小型無人直升機高度測量模塊設計

趙松濤，裴海龍

（華南理工大學 自主系統與網絡控制教育部重點實驗室，廣州 510640）

在無人直升機的控制系統中，比較常用的是慣導與GPS的組合導航，GPS導航主要提供系統的位置、速度、高度數據，但GPS數據中的高度項數據可靠性一直很低，當前的控制系統采用高度計對GPS高度數據進行補償，并采用擴展卡爾曼濾波器[1]EKF（extended Kalman filter）進行濾波。在進行高速機動飛行時，系統參數會以相當高的速度變化，這樣對高度項的數據精度就提出了更高要求，現有高度計的精度無法滿足要求，傳感器必須要進行升級；無人直升機是一個高階的非線性系統，系統本身傳感器的誤差漂移、載體機動引起的動態誤差會給系統數學模型的準確建立造成困難，采用常規的卡爾曼濾波不能保證濾波的最優性。針對控制系統這2個方面的需求，在參閱了當前主流高度傳感器的性能參數后，選取了一款測量精度比較高的高度計替換當前的高度計，并根據實驗結果驗證更新的必要性；在參閱了自適應卡爾曼濾波相關理論[2-4]后，這里選取一種帶縮放因子的自適應卡爾曼濾波[5]AKF（adaptive Kalman filter）來改進濾波器。當前氣壓計的改進已經投入使用，而自適應卡爾曼濾波器也即將投入使用。

1 無人直升機系統簡介

本文所用到的無人直升機是由無人機機械平臺、飛控電子設備、飛控軟件系統這3大部分構成的[6-7]。飛控電子設備是在一塊以ARM7為核心的主控板上搭建起來的，外圍包括慣性導航傳感器、GPS導航接收儀、電子羅盤、氣壓計等飛機位姿感測模塊，這些模塊的數據傳輸到ARM主控板，經數據融合處理，傳送給控制器，由控制器進行運算后控制飛機的飛行姿態。飛機既可以手控，也可以自控。手控模式時，機師可直接使用遙控器通過中繼站向飛機發送遙控信號；自控模式時，只需通過地面站向飛機發送飛行目標，飛機即可按照預定的路線飛行。如圖1所示為飛控系統結構示意圖。

圖1 系統結構示意圖Fig.1 Structure diagram of system

自控模式下的控制器采用雙閉環的控制器，如圖2所示為無人機系統的控制框圖。控制過程描述如下：在自控模式下，地面站路徑規劃給出位置和速度的參考值，經過外環PID運算后得到姿態角的參考值，將該值作為內環給定值與慣導系統參數對比，使飛機能夠跟隨給定的參考姿態角，進而按照路徑規劃中給定的位置運動。姿態信息采集主要通過三軸陀螺儀IMU和電子羅盤Compass，位置信息則由GPS和氣壓高度計BMP085獲取。

圖2 控制器的系統框圖Fig.2 Diagram of controller system

2 針對問題所作的改進

2.1 氣壓計改進

當前使用的氣壓計BMP085已經無法滿足系統需要，需要對氣壓計升級。

目前應用比較多的氣壓計有以下幾款：VTI公司生產的 SCP1000[8]、飛思卡爾的 MPL115An、博世的BMP085以及美國MEAS公司生產的MS5611。這幾款芯片在GPS導航增強、航位測算、室內外導航、休閑、運動和健康監測、天氣預報、垂直速度計算等方面都有應用，但是不同的傳感器有著各自的特點，這也是選擇傳感器的依據。表1是這幾款芯片在精度、工作溫度范圍、轉換速度、封裝方面的對比。

由表中數據可看出SCP1000在這4款氣壓計中測量精度最高，且較易于做防水，方便在硬件系統中安裝，缺點是轉換時間比較長；BMP085即原系統所用的傳感器在測量精度、體積功耗、轉換速度方面整體比較好，缺點是不易做防水；MPL115An的測量精度過低，可直接從選擇中排除；MS5611的優點是轉換速度很快、體積較小，但精度較差。

由于改進的目標是得到精度盡可能高的數據，所以這里選型以精度作為首要因素。綜合其它因素，這里選擇SCP1000來替換現有的BMP085，顯然前者的精度遠高于后者。

2.2 濾波算法改進

現有卡爾曼濾波器存在局限性，其根源在于卡爾曼濾波器使用的是常過程噪聲方差陣Q和常觀測噪聲方差陣R，所以必須找到一種改進算法，能夠根據目標運動狀態的變化，自適應地調整過程噪聲協方差陣Q，進而調整卡爾曼濾波增益。

