基于嵌入式的智能搜救無人機飛控系統設計

盧清秀

(廣東工業大學華立學院，廣東 廣州 511325)

基于嵌入式的智能搜救無人機飛控系統設計

盧清秀

(廣東工業大學華立學院，廣東 廣州 511325)

針對當前搜救無人機飛控系統控制性能差的問題，基于嵌入式平臺進行了搜救無人機的飛控系統設計，以提高搜救無人機的飛行穩定性，并提出一種基于LM-Smith神經網絡泛函的搜救無人機飛行控制算法。飛控系統設計主要包括控制算法設計和硬件模塊設計兩大部分，采用最小信息熵進行LM-Smith神經網絡泛函加權，對被控對象進行模式識別和穩定性自適應修正，對飛行控制的位置偏移進行完全跟蹤補償，通過構建的LM-Smith神經網絡泛函的控制器，獲得漸進穩定收斂的飛行控制算法。以S3C2440A ARM9處理器作為控制核心和以Micro2440為核心主控板，基于嵌入式Linux系統加載控制程序，實現了控制系統改進設計。為驗證飛控系統與控制算法的有效性和適用性，進行了性能測試與分析。測試結果表明，所構建的飛控系統在智能搜救無人機飛行控制中具有較高的軌跡跟蹤控制精度，姿態穩定性和控制性能較好。

嵌入式；搜救無人機；飛控系統；控制算法；神經網絡

0 引 言

隨著機械自動化制造技術和人工智能技術的發展，無人機得到了一定的發展，無人機的穩定性飛行控制一直是制約其發展的一個重要瓶頸。智能搜救無人機作為一種新型的無人飛機，在未來的野外探測、軍事偵察、遙感監測和探險考察等領域都會有較好的應用價值。智能搜救無人機的氣動特性導致飛行姿態不穩定性，需要通過飛機慣導設計進行擾動抑制，防止飛機翻滾和失衡，因此研究智能搜救無人機的飛控系統設計方法，對提高飛機的穩定性和平衡性具有重要意義[1]。

在嵌入式平臺下進行搜救無人機的飛控系統設計，智能搜救無人機的氣動特性導致飛行姿態不穩定性，需要通過飛機慣導設計進行擾動抑制，防止飛機翻滾和失衡[2-3]。傳統方法中，對搜救無人機的飛控系統設計主要是在控制算法和控制系統設計上進行深入研究，其中，文獻[4]提出了一種基于模糊神經網絡控制的智能搜救無人機的飛行控制方法，基于能量反演鎮定函數非線性跟蹤制導進行飛控算法設計，然后在Linux嵌入式內核平臺中進行系統集成，提高了飛控系統的穩定性。但是該方法具有計算開銷較大、實時性不好的問題。文獻[5]提出了一種基于慣導失衡補償的無人機飛控系統設計方法，采用最小信息熵泛函方法進行反演控制，能夠基本滿足姿態控制的需求。但該飛控系統在受到氣流的強擾動下對無人機的搜索角度提出了較為苛刻的要求，導致控制性能不好[6]。

針對上述問題，對傳統的搜救無人機的飛控系統設計方法進行改進，在嵌入式平臺下進行無人機飛控系統設計，并改進了控制算法設計，提出一種基于LM-Smith神經網絡泛函的搜救無人機飛行控制算法。在嵌入式平臺下進行了飛控系統的模塊化設計以及主控芯片集成設計。仿真實驗與性能測試結果表明，所構建的飛控系統有效可行，在提高搜救無人機的控制性能和飛行穩定性控制精度方面具有較為顯著的優越性。

1 智能搜救無人機控制算法設計

1.1 智能搜救無人機飛控系統的控制原理

為了進行智能搜救無人機的飛控系統設計，提高飛行穩定性和姿態自校正性能，采用的是最小信息熵的LM-Smith神經網絡泛函穩定性控制模型[7]。假設在D維搜索空間中，智能搜救無人機飛控系統的控制漸進穩定性的狀態函數為：

(1)

(2)

根據Hopfield網絡極大熵準則[8]，對一定的范圍內按照自身姿態誤差時變的時滯函數，控制系統的輸入基函數分別為d1(t)和d2(t)，其滿足：

0≤d1(t)≤h1<∞,0≤d2(t)≤h2<∞

(3)

(4)

其中，h1,h2,τ1與τ2為正常量。

在飛控系統設計中，由確定性方程得到的具有隨機性的運動狀態，通過實時自適應學習算法對被控對象進行辨識，得到飛控狀態函數：

(5)

根據上述給出的智能搜救無人機飛控系統的控制原理，進行控制算法和控制系統設計。

1.2 智能搜救無人機控制算法改進設計

在上述控制原理的基礎上，進行控制算法設計，提出了一種基于LM-Smith神經網絡泛函的搜救無人機飛行控制算法，采用最小信息熵進行泛函加權得到智能搜救無人機的位姿狀態信息，定義d(t)=d1(t)+d2(t)，得到智能搜救無人機的飛控系統的狀態跟蹤連接權值為：

(6)

其中，Gc(s)和G0(s)為適當維數的歸一化定標因子矩陣，計算飛控系統前饋神經網絡的權值和閾值，通過規范權值點函數，訓練FNNs，得到飛控系統神經網絡的第一層全局最優位置為：

(7)

當滿足上述條件下，得到的LM-Smith神經網絡系統有較大的Lyapunov指數。為了滿足穩定性條件[9-10]，采用無限折疊迭代混沌映射得到飛控系統的狀態參量d1(t)和d2(t)，合并成一個時滯d(t)，得到：

(8)

更新智能搜救無人機的速度Vi和位置Xi，系統可寫為：

(9)

