiento proporcional-integral para procesar el error encontrado en el paso anterior y luego use el valor calculado para compensar el giroscopio. El fenómeno de deriva cero resultante finalmente se resuelve para obtener la información de actitud actual.

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

3. Diseño del controlador PID

Hay dos situaciones principales cuando el dron vuela a una altura fija. Una es el modo de control manual. En este modo, el dron sigue volando. recibe y ejecuta la señal de comando del control remoto. La otra es cuando el dron vuela de forma autónoma, como vuelo de waypoint o modo fuera de borda, etc., el dron está configurado para realizar tareas de vuelo preestablecidas a una cierta altitud sin depender del control remoto. Las instrucciones de señal controlan su propio movimiento y este artículo estudia el segundo modo de fijación de altura.

En el contexto del control de posición, el sistema de control PID de doble bucle 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 y mantener 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). Entre ellos, el control de bucle externo estudia principalmente la parte de control de altura.

3.1 Principio de control PID

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

La función del enlace proporcional P entre los tres enlaces de PID es utilizar directamente la proporción del error como salida, 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 cambie. Las fluctuaciones grandes y los efectos proporcionales demasiado pequeños harán que la transformación de la salida del objeto sea lenta. La integración se utiliza para acumular el valor de error anterior en proporción al tiempo como salida. El enlace de integración I se utiliza principalmente para eliminar el error de estado estable cuando la salida del objeto es estable, pero habrá saturación integral. El enlace diferencial D genera la pendiente del error a lo largo del tiempo en forma proporcional para mejorar el rendimiento dinámico del sistema. Se utiliza principalmente para acortar el tiempo de subida del objeto, acelerar la velocidad de respuesta y lograr el efecto de avance. ajuste. 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 utilizado es

3.2 Diseño del controlador PID en cascada

Después de que este artículo simplifica la investigación para evitar obstáculos a un plano bidimensional, el control de posición general se divide en dos partes: control de altura fija y control de posición del plano. El control de posición del avión consiste en enviar la posición del avión mediante el equipo aerotransportado y luego ejecutarlo mediante 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, durante el vuelo del UAV real controlado por el control de vuelo, la altura El control pertenece a la parte del control de posición, el diagrama de flujo relacionado con el controlador de altura se puede resumir como se muestra en la siguiente figura.

(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. El efecto de control es bueno. Primero, el cálculo debe ser preciso. Luego, bajo la premisa de que los sensores traídos por los expertos en control de vuelo tienen defectos inherentes, los datos del sensor deben fusionarse mediante algoritmos de filtrado complementarios. El dron se puede calcular fusionando el acelerómetro y la presión del aire, e integrando el acelerómetro y el magnetismo. Los datos de la computadora y el giroscopio se utilizan para calcular la información de actitud actual del UAV. Finalmente, se utilizan un controlador de altura PID en cascada y un controlador de actitud PID en cascada. Diseñado utilizando el algoritmo de control PID.