CN104777829A - 用于四旋翼飞行器模型高精度辨识的实验平台及方法 - Google Patents

Abstract

本发明公开了一种用于四旋翼飞行器模型高精度辨识的方法，包括：采集实时的飞行器飞行姿态和电机控制信号，并设计飞行器的姿态设定值；利用所述的姿态设定值进行飞行，并采集飞行时的电机转速信号和姿态角速率，建立初始的飞行器模型；根据初始的飞行器模型，确定最优的姿态设定值；利用最优的姿态设定值进行飞行，并采集对应的电机转速信号和姿态角速率，进行迭代辨识，确定最优的飞行器模型。本发明还公开了一种用于四旋翼飞行器模型高精度辨识的实验平台。本发明能够对四旋翼飞行器模型实现高精度辨识，为提高其控制精度提供模型基础。

Description

用于四旋翼飞行器模型高精度辨识的实验平台及方法

技术领域

本发明涉及四旋翼飞行器控制及系统辨识领域，具体涉及一种用于四旋翼飞行器模型高精度辨识的实验平台及方法。

背景技术

近年来，关于无人机(Unmanned Aerial Vehicles，UAV)的研究越来越受到国内外不同机构的重视。世界上的一些军事强国在研发大型作战和非作战无人机的同时，也在努力研究小型和微型飞行器，由于现代信息化战争的需要，无人机在战争中发挥的作用越来越大。进入二十一世纪，随着嵌入式微控制器设计技术、微传感器检测技术、控制理论与工程以及机械电子技术的高速发展，微型无人机控制技术获得了很大的发展。这些无人机通常装有GPS(全球定位系统)、MEMS(Micro-Electro-MechanicalSystems，微机电系统)惯性传感器以及图像传感器用来完成侦查、监控以及搜救等任务。

四旋翼飞行器属于旋翼无人机的一种，相比于常规无人机，其动力装置由四个电机和螺旋桨组成，其不需要配备专门的反扭力矩桨就可以抵消自身的反扭力矩，其结构设计简单、紧凑，近年来成为国内外无人机研究关注的热点。四旋翼飞行器具备许多独有的优势，它能够垂直起降，这和固定翼飞行器需要滑跑起降不同，不需要专门的机场和跑道，大大降低了使用成本，同时它又易于拆卸和组装，携带方便。

四旋翼飞行器根据飞行任务要求，对于控制精度的要求越来越高。实现飞行器的精确控制往往需要有三个步骤，首先要得到被控对象精确的数学模型，其次证明该模型是可观测的，最后证明该模型是可控制的。因此实现四旋翼飞行器有效控制的第一步就是获得其有效的数学模型，该数学模型能够反映出系统的特性以及内部结构，可以用来分析系统对于各种频率、幅值大小的信号响应。

目前为止，被控对象动力学和数学模型建立的方法一般有两种：机理建模以及通过数据驱动的系统辨识方法。机理建模方法主要通过分析被控对象的过程和运动规律，运用研究人员熟知的物理和化学等原理，比如物料平衡、能量平衡、牛顿力学定理等，分析对象内部结构之间各个变量之间的关系建立数学模型。机理建模能够很好地反应对象的实际运动规律，适用于不同对象的建模。但是这种方法往往费时费事，而且对于内部结构相关的很多参数不能轻易获得。

而通过数据驱动的系统辨识方法则是根据实验现场获得的实验数据来建立对象的数学模型，根据对象的输入输出数据通过一定的数学方法获得模型，而不需要考虑对象的结构规律等。这种方法往往有3个基本要素：数据、模型以及准则，其中数据(辨识实验获得关于对象输入和输出的数据)是辨识的重要基础，准则是辨识的优化目标，模型是辨识待求模型的范围。与机理建模相比，系统辨识得到的模型不能适用于其他对象，有时候模型甚至都不具有实际的物理意义，但是这些模型容易获取，形式相对简单，能够很好地反应现场对象的特性，易于后期控制器的设计与实现。

