技术文章

利用六翼直升机和飞控软件加速无人机的研究

作者 Greg Rose, Tyler Leman, and Bryant Mairs, IntelinAir, and Xiaofeng Wang, University of South Carolina College of Engineering and Computing


空中机器人研究人员正在使用无人机开发突破性的飞行控制算法,并为许多领域的问题提供新颖的解决方案,包括应急响应、家庭医疗和精准农业。然而,研究人员必须花费时间来落实诸如传感器数据处理、定位和高度计算以及飞行导航等基础功能,项目往往会被拖慢进度。

我们开发了IntelinAir RD-100 六翼直升机来解决这个问题。RD-100是一个可以飞行的无人机,预装了自动驾驶仪飞行软件,该软件是用Simulink®开发的(图一所示)。飞行软件能够维持稳定飞行以及自动起飞、着陆和路标导航,也可以定制满足特定的研究需求。

使用基于模型设计的RD-100开发环境,研究团队可以快速开发原型、仿真和部署控制软件,并快速启动新的无人机研究项目。他们对Simulink模型有完全访问权限,可以添加功能,实现协作飞行算法和其他高级应用,并在硬件在环(HIL)仿真中验证他们的设计和算法。研究人员可以直接从仿真转到实际的飞行测试,这种能力使RD-100从其他的同类无人机中脱颖而出。

图一:IntelinAir RD-100 无人机。

图一:IntelinAir RD-100 无人机。

基于模型设计开发RD-100飞行软件

RD-100的设计目的是简化飞行软件的开发过程。基于模型设计是最适合我们的开发方法,因为它使得研究人员很容易使用我们提供的模型来运行仿真、运行HIL测试和生成可飞行的代码。虽然我们也可以手工编写代码,但我们相信基于模型设计不仅是开发飞行软件最快捷方式,而且也受到学术研究团队的青睐,他们使用MATLAB®和Simulink已经很顺手了。

IntelinAir设计了用于与无人机、六翼无人机硬件和飞行软件通信的地面站。一个小组开发了一种六自由度(6DOF)的无人机Simulink模型,包括机身、电机和电子速度控制。该模型具有无人机的质量特性、动力(推力)、空气动力学、运动方程和传感器,包括加速度计、陀螺仪、磁力仪、气压计和GPS接收器。

另一个小组建模了飞行控制系统。这个模型使用Simulink和Control System Toolbox™,包括导航模块--使用传感器的输入计算无人机的速度、方向和位置。它还包括一个自主飞行模式的制导模块,以及一个电机控制模块--它根据导航模块和操作界面的输入生成指令。为了简化设计和促进重用,飞行软件小组采用Simulink模型引用对模型进行分层组织,并为在设计中经常使用的模块创建了自定义Simulink库(图二所示)。

图二:顶层Simulink模型显示了运载工具模型,操作员接口,飞机控制软件模块。(通过使用IntelinAir的SafeSmart工具箱)。

图二:顶层Simulink模型显示了运载工具模型,操作员接口,飞机控制软件模块。(通过使用IntelinAir的SafeSmart工具箱)。

无人机控制设计的一个主要挑战是处理由强风及载荷的变化引起的系统动力学的改变。RD-100通过L1自适应控制解决了这一挑战,这是由IntelinAir联合创始人Naira Hovakimyan博士在伊利诺伊大学厄巴纳-香槟分校开发的一项高级技术。通过解耦适应回路与控制回路,L1自适应控制使RD-100能够快速补偿不利影响。这允许在最具挑战性的条件下进行稳定、精确的飞行,并对准确的数据收集至关重要。

