CN104133482A

CN104133482A - 一种无人机模糊控制飞行方法

Info

Publication number: CN104133482A
Application number: CN201410294786.2A
Authority: CN
Inventors: 周树道; 王敏; 文滋木; 庄卉; 王彦杰; 贾赟; 金永奇; 马忠良; 常昊天
Original assignee: PLA University of Science and Technology
Current assignee: PLA University of Science and Technology
Priority date: 2014-06-26
Filing date: 2014-06-26
Publication date: 2014-11-05

Abstract

本发明公开了一种无人机模糊控制飞行方法，包括步骤：步骤S1，探测障碍物信息；步骤S2，使用模糊控制算法根据障碍物信息生成模糊避障系统；步骤S3，根据模糊避障系统对无人机的飞行状态进行控制。本发明能够实时有效地避开无人机飞行路径上的障碍物，保证飞行的安全性。

Description

一种无人机模糊控制飞行方法

技术领域

本发明涉及无人机控制领域，尤其涉及一种无人机模糊控制飞行方法。

背景技术

无人机避障是指无人机在从出发点到达目的地的路径中通过一定的控制方法有效地避开中途障碍的过程。虽然无人机通过使用GPS数据定位来实现自主飞行在室外环境中是可行的，但是在室内环境或没有GPS信号的情况下是无法实现的。在室内环境中，国内外研究机构普遍使用基于视觉系统进行障碍探测、规避碰撞与定位的方法来实现无人机的自主飞行。例如宾夕法尼亚大学GRASP实验室利用Vicon运动捕捉系统提供对四旋翼无人机的状态评估；上海交通大学利用视觉系统对多旋翼飞行器的姿态进行分析等。但是这些系统都存在依赖外部视觉系统并且计算量大的缺点，而且在一些灰尘、浓雾等恶劣环境下无法工作。超声波传感器具有成本低，体积小，不易受电磁、光线、被测对象颜色、烟雾等影响的特点，其获取的时间信息较直观，在移动机器人领域应用十分广泛。但常规的超声波传感器的探测角度有限，指向性较差，同时在使用时还会出现幻影现象，产生信号串扰问题，因此也无法直接应用于无人机自主飞行领域。

发明内容

本发明鉴于上述情况而作出，其目的是提供一种无人机模糊控制飞行方法，能够实时有效地避开无人机飞行路径上的障碍物，保证飞行的安全性。

本发明提供一种无人机模糊控制飞行方法，包括步骤：

步骤S1，探测障碍物信息。

步骤S2，使用模糊控制算法根据障碍物信息生成模糊避障系统。

步骤S3，根据模糊避障系统对无人机的飞行状态进行控制。

进一步地，步骤S1中，采用分组循环发射的多超声波传感器组对障碍物进行探测。所述多超声波传感器组包括7个超声波传感器。

进一步地，步骤S1中，所述障碍物信息包括：左侧障碍物距离信息、右侧障碍物距离信息和前方障碍物距离信息三类。

进一步地，步骤S1中，分别探测无人机前方，无人机左侧和无人机右侧的障碍物距离信息。

进一步地，步骤S2具体包括：

步骤S201，根据线性隶属度函数对所述障碍物信息进行模糊化。

步骤S202，根据状态评估模糊控制规则生成所述模糊避障系统。

步骤S203，将模糊化后的所述障碍物信息作为输入信息输入所述模糊避障系统。

步骤S204，所述模糊避障系统根据所述输入信息生成模糊控制信息并输出。

其中，所述线性隶属度函数为线性三角形形式；模糊化后的所述左侧障碍物距离信息包括：近和远两种；模糊化后的所述前方障碍物距离信息包括：近，中和远三种。

所述模糊控制信息包括：偏航角度和飞行速度两种；所述偏航角度的范围在正负90°之间，模糊语言集合包括：左转，小角度左转，前进，小角度右转和右转；所述偏航角度的线性隶属度函数为线性三角形形式；所述飞行速度的范围在0m/s至5m/s之间，模糊语言集合包括：慢，中和快；所述飞行速度的线性隶属度函数为线性三角形形式。

进一步地，步骤S3具体包括：

步骤S301，对所述模糊避障系统输出的模糊控制信息进行反模糊化，并转换为明确的控制信号。

步骤S302，根据所述控制信号对无人机的飞行状态进行控制。

进一步地，步骤S301中，根据加权平均法对所述模糊避障系统输出的模糊控制信息进行反模糊化，转换公式为：

z_{0} = Σ_{i = 1}^{M} α_{i} z_{i} / Σ_{i = 1}^{M} α_{i} .

其中，M为模糊规则数，z_i为第i条模糊规则下的输出，ai为第i条模糊规则的激活度或加权系数，z0为最终的输出值。

本发明采用一组超声波传感器对无人机的不同方向进行探测，克服了单个超声波传感器探测角度有限，指向性较差的缺点，能够实时有效地避开无人机飞行路径上的障碍物，保证飞行的安全性。

附图说明

图1是本发明的一种无人机模糊控制飞行方法的处理流程示意图；

图2是本发明的一种无人机模糊控制飞行方法的第一子流程处理示意图；

图3是本发明的一种无人机模糊控制飞行方法的第二子流程处理示意图；

图4是本发明的实施例中四旋翼无人机模糊控制飞行方法的处理示意图；

图5是本发明的实施例中四旋翼无人机模糊控制飞行方法的多超声波传感器组结构示意图；

图6是本发明的实施例中四旋翼无人机模糊控制飞行方法的前方输入隶属函数示意图；

图7是本发明的实施例中四旋翼无人机模糊控制飞行方法的左右两侧输入隶属函数示意图；

图8是本发明的实施例中四旋翼无人机模糊控制飞行方法的偏航角输出隶属函数示意图；

图9是本发明的实施例中四旋翼无人机模糊控制飞行方法的飞行速度输出隶属函数示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