发明内容

为克服现有四旋翼飞行器模型不精确的缺点，本发明提供了一种用于四旋翼飞行器模型高精度辨识的实验平台及方法，实现对四旋翼飞行器模型的高精度辨识以获取其精确模型。

一种用于四旋翼飞行器模型高精度辨识的实验平台，包括四旋翼飞行器，以及用于辨识实验所收集的数据进行分析处理的上位机；所述四旋翼飞行器包括机架、电机、电子调速器、螺旋桨、锂电池以及基于微处理器的飞行控制系统：

无线通信模块，用于飞行控制系统与上位机之间的无线通信；

姿态检测单元，用于实时检测飞行器飞行姿态；

超声传感器，用于实时检测飞行器飞行高度；

遥控器，用于飞行器模式切换以及安全开关；

电机控制信号检测单元，用于实时检测飞行器的电机参数；

飞行控制系统，利用姿态设定值和控制算法控制飞行器飞行。

所述的无线通信模块用于飞行控制系统与上位机之间的通信，飞行控制系统通过DMA发送姿态传感器原始数据、姿态角数据、超声波高度数据、电池数据、遥控器信号数据、控制器输出数据和控制参数给上位机，上位机通过串口中断方式发送控制参数给飞行控制系统。为防止数据发送错误，采用带校验的串口协议进行通信。该无线通信模块保证100m以上的通信距离，满足辨识实验要求。

所述姿态检测模块基于IIC接口协议与微处理器通信，该模块包括加速度计、磁力计和陀螺仪传感器，微处理器运行基于互补滤波器的四元数解算算法实时检测飞行器飞行姿态。

机载姿态传感器中，陀螺仪的动态响应较好，但是易产生温度漂移等低频干扰；磁力计和加速度计的静态效果比较好，但是易受到机体振动引起的高频干扰，同时磁力计还会受到电磁干扰；从频域上看，三种传感器在频域上是互补的，互补滤波的主要思想就是通过高通、低通滤波器将三种传感器的数据融合到一起，从而得到飞行器的准确姿态。

所述超声波传感器主要用于实时检测飞行器高度信息，辨识实验过程需要飞行器保持一个高度。所述超声波传感器根据声波反射时间差乘以声速就能获得飞行器高度，所述高度信息获取过程采用滤波算法去除传感器噪声。

所述遥控器由接收机和遥控器组成，接收机和微处理器相连，所述遥控器共有7个通道，每个通道信号为周期21ms的PWM(脉冲宽度调制)波，高电平时沿范围为ms。遥控器通过高电平时沿变化反映通道的变化，微处理器通过定时器和外部中断结合的方法计算高电平时沿。

所述控制算法如图2所示，采用分段串级PID控制算法，外环控制姿态角，内环控制角速率，外环控制输出作为内环角速率的设定值。根据姿态角误差划分4个区间，每个区间采用相应的控制参数。

所述实验平台电机和电子调速器均匀分布在机架的四个方向，电机分布在同一高度，其对轴旋转方向相同，相邻旋转方向相反，每个电机配有一个螺旋桨。所述电机外围有泡沫防护装置，辨识实验往往造成飞行器飞行轨迹不确定，泡沫装置可以避免飞行器因碰撞发生损坏。

所述姿态检测单元位于飞行器中心，锂电池和超声波传感器位于飞行器底部，无线通信模块位于飞行器顶部。

所述上位机基于vc++6.0编写，用于辨识实验设定值给定和实验数据保存；用于实时显示飞行器飞行姿态；用于监控锂电池电量；用于传感器数据标定；用于观测分析控制器控制性能；用于控制器参数调试。

