CN117193346B - 一种可进行自主导航的迷你共轴双旋翼无人机 - Google Patents

Abstract

本发明公开了一种可进行自主导航的迷你共轴双旋翼无人机，包括其机械设计、动力学建模与控制器设计。本发明主要针对旋翼无人机在尺寸缩小时悬停效率会大幅下降的问题，通过提出一种新型的无人机构型，来减缓该问题，从而将同等载荷的旋翼无人机的尺寸缩小了60％以上，并相应提出了该构型的动力学建模与控制器设计，并部署了自主导航算法，使得其可以在完全未知的复杂环境中进行全自主导航。该迷你自主共轴双旋翼无人机可以广泛应用于厂房巡检、抢险救灾、未知环境勘测等场景。

Description

一种可进行自主导航的迷你共轴双旋翼无人机

技术领域

本申请涉及全自主无人机设计技术领域，尤其涉及一种可进行自主导航的迷你共轴双旋翼无人机。

背景技术

目前自主无人机导航技术发展日新月异，广泛应用于探险救援，航空拍摄，犯罪打击等领域，呈现出非常广阔的发展前景与经济价值。

此外，目前最广泛应用于自主导航无人机的无人机构型是四旋翼无人机，这种无人机的特点是机械结构简单，控制算法设计容易，同时鲁棒性较高。而单轴单旋翼无人机和共轴双旋翼无人机由于其较高的悬停效率，也得到了一定的发展。

目前大部分可进行自主导航的无人机都存在体积大，不便于携带等问题，这导致他们的可通过性较差，难以通过一些狭窄的场景，例如管道、隧道、门窗等等。这通常是由于此类无人机的传感器选型体积过大，机械结构过于冗余，以及负载设备过重导致的。

此外，共轴双旋翼无人机具有较高的悬停效率，使得其具有很大的小型化潜力，但目前学界开发的共轴双旋翼无人机都仍具有较大的尺寸，这是由于此类无人机的涵道设计过重且体积较大，气动控制面设计不合理，以及传感器选型导致的。

发明内容

针对现有技术存在的问题，本发明提出了一种可进行自主导航的迷你共轴双旋翼无人机，给出了无人机的机械设计方案以及控制方法，比之市面上最小的共轴双旋翼无人机面积减小90％以上，比之市面上最小的具有相同自主性能的四旋翼无人机面积减小60％以上。

根据本申请实施例的第一方面，提供一种可进行自主导航的迷你共轴双旋翼无人机，包括共轴的两个旋翼和由上至下层叠式安装的电池、机载计算机、双目相机模块、飞行控制器、电机控制器、无刷电机、数字舵机、控制面，其中两个旋翼分别和两个无刷电机连接，所述电池为无人机整机提供能源，所述飞行控制器通过控制所述无刷电机与数字舵机来控制无人机的姿态与推力，所述电机控制器用于驱动所述无刷电机运动，所述双目相机模块用于为无人机提供立体图像和深度图像，所述飞行控制器通过所述立体图像和深度图像，计算无人机的实时位置，并对环境进行建模，从而规划期望轨迹并进行轨迹跟踪，其中一个控制面的连接轴弯曲，以避免两个控制面之间的干涉。

进一步地，所述飞行控制器通过Ego-Planner算法得到期望轨迹。

进一步地，进行轨迹跟踪的过程为：

根据所述期望轨迹得到当前时刻期望位置、期望偏航角及其导数{r^(s)}，{ψ^(s)}；

根据{r^(s)}，{ψ^(s)}，结合反馈误差利用四旋翼无人机的微分平坦特性，得到期望推力与期望姿态f_d，R_d；

根据所述期望推力与期望姿态f_d，R_d，利用姿态控制器得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d，以使得无人机飞行；

其中所述反馈误差通过对无人机的实际位置、实际速度与期望位置、期望速度作纯比例误差得到。

进一步地，根据所述期望推力与期望姿态f_d，R，利用姿态控制器得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d，包括：

所述姿态控制器从IMU中获取无人机的四元数q和角速度ω，计算q与期望四元数q_d之间的误差q_e；利用所述误差q_e，结合增益K_q计算期望角速率ω_d，进而通过PID控制器得到期望力矩；结合所述期望推力和期望力矩，通过混控器得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d。

进一步地，通过下式计算期望力矩τ_d：

其中，K_Pω、K_Iω、K_Dω分别是PID控制器P、I、D环节的参数矩阵，s为拉普拉斯算子，ω为机身坐标系下的角速度。

进一步地，所述混控器通过标准电机模型，结合所述期望推力和期望力矩，得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d。