這里采用一種自適應卡爾曼濾波方法[5]，它引入一個縮放因子θ（k），該因子由觀測值和先前狀態估計值計算得到，因此包含了目標的機動信息。通過縮放因子θ（k）的變化使得過程噪聲協方差陣Q（k）自適應地調整，從而使卡爾曼增益K根據目標的變化自動調整。

下面給出這種自適應濾波算法的方程：

無人機的狀態方程可以等效為

θk即k時刻及之前的縮放因子構成的向量。

在k+1時刻，獲得觀測值Zk+1之前，可得狀態值Xk+1滿足正態分布 Xk+1～N（Xk+1，k，Pk+1，k），其中，

同時由式（2）可得，觀測值Zk+1預測分布的均值矢量為

由式（2）及 Xk+1～N（Xk+1，k，Pk+1，k）可得 Zk+1預測分布的協方差為

可求得濾波器這一步的新息為

這樣便有：

結合式（3）和式（4）便構成了帶漸消因子的自適應卡爾曼濾波算法。

3 設計實現

經過上面討論，基本確定了改進高度氣壓計的方案，即通過升級傳感器，改進卡爾曼濾波器來提高高度項數據可靠性。

3.1 系統設計

鑒于在現有飛控系統中使用ARM7芯片的I2C口來讀取氣壓計數據，這里仍采用這種接口方式來設計硬件。為了便于在現有系統上直接進行調試，將SCP1000做成一個單獨的模塊，通過接線與ARM7板相連。根據實際經驗，I2C接口的穩定性比較差，所以在配置SCP1000模塊的位置時，要使其盡可能地靠近ARM7中的I2C接口。在實驗中發現，這樣的考慮是非常必要的，所以在項目后期就直接把SCP1000集成在ARM7板上面。

為了比較明顯地對比出更換芯片后的效果，要同時接收SCP1000和BMP085兩款傳感器的數據。此外，采用一款高精度的OEM4-G2差分GPS接收機接收的高度項數據作為基準值，這款GPS接收機工作于差分模式時，其高度的定位精度可以達到厘米級，所以完全可以將其數據作為基準值。

在傳輸傳感器數據時，由ARM7的I2C口分時讀取2款氣壓計數據，可通過定時器中斷來實現，讀取差分GPS數據時，則選用較為可靠的UART通信方式。

讀取得到的數據需要經過濾波器的處理，通過上面分析，可設計相應的濾波器程序。如圖3所示為程序流程圖。

3.2 飛機試飛實驗

在進行外場試飛時，必須要選擇合適的天氣。本實驗分為數據采集和數據處理2個階段。

在實驗中，采集以下3種情況的傳感器數據：

1）飛機靜態放在地面上，采集此時BMP085、SCP1000、差分GPS數據，設定氣壓計以及GPS的基準值，并對比SCP1000和BMP085的零點漂移特性；

2）飛機起飛，在空中作縱向飛行，并做一些機動性較大的動作，如急停、加速爬升、迅速下降高度，測試氣壓傳感器在飛機機動時數據的準確性。

圖3 程序流程圖Fig.3 Flow chart of program

為使實驗結論更有說服力，每個飛行姿態至少要采集3000組數據。

數據采集完畢后，對其進行濾波處理，首先對比2款氣壓傳感器的測試效果，分析靜態時二者數據的零點漂移，懸停時數據穩定性，機動時數據的準確性；然后對比濾波器的濾波效果，分別采用改進前后的濾波器對機動時SCP1000的數據進行濾波，以差分GPS高度數據為基準值，對比濾波后數據的可靠性，作出相應的均方根誤差對比圖，選擇性能較好的濾波器。

4 改進效果

按照如上的方法進行實驗，采集實驗數據進行對比分析。通過對數據的處理發現，Q和R的取值不宜太大，否則會造成濾波器發散。在對比2套濾波器的濾波效果時，Q和R陣必須相同且合適，否則對比結果無意義。

圖4所示為2種傳感器在靜態時的數據對比圖，此時的參考高度為0。

圖5所示為2種傳感器在動態時的數據對比圖，此時飛機的高度在動態改變。

從這2個圖中可以看出，新的SCP1000傳感器相對于原來的BMP085擁有更適合飛控系統的性能，選擇其作為改進型高度計是可取的。

圖4 兩種傳感器在靜態時的數據對比圖Fig.4 Static data comparison of the two baroceptors

圖5 兩種傳感器在動態時的數據對比圖Fig.5 Dynamic data comparison of the two baroceptors

對比2種濾波器的濾波效果，從上面的分析可知，自適應卡爾曼濾波器的性能主要取決于對縮放因子θ2的估計，而θ2又決定于常數C，所以C的取值不能太大，否則小誤差會導致較大的θ2值，從而使卡爾曼增益較大，降低了濾波器的性能。經過反復驗證，這里C取值0.05。