本发明还提供一种用于四旋翼飞行器模型高精度辨识的方法，包括如下步骤：

1)采集实时的飞行器飞行姿态和电机控制信号；

2)根据所述的飞行器飞行姿态和电机控制信号，设计飞行器的姿态设定值；

3)利用所述的姿态设定值进行飞行，并采集飞行时的电机转速信号和姿态角速率，建立初始的飞行器模型；

4)根据初始的飞行器模型，确定最优的姿态设定值；

5)利用最优的姿态设定值进行飞行，并采集对应的电机转速信号和姿态角速率，进行迭代辨识，确定最优的飞行器模型。

迭代辨识过程中，不断建立新的飞行器模型，确定相应的姿态设定值，并进行实操飞行，采集电机转速信号和姿态角速率，直至姿态设定值与采集的数据最为接近，即可确定最优的飞行器模型。

迭代辨识的辨识算法采用PEM(预报误差法)，所述闭环最优测试信号设计方法将优化命题在频域范围内展开，构造一个约束条件为线性不等式的凸优化问题。

本发明的有益效果是：

1、采用无线通信模块用于飞控系统和上位机进行通信，保证传输数据的实时性，便于控制器参数调节。

2、采用基于互补滤波的四元数姿态解算算法，解决欧拉角解算过程中的万向轴锁问题，实际解算精度高。

3、采用分段PID串级控制算法，获得比单环PID控制器更好的飞行性能。

4、实验平台充分考虑实验过程中将会遇到的安全问题，设有自动安全检查机制和紧急开关，保证实验人员的安全。

5、基于凸优化的闭环最优测试信号设计方法，将优化命题在频域范围内展开，构造一个约束条件为线性不等式(Linear Matrix Inequality，LMI)的凸优化问题，有效降低求解难度；根据信号的频域特性计算得到时域下的表达式，易于工程实现。

6、采用叠加辨识的方法，将测试信号叠加在设定值上，与直接叠加在对象输入端相比，波动小，更安全。

7、在辨识模型基础上优化PID控制器参数，提高控制性能。

附图说明

图1为本发明四旋翼飞行器飞行控制系统方案图；

图2为本发明控制算法框图；

图3为本发明实验平台控制电路PCB图；

图4为本发明飞行控制系统软件流程图；

图5为本发明上位机图；

图6为基于迭代辨识思想的飞行器模型辨识原理图；

图7为基于模型改进PID控制器参数后飞行器阶跃响应图。

具体实施方式

如图1所示，四旋翼飞行器高精度辨识实验平台选取Xaircraft公司的新一代飞行器套装“X650 Pro”，该套装包含实验平台所需要的机架、电机、电子调速器以及螺旋桨。整个飞行器由一块12V的Lipo锂电池供电。电调直接由电池电压供电，控制板以及其传感器需要5V以及3.3V的电平供电。选择天地飞公司型号为WFT07的遥控器，该遥控器，电压4.6～6V，电流30mA，重量9.6g，频率2.4GHz。控制板硬件电路包括两个部分：姿态传感器电路和微处理器电路。姿态传感器电路包括陀螺仪、加速度计、磁力计以及对应的供电芯片，微处理器电路包括主控芯片的最小系统电路、电平转换电路和外部通讯接口。选取微处理器：stm32f103ret6；陀螺仪和加速度计：MPU6050；磁力计：HMC5883l；开关电源：PTH08080WAS；平转换：SN74HC541；线性稳压源：LM1117-3.3；图3所示为控制板硬件电路PCB图。无线通信模块采用“XBEE PRO 900HP”，输出功率为250mW，传输速率为200kbps，传输距离为1公里(无遮挡)。

飞行控制系统各部分软件开发环境是IAR Embedded Workbench IDEfor ARM，这个环境具有一个高度优化的C/C++编译器、一个强大的编辑器、一个工程管理器以及一个具有世界先进水平的高级语言调试器。图4所示为飞行控制系统软件流程图，具体如下：

1)对系统的各个硬件模块进行初始化；

2)读取flash中控制参数并赋值(之后PID控制算法中需要用到)，每次飞行实验结束后都会把控制参数保存在flash中以防丢失；

3)根据遥控器的2通道判断是否需要进行电调(ESC)校准；校准目的为保证飞行器四个电调的最大行程相同，校准需要用到油门通道(遥控器2通道)，当该通道PWM信号高电平时间大于1700us时表示电调需要校准，否则直接执行4)；