进一步地，无人机的动力学模型为：

m为机身总质量，g为重力加速度，e3＝(0，0，1)^T，e₁＝(1，0，0)^T，F_CS为机身坐标系下控制面产生的力，r是机体的质心在世界坐标系中的位置，R是机体相对于世界坐标系的旋转，f是总推力，τ是共轴电机和控制面产生的力矩，M为旋转惯量矩阵，ω为机身坐标系内的角速度。

进一步地，机身坐标系下控制面产生的力F_CS＝[K_CSfβ，K_CSfα，0]^T，其中ρ是空气的密度，K_v是一个常数系数，S是控制面上的平台面积，C_Lθ为无量纲系数，α、β为控制面与机体坐标系的z轴z_b的夹角。

本申请的实施例提供的技术方案可以包括以下有益效果：

通过层叠式机械结构设计，使得无人机的横截面积最小化，从而能够通过更小的缝隙。其中一个控制面的连接轴弯曲设计，使得两个控制面可以安装在同一水平面，从而减小无人机竖直尺寸。对共轴双旋翼进行了精细的动力学建模，并相应设计了基于微分平坦的姿态控制器，使得无人机可以精确跟踪期望姿态，并实现精准的轨迹跟踪。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为无人机硬件拆解图。

图2为同高度控制面安装示意图。

图3为共轴电机安装示意图。

图4为给定外接圆时，N旋翼的旋翼面积计算示意图。

图5为旋翼无人机的飞行效率随旋翼数的变化曲线。

图6为无人机机体坐标系定义图。

图7为姿态控制器的控制框架图。

图8为轨迹跟踪的框架图。

图9为俯仰跟踪曲线图。

图10为横滚跟踪曲线图。

图11为自主导航位置跟踪曲线图。

附图标记：1、电池；2、机载计算机；3、双目相机模块；4、飞行控制器；5、电机控制器；6、无刷电机；7、数字舵机；8、控制面；9、旋翼。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1是根据一示例性实施例示出的一种可自主导航的迷你共轴双旋翼9无人机的硬件拆解图，如图1所示，该无人机可以包括共轴的两个旋翼9和由上至下层叠式安装的电池1、机载计算机2、双目相机模块3、飞行控制器4、电机控制器5、无刷电机6、数字舵机7、控制面8，其中两个旋翼9分别和两个无刷电机6连接，电池1为无人机整机提供能源，飞行控制器4通过控制无刷电机6与数字舵机7来控制无人机的姿态与推力，所述电机控制器5用于驱动所述无刷电机6运动，双目相机模块3用于为无人机提供立体图像和深度图像，其中一个控制面8的连接轴弯曲，以避免两个控制面8之间的干涉，如图2所示，所述飞行控制器4通过所述立体图像和深度图像，计算无人机的实时位置，并对环境进行建模，从而规划出可通行的轨迹。

在具体实施中，电池1为高密度电池1，采用T-Motor F2004无刷电机6、动GemfanD76螺旋桨和BlueArrow X-4数字舵机7。电机安装在同一块碳纤维板上，采用带有沉孔的3D打印组件，避免螺栓相互干涉，装配图如图3所示，其中①②③指示了装配顺序，具体装配过程为：①用四个螺栓将下方电机固定在带有沉孔的碳纤维板材A上；②用四个螺栓将上方电机固定在碳纤维板材B上；③用四个螺栓与螺母将A板材固定在B板材上。飞行控制器4是运行定制APM固件的Holybro Kakute H7 Mini，电机控制器5是Tekko32 50A Mini 4in1 ESC。机载计算机2是NVIDIA Xavier NX，它通过MAVROS与飞行控制器4通信，传输IMU和控制命令数据。双目相机模块3为Realsense D430立体相机，可为无人机提供立体图像和深度图像。

在具体实施中，旋翼9无人机硬件设计的主要目的是最小化有效碰撞尺寸，同时保持令人满意的悬停效率，其中碰撞大小通常指的是无人机的最小外接圆的面积，因为在大多数路径规划算法中，无人机都被建模为一个球体，如《B.Zhou,F.Gao,L.Wang,C.Liu,andS.Shen.Robust and efficient quadrotor trajectory generation for fastautonomous flight.IEEE Robotics and Automation Letters,4(4):3529-3536,2019》和《Xin Zhou,Zhepei Wang,Hongkai Ye,Chao Xu,and Fei Gao.Ego-planner:An esdf-freegradient-based local planner for quadrotors.IEEE Robotics and AutomationLetters,6(2):478-485,2021》。以下将展示但旋翼9无人机在常用的多旋翼9配置中拥有最大的悬停效率。