本发明提供一种无人机模糊控制飞行方法，能够实时有效地避开无人机飞行路径上的障碍物，保证飞行的安全性。

如图1，图2和图3所示，一种无人机模糊控制飞行方法，包括步骤：

步骤S1，探测障碍物信息。

具体地，采用分组循环发射的多超声波传感器组对障碍物进行探测。所述多超声波传感器组包括7个超声波传感器，分别探测无人机前方、左右两侧的障碍物距离信息。所述障碍物信息包括：左侧障碍物距离信息、右侧障碍物距离信息和前方障碍物距离信息三类。

步骤S3，根据模糊避障系统对无人机的飞行状态进行控制。

进一步地，上述步骤S2具体包括：

其中，所述线性隶属度函数为线性三角形形式；模糊化后的所述左侧障碍物距离信息包括：近(N)和远(F)两种；模糊化后的所述前方障碍物距离信息包括：近(N)，中(M)和远(F)三种。

所述模糊控制信息包括：偏航角度和飞行速度两种；所述偏航角度的范围在正负90°之间，模糊语言集合包括：左转(TL)，小角度左转(TLL)，前进(GO)，小角度右转(TRL)和右转(TR)；所述偏航角度的线性隶属度函数为线性三角形形式；所述飞行速度的范围在0m/s至5m/s之间，模糊语言集合包括：慢(S)，中(M)和快(F)；所述飞行速度的线性隶属度函数为线性三角形形式。

进一步地，步骤S3具体包括：

步骤S302，根据所述控制信号对无人机的飞行状态进行控制。

z_{0} = Σ_{i = 1}^{M} α_{i} z_{i} / Σ_{i = 1}^{M} α_{i} .

实施例

如图4至图9所示，四旋翼无人机通过超声波传感器组中的7个超声波传感器对四旋翼无人机的前方和左右两侧进行循环探测，其中7个超声波传感器的编号如图5所示，分别为1至7，第1、第2和第3号超声波传感器对四旋翼无人机的前方进行探测，第3、第6和第7号超声波传感器对四旋翼无人机的左侧进行探测，第2、第4和第5号超声波传感器对四旋翼无人机的右侧进行探测。

根据如图6，图7所示的线性隶属度函数对探测到的左侧障碍物信息、前方障碍物信息和右侧障碍物信息进行模糊化，其中N、M和F分别对应近、中和远。

根据模糊控制规则中的知识库进行逻辑推理，生成模糊避障系统，并将模糊化后的障碍物信息作为输入信息输入模糊避障系统，模糊避障系统根据输入信息和如图8，图9所示的线性隶属度函数生成偏航角度和飞行速度两种模糊控制信息，其中，TL、TLL、GO、TRL和TR分别对应左转、小角度左转、前进、小角度右转和右转，S、M和F分别对应慢、中和快。

根据加权平均法对所述模糊避障系统输出的模糊控制信息进行反模糊化，转换公式为：并根据反模糊化后的控制信号对四旋翼无人机的飞行状态进行控制。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims

1.一种无人机模糊控制飞行方法，其特征在于，包括步骤：

步骤S1，探测障碍物信息；

步骤S2，使用模糊控制算法根据障碍物信息生成模糊避障系统；

步骤S3，根据模糊避障系统对无人机的飞行状态进行控制。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，采用分组循环发射的多超声波传感器组对障碍物进行探测。

3.根据权利要求2所述的方法，其特征在于，所述多超声波传感器组包括7个超声波传感器。

4.根据权利要求1所述的方法，其特征在于，步骤S1中，所述障碍物信息包括：左侧障碍物距离信息、右侧障碍物距离信息和前方障碍物距离信息三类。

5.根据权利要求1至4任意一项所述的方法，其特征在于，步骤S1中，分别探测无人机前方，无人机左侧和无人机右侧的障碍物距离信息。

6.根据权利要求5所述的方法，其特征在于，步骤S2包括：

步骤S201，根据线性隶属度函数对所述障碍物信息进行模糊化；

步骤S202，根据状态评估模糊控制规则生成所述模糊避障系统；

步骤S203，将模糊化后的所述障碍物信息作为输入信息输入所述模糊避障系统；

7.根据权利要求6所述的方法，其特征在于，步骤S3包括：

步骤S301，对所述模糊避障系统输出的模糊控制信息进行反模糊化，并转换为明确的控制信号；

步骤S302，根据所述控制信号对无人机的飞行状态进行控制。

8.根据权利要求6所述的方法，其特征在于，所述线性隶属度函数为线性三角形形式；模糊化后的所述左侧障碍物距离信息包括：近和远两种；模糊化后的所述前方障碍物距离信息包括：近，中和远三种。

9.根据权利要求6所述的方法，其特征在于，所述模糊控制信息包括：偏航角度和飞行速度两种；所述偏航角度的范围在正负90°之间，模糊语言集合包括：左转，小角度左转，前进，小角度右转和右转；所述偏航角度的线性隶属度函数为线性三角形形式；所述飞行速度的范围在0m/s至5m/s之间，模糊语言集合包括：慢，中和快；所述飞行速度的线性隶属度函数为线性三角形形式。

10.根据权利要求7所述的方法，其特征在于，步骤S301中，根据加权平均法对所述模糊避障系统输出的模糊控制信息进行反模糊化，转换公式为：

M为模糊规则数，z_i为第i条模糊规则下的输出，ai为第i条模糊规则的激活度或加权系数，z0为最终的输出值。