4)更新姿态及高度数据并发送到上位机实时显示；

5)判断系统是否处于解锁和关闭状态(这些状态的设定主要基于安全防护的考虑，如果系统没有锁定功能，那么系统上电之后马上处于运行状态，假设此时遥控器数值非正常，很容易发生危险)。若没解锁，则跳回4)执行；若解锁，则执行6)；

6)判断遥控器是否关闭(遥控器关闭时信号处于异常状态，此时若对系统上电，飞行器会出现异常的工作状况)，若遥控器关闭，置控制量为0使电机不启动并且跳回4)；若遥控器打开则执行7)；

7)判断控制周期标志是否置位，若置位则运行PID控制算法更新控制量，输出PWM信号并且标志位置0，跳回4)；若未置位，则直接跳回4)。

上位机如图5所示，开发环境为VC++6.0。上位机负责无线通信端口和波特率设置；负责读取姿态设定文件和保存实验输入输出数据文件；负责实时显示遥控器信号数据和电调PWM输入数据；负责实时显示姿态和高度控制曲线；负责控制参数显示和调试；负责姿态3D和传感器数据实时显示；负责传感器校准。

四旋翼飞行器高精度辨识方法基于迭代辨识思想，如图6所示。

最优测试信号设计方式如下：

步骤1，通过GBN(广义二进制信号)获取Z域下四旋翼飞行器初始模型以及控制器模型；

步骤2，计算频域下的闭环系统辨识Fisher信息矩阵，公式如下：

$M\left(\mathrm{\θ}\right)=\frac{1}{\mathrm{\λ}}\left[E\left(\frac{d\hat{y}}{\mathrm{d\θ}}\right){\left(\frac{d\hat{y}}{\mathrm{d\θ}}\right)}^T\right]=M_r\left(\mathrm{\θ}\right)+M_e\left(\mathrm{\θ}\right)$

$M_r\left(\mathrm{\θ}\right)=\frac{1}{2\mathrm{\π\λ}}{\∫}_{-\mathrm{\π}}^{\mathrm{\π}}{\left|\frac{1}{C\left(e^{\mathrm{j\ω}}\right)[A\left(e^{\mathrm{j\ω}}\right)R\left(e^{\mathrm{j\ω}}\right)+B\left(e^{\mathrm{j\ω}}\right)E\left(e^{\mathrm{j\ω}}\right)]}\right|}^{2}F\left(e^{\mathrm{j\ω}}\right)\stackrel{\‾}{{\mathrm{\φ}}_r}\left(\mathrm{\ω}\right)\mathrm{d\ω}$

$M_e\left(\mathrm{\θ}\right)=\frac{1}{2\mathrm{\π}}{\∫}_{-\mathrm{\π}}^{\mathrm{\π}}{\left|\frac{1}{A\left(e^{\mathrm{j\ω}}\right)R\left(e^{\mathrm{j\ω}}\right)+B\left(e^{\mathrm{j\ω}}\right)E\left(e^{\mathrm{j\ω}}\right)}\right|}^2{\left|\frac{1}{A\left(e^{\mathrm{j\ω}}\right)}\right|}^{2}F\left(e^{\mathrm{j\ω}}\right)\mathrm{d\ω};$

其中θ为待辨识模型参数，M_r(θ)为姿态设定值引起的信息矩阵，M_e(θ)为噪声引起的信息矩阵，为飞行器模型的提前一步预测输出，λ为噪声方差；

M_r(θ)中A(e^jω)、B(e^jω)为频域中四旋翼的模型参数，E(e^jω)、R(e^jω)为控制器模型参数、C(e^jω)为噪声模型参数，n_a,n_b,n_d,n_e为模型阶次，为测试信号的离散频谱，F(e^jω)为一个矩阵，其与上述模型参数相关。