根据动量理论《Gordon J Leishman.Principles ofhelicopter aerodynamicswith CD extra.Cambridge university press,2006》和《Youming Qin,Yihang Li,XuWei,and Fu Zhang.Hybrid aerial-ground locomotion with a single passivewheel.In 2020IEEE/RSJ International Conference on Intelligent Robots andSystems(IROS),pages 1371-1376.IEEE,2020》中的推导，多旋翼9的理想悬停效率E_h可以被建模为，

其中ρ是空气密度，n是旋翼9数，r是旋翼9半径，m_l是负载质量。给定半径为R的内线圆，直升机旋翼9半径r即为R。对于旋翼9数n≥2的多旋翼9，情况如图4所示，O为内线圆的圆心，O_k(k∈N₊)为第k个旋翼9的圆心。至于O₁O₂O₃…O_n是一个等边多边形，我们知道加上R＝OO₂+r，得到

将公式2代入公式1，得到

假设每台无人机的质量m相同，那么是一个常量。公式3表明悬停效率正比于

通过画出e_h(n)的图像(图5)，可以知道e_h(n)的两个极大值点位于

这表明单轴无人机的悬停效率比其他任何多旋翼9无人机都更大。

以下对共轴双旋翼9和单轴单旋翼9间哪个更适合作为微型自主无人机的构型进行说明。

典型的共轴双旋翼9设计由两个电机和两个舵机组成，典型的单轴单旋翼9设计由一个电机和四个舵机组成。在共轴双旋翼9中，对转电机提供推力和偏航扭矩，控制面8提供滚转和俯仰扭矩。相对的控制面8朝同一方向移动，因此它们可以由同一个舵机驱动。而在单轴单旋翼9中，电机的反力矩必须由控制面8来平衡，因此相对的控制面8可能会朝着不同的方向移动，这意味着它们必须被独立驱动。由此可知，共轴双旋翼9比单轴单旋翼9有更少的执行机构和更简洁的机构。

另一方面，共轴双旋翼9比单轴单旋翼9具有更高的悬停效率。假设一架共轴双旋翼9和一架单轴单旋翼9质量m相同。将公式(3)改写为

由此可知E_h(m_l)是关于负载m_l的递减函数。共轴双旋翼9的功率P_coax是两个负载为m/2的电机的和：

对于单轴单旋翼9，功率P_homo简单地表示为

E_homo(m_l)＝E_h(m_l). (10)

这表明理想情况下，共轴直升机比同轴直升机效率高√2倍。如果考虑同轴直升机的气动功率损耗η_AL，就可以得到了校正后的共轴双旋翼9的悬停效率和功率/>

为了测量η_AL，通过实验测量电机在不同推力下的功率，然后利用二阶多项式拟合推力和悬停效率，根据方程(8)计算出理想的悬停效率E_coax(m_l)，结果如图5所示。由结果可知，在本申请无人机的构型下，η_AL约为14％，修正后的共轴双旋翼9悬停效率比单轴单旋翼9的效率高15％左右。此外，实验还表明，同轴电机的最大推力比单电机提高了57％，为大机动飞行和额外载荷提供了充足的推力。

此外，其他较大尺寸的共轴双旋翼9或单轴单旋翼9往往采用涵道来提高悬停效率。然而，在本工作中，我们放弃涵道设计主要基于以下原因。从《Ali Akturk and CengizCamci.Tip clearance investigation of a ducted fan used in vtol uavs:Part 1—baseline experiments and computational validation.In Turbo Expo:Power forLand,Sea,and Air,volume 54679,pages 331-344,2011》中，我们知道旋翼9尖端和涵道内壁之间的间隙必须小于旋翼9高度的5％，在我们的情况下为5mm*5％＝0.25mm，以提供对系统有益的效果。然而，3D打印零件的典型精度在0.2mm左右，这使得制造相当困难。另一方面，当涵道发生轻微变形时，脆弱的间隙容易被破坏，从而削弱了系统的鲁棒性。最后，该系统主要用于悬停和低速巡航，涵道带来的很大的空气阻力，但能提供的升力相对较小。当无人机的尺寸增大时，这些缺点可以减轻。

以下详细说明本无人机的控制方案设计。

(1)动力学模型建模

我们首先介绍两个坐标系供以后讨论:建立在机体质心的机体坐标系(x_b-y_b-z_b)和FLU(Forward-Left-Up，前左上)世界坐标系(x_w-y_w-z_w)。