圖6所示為在同一組數據進行處理的效果對比。

圖6 兩種濾波方式濾波效果對比圖Fig.6 Comparison of the two filters’filtering effect

圖7所示為2種濾波器處理后的數據相對于參考值的均方根誤差。

圖7 兩種濾波方式濾波均方根誤差（RMSE）對比圖Fig.7 Comparison of the two filters’root mean squared error（RMSE）

由圖中可以看出，自適應卡爾曼濾波器在濾波性能上明顯好于原有的濾波器，新的高度測量模塊的優越性得到驗證。

5 結語

新的高度計在精度方面確實要比原有的高度計有了很大的提升，它所測量的數據有更好的穩定性，這對于高速機動中的直升機來說是非常必要的。改進后的濾波器的性能相較之前有提升，引入的縮放因子可以在線調整卡爾曼增益，優化濾波性能。這些改進不僅使得現用的控制器輸出更加精確，而且對于今后無人機的自主起降研究、超機動研究有著相當重要的意義。

[1] Greg Welch，Gary Bishop.An Introduction to the Kalman Filter[M/OL].University of North Carolina，2006-6-24.

[2] 范科，趙偉，劉建業.自適應濾波算法在SINS/GPS組合導航系統中的應用研究[J].航空電子技術，2008，39（3）：11-15.

[3] 寧火軍，潘鴻飛，金巧生.采用漸消卡爾曼濾波器防止捷聯慣導系統濾波發散研究[J].戰術導彈技術，2007（2）：83-87.

[4] 辛英，于靜.自適應卡爾曼濾波算法改進與仿真[J].中國科技信息，2011（22）：59-60.

[5] 張謙，景占滎.一種過程噪聲自適應調節的卡爾曼濾波算法[J].電子測量技術，2007，30（5）：18-20.

[6] 劉棟煉.無人機飛控系統硬件設計與數據融合算法研究[D].廣州：華南理工大學，2009.

[7] 陳勇，裴海龍.基于ARM小型直升機飛控系統設計與實現[J].計算機測量與控制，2010，18（2）：329-334.

[8] VTI Technologies Corp.SCP1000 Series Absolute Pressure Sensor Product Family Specification[M/OL].http：//www.vti.fi，2007-10.

“智慧工廠”之云存儲（天津）專題產品對接座談會在天津召開

2014年8月28日，由機械工業信息中心主辦，全國離散制造業聯盟、濱海新區智能制造聯盟、天津市自動化學會承辦，希捷科技支持的“智慧工廠”之云存儲（天津）專題產品對接座談會在天津召開。本次會議圍繞“智慧工廠”這一主題，各企業行業、主管部門開展深入交流。天津市市委常委老領導楊競衡同志，中國科學院院士、天津大學教授姚建銓先生，機械工業信息中心副主任、全國離散制造服務聯盟秘書長劉功效副主任，天津市科協學會部副部長王婉瑩女士等天津市高校、企業，外省離散制造業聯盟多位領導和專家蒞臨現場參加會議，共計100余人。劉功效秘書長為大會致辭。

姚建銓院士為大會發表精彩演講，從“智慧城市”談到物聯網的應用，生動闡述了傳感器技術和大數據的發展趨勢，介紹了第三次工業革命與智能制造的關系。演講最后，姚院士以唐詩“居高聲自遠，非是藉秋風”鼓勵與會各界專業人士為信息技術業發展貢獻力量，展望了智慧城市、智能制造業發展的良好前景。

在聽取了姚建銓院士的演講之后，希捷云業務資深經理農天使先生在會上作了以“智慧的存儲助力智慧的工廠”為題的報告。突出介紹了希捷智能云存儲按需定制、智能選擇、智能使用的特點，為“大數據”提出了解決方案。希捷品牌事業部業務發展經理陳玲女士在會上做了以“智慧工廠之私有云存儲應用”為題的報告，從產品分類、APP應用、領先技術方面介紹了智能存儲的個人解決方案和商用解決方案。

會議最后以專家訪談形式解答了參會專業人員關于存儲資源共享、存儲傳輸介質、智慧存儲節能方式、私人數據安全性等方面的問題，討論氣氛熱烈。通過此次座談，使與會者對“云存儲”、“智慧工廠”等新概念、新技術有了更加深入的了解，相關科技產品推廣效果顯著。

自動化儀表網應邀全程參與并報道此次會議。