步骤3，计算测试信号功率表达式，公式如下：

$\begin{array}{c}P\left(r\right)=\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}{\mathrm{\φ}}_r\left(\mathrm{\ω}\right)\mathrm{d\ω}\\ =\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}\frac{1}{f\left(\mathrm{\ω}\right)}{\mathrm{\φ}}_r\left(\mathrm{\ω}\right){\left|C\left(e^{\mathrm{j\ω}}\right)\right[A\left(e^{\mathrm{j\ω}}\right)R\left(e^{\mathrm{j\ω}}\right)+B\left(e^{\mathrm{j\ω}}\right)E\left(e^{\mathrm{j\ω}}\right)\left]\right|}^2{\left|A\left(e^{\mathrm{j\ω}}\right)\right|}^2\mathrm{d\ω}\\ =\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}\frac{1}{f\left(\mathrm{\ω}\right)}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\α}}_k\cos \left((k-1)\mathrm{\ω}\right){\mathrm{\φ}}_r\left(\mathrm{\ω}\right)\mathrm{d\ω}=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\α}}_k{x}_k=P_{\mathrm{in}}\end{array}$

其中φ_r(ω)为姿态设定值的离散频谱，ω为频率值，A(e^jω)、B(e^jω)为频域中四旋翼的模型参数，E(e^jω)、R(e^jω)为控制器模型参数、C(e^jω)为噪声模型参数，f(ω)＝|C(e^jω)[A(e^jω)R(e^jω)+B(e^jω)E(e^jω)]|²|A(e^jω)|²，其jω表示从Z域变换到频域的算子，k表示优化问题解的序数，α_k为功率系数，m为优化问题解的个数，x_k为待求的优化问题的解。

步骤4，求解凸优化问题如下：

$\underset{x_k}{\min }-\log \det (\underset{k=1}{\overset{\mathrm{na}+\mathrm{nb}+\mathrm{nd}+\mathrm{ne}}{\mathrm{\Σ}}}{L}_k{x}_k+M_e\left(\mathrm{\θ}\right))$

步骤5，根据下式求解最优测试信号频率值ω：

其中na,nb,nd,ne为模型的阶次，x₁…x_k为优化问题的解，k＝1…m，L_k为由姿态设定值引起的信息矩阵的系数，α_k为功率系数，P_in为输入功率；

利用下式求得测试信号时域表达式：

其中r(t)为姿态设定值的表达式，ξ_i为对应频率点的幅值，ω_i为频率点，为相位值，i频率点的个数。

所述基于最优测试信号的高精度辨识方法步骤如下：

1)按照FPE准则确定飞行器实验平台待辨识模型阶次；

2)完成基于GBN信号的初始辨识；

3)基于初始辨识模型和控制器模型设计三个通道的最优测试信号，通过迭代辨识获得较理想的模型；

4)基于辨识模型对控制器参数进行调整。

利用本发明方法，能够对四旋翼飞行器模型实现高精度辨识，基于模型改进PID控制器参数后飞行器阶跃响应如图7所示。从实验结果可以看出改进PID控制参数之后飞行器的控制性能有了明显提升，主要表现为Roll通道较之前消除了稳态误差，Pitch通道较之前减小了超调量，Yaw通道较之前提高了动态响应性能。

Claims (10)