从桌面仿真到HIL和飞行测试

在使用RD-100软件时,研究人员遵循了控制设计、软件仿真、HIL仿真和飞行测试的迭代过程(图三所示)。

图三:软件仿真到HIL仿真和飞行测试的工作流程。

图三:软件仿真到HIL仿真和飞行测试的工作流程。

这个过程开始于Simulink的软件闭环仿真。仿真过程中产生了飞机的性能图(图四所示)。

图四:仿真过程中的推力,偏航力矩,转动力矩及俯仰力矩命令图示。

图四:仿真过程中的推力,偏航力矩,转动力矩及俯仰力矩命令图示。

在桌面验证了控制算法的基本功能后,研究人员可以在不离开桌面的情况下,通过HIL仿真在硬件上测试算法。使用Embedded Coder®从控制器模型生成C代码并部署到RD-100自动驾驶硬件。使用Embedded Coder从6自由度车辆模型生成C代码,部署到运行Simulink Real-Time™的目标硬件。在HIL仿真过程中,车辆模型在Simulink Real-Time中运行,并生成数据;在无人机自动驾驶处理器上运行的飞行软件通过传感器接收这些数据。在仿真过程中捕获的遥测数据被记录下来,并在MATLAB中进行离线分析,以进行验证和确认。HIL测试有许多好处,其中之一是,在实际飞行之前,我们可以捕捉到因硬件不兼容而导致的bug。

在HIL测试之后,运行飞行控制软件的自动驾驶系统硬件可以从桌面的HIL测试装置中拔出来,插入到RD-100机体中进行真实的飞行测试。飞行测试中,飞行软件直接接收来自机上传感器的输入,并直接向电机发送指令。

基于模型设计的优点

基于模型设计的主要优点之一是,它使小组能够处理通常需要更大的团队来完成的项目。这适用于我们的IntelinAir开发团队,以及已经在研究中使用RD-100的众多学术团体。因为无需专业的编码知识,控制工程师和研究人员可以在没有嵌入式软件工程师的情况下测试新的控制算法。新的算法可以在桌面上和真实环境进行测试和调试。由此,工程师可以肯定小型无人驾驶飞机系统可以正常工作。

研究项目实例:精准农业

IntelinAir和Wang博士正在合作推进遥感技术在精准农业中的应用。Wang博士的研究动力在于,无人机有朝一日将会像智能手机一样无处不在、随处可见。

今天,由于物联网,我们获得了大量有用的数据。我们的程序根据这些数据训练计算机做出决定,但我们仍然依赖人对这些决定采取行动——例如,在农业中,我们经常依靠作物顾问人员来搜索农田,但他们只能覆盖到全部土地的很小部分。空中机器人将自动完成最后一步,完成一个反馈回路,其中包括联网设备、决策软件和无人驾驶飞机。

无人机技术最有前途的应用是在地理位置分布广阔、冗余任务和复杂的数据分析阻碍效率的行业。农业就是这样一个行业,无人机技术在其中能显著提高效率和生产力。

Wang博士的团队正在与IntelinAir合作,探索配备微型土壤湿度传感器和高分辨率多光谱相机的无人机在农业中的应用。虽然这项技术目前在农业上没有得到广泛应用,但它有提高生产力以及降低与劳动力、养分和灌溉相关成本的潜力。新的传感器技术可以对湿度和养分进行非常精确的测量。这一数据可以用来检测在生长季节中期农田产量的异常下降,确保充分的时间进行干预。

一旦数据被获取,它将由一个训练有素的卷积神经网络(CNN)使用IntelinAir的专有算法进行综合,并传送给农民。据此,农民对农作物的健康详细概况有了了解,可以来指导决策。

这项研究将涉及伊利诺斯州、加利福尼亚州和南卡罗莱纳的农场,最终目标是开发一种配备传感器的无人驾驶飞机系统,这种系统对农民来说是既便宜又方便的。

Wang博士的三个博士生、一个硕士的学生、三个本科学生使用基于模型设计和RD-100无人机开发飞行软件。在过去,当团队使用其他无人机时,学生必须手工编写C或C++代码。使用RD-100提供的Simulink控制模型,学生无需在编程或调试C代码上浪费时间。相反,他们可以通过简单地修改模型来实现他们的设计和想法。他们可以在桌面上运行仿真和HIL测试来验证设计,然后直接在RD-100上进行飞行测试。

2017 年发布 - 93082v00

查看文章,了解相关行业