假设控制面8产生的空气动力是水平的，垂直阻力部分相对较小，可以忽略不计。

受力分析如图6所示，其中CoM为质心，f为总推力，为控制面8产生的水平力，α、β为控制面8与z_b的夹角，H为CoM与控制面8之间的垂直距离。考虑机体的状态x＝{r,R}，其中r是机体的质心在世界坐标系中的位置，R是机体相对于世界坐标系的旋转。输入u＝{f，τ}，其中f是总推力，τ是共轴电机和控制面8产生的力矩。

然后建立了基于牛顿-欧拉方程的动力学模型

式(14)中，m为机身总质量，g为重力加速度，e₃＝(0，0，1)^T，e₁＝(1，0，0)^T，F_cs为机身坐标系下控制面8产生的力。

式(15)中，M为旋转惯量矩阵，ω为机身坐标系内的角速度。

(2)控制面8建模

在该无人机中，使用舵机驱动的两个平面作为控制面8，在x_b和y_b轴上产生扭矩。根据《Randal W Beard and Timothy W McLain.Small unmanned aircraft:Theory andpractice.Princeton university press,2012》可知，作用在控制面8上的力可以表示为，

其中ρ是空气的密度，V_a是流入空气的速度，S是控制面8上的平台面积，C_L是无量纲气动系数。

假设机体低速行驶，风速可以忽略，可知Va等于收到旋翼9加速的气流速度。另一方面，我们知道旋翼9产生的推力f_r与气流速度的平方成正比

f_r＝K_vV_a ² (17)

其中K_v是一个常数系数。

假设控制面8夹角θ较小，无量纲气动系数CL可通过泰勒展开线性化为，

C_L(θ)＝C_L0+C_Lθθ， (18)

其中C_L0为α＝0时C_L的值，C_Lθ为无量纲系数。注意，C_L0＝0，因为控制面8垂直时不产生气动力，我们可以重写公式(18)为

G_L(θ)＝C_Lθθ. (19)

结合公式(16)(17)和(19)，可以得出F_lift与θ和f_r的乘积成正比

F_lift＝K_CSf_rθ (20)

其中是一个常数系数，可以在静态条件下辨识。所以公式(14)中的F_CS可定义为

F_CS＝[K_CSfβ，K_CSfα，0]^T (21)

(3)混控器

具体地，可以用u＝[f，τ]^T表示控制输入，其中f是总推力，τ是作用在x_b,y_b,z_b上的力矩。给定标准电机模型

f_i＝K_Fω_i ²，τ_i＝K_Mω_i ² (22)

其中f_i为推力，τ_i为反力矩，ω_i为电机角速度，K_F为推力系数，K_M为反力矩系数。

其中H为质心COM到控制面8的距离，ω_u是上电机转速，ω_l是下电机转速，u_i(i＝1,2，3,4)指向量u的第i个元素。

我们可以推导出执行器输出

(4)姿态控制器

采用如图7所示的串级控制结构来控制姿态。其中，姿态-角速率环是基于《DarioBrescianini,Markus Hehn,and Raffaello D’Andrea.Nonlinear quadrocopterattitude control:Technical report.Technical report，ETH Zurich，2013))中描述的四元数误差的比例控制器，角速率-力矩环是pid控制器。首先，从IMU中得到飞行器的四元数q和角速度ω，计算q与期望四元数q_d之间的误差q_e，

q_e＝q^-1 q_d (26)

接着，我们使用增益K_q计算期望角速率ω_d

K_q＝diag(K_q1，K_q2，K_q3)， (27)

ω_d＝K_qsgn(q_e，0)q_e，1：3， (28)

其中

接着计算期望力矩τ_d

其中K_Pω、K_Iω、K_Dω分别是PID控制器P、I、D环节的参数矩阵，s为拉普拉斯算子。

再结合期望推力f_d。根据公式(24)可以得到期望执行器输出{ω_ud，ω_ld，α_d，β_d}

(5)轨迹跟踪

在四旋翼9飞行器轨迹跟踪的研究中，一种被广泛应用的技术叫做微分平坦，这意味着飞行器的状态和输入可以被写成一些精心挑选的平坦输出及其导数的代数组合。这有助于简化控制和计划过程。

在本实施例中，合外力

f_ex＝fRe₃+RF_CS (32)

并不总是与机体的z_b平行，但是作用在控制表面上的空气动力相对于推力来说是相对较小的。因此，在公式(15)中忽略RF_CS是合理的。这样，该飞行器的动力学特性与四旋翼9飞行器相同，并且可以直接应用四旋翼9飞行器的微分平坦特性。