1.一种用于四旋翼飞行器模型高精度辨识的方法，其特征在于，包括：

1)采集实时的飞行器飞行姿态和电机控制信号；

2)根据所述的飞行器飞行姿态和电机控制信号，设计飞行器的姿态设定值；

3)利用所述的姿态设定值进行飞行，并采集飞行时的电机转速信号和姿态角速率，建立初始的飞行器模型；

4)根据初始的飞行器模型，确定最优的姿态设定值；

5)利用最优的姿态设定值进行飞行，并采集对应的电机转速信号和姿态角速率，进行迭代辨识，确定最优的飞行器模型。

2.如权利要求1所述的用于四旋翼飞行器模型高精度辨识的方法，其特征在于，采用基于互补滤波的四元数解算算法从姿态传感器中解析出所述的飞行器飞行姿态和姿态角速率。

3.如权利要求1所述的用于四旋翼飞行器模型高精度辨识的方法，其特征在于，所述最优的姿态设定值确定过程如下：

(1)获取Z域下的飞行器模型；

(2)计算频域下的闭环系统辨识Fisher信息矩阵，

$M\left(\mathrm{\θ}\right)=\frac{1}{\mathrm{\λ}}[E\left(\frac{d\hat{y}}{\mathrm{d\θ}}\right){\left(\frac{d\hat{y}}{\mathrm{d\θ}}\right)}^T]=M_r\left(\mathrm{\θ}\right)+M_e\left(\mathrm{\θ}\right)$

其中θ为待辨识模型参数，M_r(θ)为姿态设定值引起的信息矩阵，M_e(θ)为噪声引起的信息矩阵，为飞行器模型的提前一步预测输出，λ为噪声方差；

(3)计算姿态设定值的功率表达式，

$P\left(r\right)=\frac{1}{\mathrm{\π}}{\∫}_0^{\mathrm{\π}}{\mathrm{\φ}}_r\left(\mathrm{\ω}\right)\mathrm{d\ω}$

其中φ_r(ω)为姿态设定值的离散频谱，

(4)利用步骤(2)和步骤(3)，求解x_k，

$\underset{x_k}{\min }-\log \det (\underset{k=1}{\overset{\mathrm{na}+\mathrm{nb}+\mathrm{nd}+\mathrm{ne}}{\mathrm{\Σ}}}{L}_k{x}_k+M_e\left(\mathrm{\θ}\right))$

其中na,nb,nd,ne为模型的阶次，x₁…x_k为优化问题的解，k＝1…m，L_k为由姿态设定值引起的信息矩阵的系数，α_k为功率系数，P_in为输入功率；

并利用下式求得最优的姿态设定值：

其中r(t)为姿态设定值的表达式，ξ_i为对应频率点的幅值，ω_i为频率点，为相位值，i频率点的个数。

4.一种用于四旋翼飞行器模型高精度辨识的实验平台，包括用于数据进行分析处理的上位机，其特征在于，还包括：

姿态检测单元，用于实时检测飞行器飞行姿态；

电机控制信号检测单元，用于实时检测飞行器的电机参数；

飞行控制系统，利用姿态设定值控制飞行器飞行；

所述的上位机根据姿态设定值和实时飞行数据，对飞行器模型进行迭代辨识，确定最优的飞行器模型。

5.如权利要求4所述的用于四旋翼飞行器模型高精度辨识的实验平台，其特征在于，所述的实验平台还包括用于实时检测飞行器飞行高度的超声波传感器。

6.如权利要求4所述的用于四旋翼飞行器模型高精度辨识的实验平台，其特征在于，所述的姿态检测单元包括速度计、磁力计和陀螺仪传感器。

7.如权利要求6所述的用于四旋翼飞行器模型高精度辨识的实验平台，其特征在于，微处理器运行基于互补滤波器的四元数解算算法从姿态检测单元解析出飞行器飞行姿态。

8.如权利要求4所述的用于四旋翼飞行器模型高精度辨识的实验平台，其特征在于，飞行控制系统采用分段串级PID控制算法控制飞行器飞行。

9.如权利要求8所述的用于四旋翼飞行器模型高精度辨识的实验平台，其特征在于，所述的分段串级PID控制算法包括：外环控制姿态角，内环控制角速率，外环控制输出作为内环角速率的设定值，根据姿态角误差划分若干个区间，每个区间采用相应的控制参数。

10.如权利要求4所述的用于四旋翼飞行器模型高精度辨识的实验平台，其特征在于，所述的实验平台还包括用于飞行器模式切换以及安全开关的遥控器。