接着，通过部署开源无人机自主导航算法Ego-Planner，并适配上述无人机控制器，基于传感器数据(包括立体图像、深度图像、IMU数据等)，得到期望轨迹；根据所述期望轨迹，可以得到期望姿态与升力，从而通过姿态控制器得到期望执行器输出，实现无人机位置环境自主导航。具体流程见图8：首先从轨迹上得到当前时刻期望的位置、偏航角及其导数{r^(s)}，{ψ^(s)}，加上反馈误差后，利用四旋翼9无人机的微分平坦特性，得到期望推力与姿态f_d，R_d。接着利用前文中的姿态控制器得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d，控制无人机飞行。最后将无人机的位置r、速度/>与期望位置、速度作纯比例误差，得到反馈误差/>实现闭环，从而跟踪目标轨迹。

使用遥控器给定无人机的目标姿态(俯仰，横滚，偏航)以及升力控制无人机飞行，姿态的跟踪曲线如图9、10所示，展示了无人机能够以很低的延迟精确跟踪目标姿态。

使用所提出的无人机在未知且有密集障碍物的环境中，从(0,0,1)位置飞行到(15,0,1)位置，三轴位置跟踪曲线如图11所示，展示了无人机能够以很低的延迟精确跟踪目标位置。

本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。

Claims (5)

1.一种可进行自主导航的迷你共轴双旋翼无人机，其特征在于，包括共轴的两个旋翼和由上至下层叠式安装的电池、机载计算机、双目相机模块、飞行控制器、电机控制器、无刷电机、数字舵机、控制面，其中两个旋翼分别和两个无刷电机连接，所述电池为无人机整机提供能源，所述飞行控制器通过控制所述无刷电机与数字舵机来控制无人机的姿态与推力，所述电机控制器用于驱动所述无刷电机运动，所述双目相机模块用于为无人机提供立体图像和深度图像，所述飞行控制器通过所述立体图像和深度图像，计算无人机的实时位置，并对环境进行建模，从而规划期望轨迹并进行轨迹跟踪，其中一个控制面的连接轴弯曲，以避免两个控制面之间的干涉；

其中，进行轨迹跟踪的过程为：

根据所述期望轨迹得到当前时刻期望位置及其导数{r^(s)}、期望偏航角及其导数{ψ^(s)}；

根据当前时刻期望位置及其导数{r^(s)}、期望偏航角及其导数{ψ^(s)}，结合反馈误差利用四旋翼无人机的微分平坦特性，得到期望推力f_d与期望姿态R_d；

根据所述期望推力f_d与期望姿态R_d，利用姿态控制器得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d，以使得无人机飞行；

其中所述反馈误差通过对无人机的实际位置、实际速度与期望位置、期望速度作纯比例误差得到；

根据所述期望推力f_d与期望姿态R_d，利用姿态控制器得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d，包括：

所述姿态控制器从IMU中获取无人机的四元数q和角速度ω，计算四元数q与期望四元数q_d之间的误差q_e；利用所述误差q_e，结合增益K_q计算期望角速率ω_d，进而通过PID控制器得到期望力矩；结合所述期望推力和期望力矩，通过混控器得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d；

通过下式计算期望力矩τ_d：

其中，K_Pω、K_Iω、K_Dω分别是PID控制器P、I、D环节的参数矩阵，s为拉普拉斯算子，ω为机身坐标系下的角速度。

2.根据权利要求1所述的可进行自主导航的迷你共轴双旋翼无人机，其特征在于，所述飞行控制器通过Ego-Planner算法得到期望轨迹。

3.根据权利要求1所述的可进行自主导航的迷你共轴双旋翼无人机，其特征在于，所述混控器通过标准电机模型，结合所述期望推力和期望力矩，得到无人机的期望执行器指令ω_ud，ω_ld，α_d，β_d。

4.根据权利要求1所述的可进行自主导航的迷你共轴双旋翼无人机，其特征在于，无人机的动力学模型为：

m为机身总质量，g为重力加速度，e₃＝(0，0，1)^T，e₁＝(1，0，0)^T，F_CS为机身坐标系下控制面产生的力，r是机体的质心在世界坐标系中的位置，R是机体相对于世界坐标系的旋转，f是总推力，τ是共轴电机和控制面产生的力矩，M为旋转惯量矩阵，ω为机身坐标系内的角速度。

5.根据权利要求1所述的可进行自主导航的迷你共轴双旋翼无人机，其特征在于，机身坐标系下控制面产生的力F_CS＝[K_CSf_β，K_CSf_α，0]^T，其中ρ是空气的密度，K_υ是一个常数系数，S是控制面上的平台面积，C_Lθ为无量纲系数，α、β分别为两个控制面与机体坐标系的z轴z_b的夹角。