利用前述現有的穩定性條件，以全局最優智能搜救無人機的位置Xggbest為初始點，得到LM-Smith神經網絡泛函的控制器的結構，如圖1所示。

圖1 LM-Smith神經網絡泛函的控制器的結構

上述控制結構中，G0(s)e-τs是平衡位置與外力矩耦合的慣導函數，Gc(s)是初始化后的LM-Smith神經網絡系統[11]，Gm(s)與e-tms是搜救無人機質心在地面上的投影權值和偏值初始函數。智能搜救無人機三通道模型的權值和偏轉向量時滯不相關時，Gm(s)=G0(s)，tm=τ，得到控制參量的反饋信號為：

H(s)+Y(s)=Gm(s)U(s)

(10)

(11)

顯然當pk=-gk時，F(xk+1)對于LM-Smith神經網絡泛函的迭代優化公式為：

xk+1=xk-αgk

(12)

其中，α是學習速率。

通過上述設計，可見設計的控制算法是漸進穩定的。

2 基于嵌入式平臺的無人飛控硬件設計

在上述控制算法設計的基礎上，基于嵌入式Linux系統，進行飛控系統的硬件模塊設計。在ARM為核心的計算機系統中使用ARM，PowerPC，以及一些嵌入式DSP系統，進行飛控系統的集成設計。飛控系統內的主控芯片采用的是嵌入式AD9225[13]，AD9225是AD公司一款高性能A/D芯片，單5V供電，分辨率12位，最大采樣頻率25MHz。首先進行A/D電路設計，數字電源采用數字3.3V供電，采用10μF、0.1μF和0.001μF的電容并聯來濾除不同頻率的噪聲。為滿足MOSFET半橋功率分配的需求，在飛行控制的狀態識別中，采用雙通道雙向電平轉換ADG3301在3.3～5V的電平轉換傳輸時延為6ns，使得ADCLK相比PPI-

CLK延遲6ns,采用π型濾波，減少電源毛刺，設計高性能運放，降低電路底噪聲。在飛控系統設計中，需要進行A/D電路設計，負責對調理后的接收和參考信號進行采樣，送入DSP內處理。在EEPROM設計中，當檢測到飛行控制異常時，驅動蜂鳴器發出報警信號。系統在選擇數字信號處理器時考慮如下兩方面：

(1)運算能力。運算能力是考察整個飛控系統的智能處理速度和能力的重要特征，在嵌入式平臺下，飛控系統采用2個40位ALU，4個8位視頻ALU進行高頻數學運算，實現快速處理與實時處理的關鍵因素[14]。選擇的數字信號處理器應該滿足系統對計算速度的要求。

(2)指令系統。由于飛控系統的控制指令復雜，需要簡潔而功能強大的指令系統，芯片選擇Blackfin系列中的高性能產品，有利于系統編程，對智能搜救無人機的飛控系統開發有利。

綜上分析，在飛控系統設計過程中，指標性能滿足：

(1)2個通道全雙工同步串行接口，峰值運算能力可達2.4GMAC/s；

(2)12個通用32-bit定時/計數器，支持PWM；

(3)支持IrDA(InfraredDataAssociation)的UART，2個對稱的600MHz高性能Blackfin內核；

(4)內核電壓0.8～1.2V，片內調壓器可調。

在上述系統的指標性能分析和芯片選擇的基礎上，在嵌入式平臺進行飛控系統的主控電路設計，使用的宿主機是Intelx86構架的PC機，嵌入式軟件系統的開發通常采用交叉編譯環境，即開發環境安裝在桌面或者服務器計算機系統，表征數字信號處理器處理能力的重要標志，再通過網線、232串口、USB等方式將程序下載至嵌入式系統中。控制算法加載過程如圖2所示。

在無人機飛控系統的網絡通信模塊中，通過LEEP幀的信息來估計EETX值，每當收到一個LEEP幀，會觸發SubReceive.receive()事件。

3 實驗與結果分析

為了測試設計的智能搜救無人機飛控系統在優化飛行控制，提高飛機穩定性和平衡性方面的性能，進行仿真實驗。實驗的硬件平臺：CPU采用三星S3C2440，運行于400MHz。NORFLASH為2M，嵌入式平臺采用可支持ARM-Linux(內核版本Linux-2.6.32.2)、

圖2 飛控系統的控制算法程序執行流程

WindowsCE5.0/6.0、uCos2的S3C2440AARM9處理器，控制算法采用Matlab進行數學編程，使用JTAG板(一般借助H-JTAG軟件)直接燒寫入NorFlash進行控制算法的程序讀寫。飛控系統的姿態穩定性控制中，進行姿態特征采樣，采樣時間為13ms，起始頻率為35kHz，帶寬為20kHz。無人機飛行控制模型狀態離散方程為：

y(k)=0.579 6y(k-1)+0.399u(k-5)+0.021 46u(k-6)

(13)

y(k)=0.472 4y(k-1)+0.633 2u(k-1)

(14)

飛行控制的頻率變化范圍為23～40kHz，LM-Smith神經網絡泛函控制參數如下：

(15)

在上述仿真環境和參數設定的基礎上，采用設計的控制算法和控制系統進行飛行控制穩定性測試。首先輸入測試信號，測試飛控系統進行軌跡跟蹤的性能，進行搜救無人機的軌跡跟蹤性能測試，輸出結果如圖3所示。

圖3 飛控系統軌跡跟蹤控制輸出

由圖3可見，Pd=0.995，Pf=0.000 1,滿足無人機姿態跟蹤識別和控制的精度要求，系統抗干擾信噪比滿足：d≥16.57dB。采用文中設計的飛控系統進行智能搜救無人機的軌跡跟蹤，具有較準確的姿態和軌跡跟蹤性能，提高了控制精度，展示了該系統的優越性。

4 結束語

智能搜救無人機的氣動特性導致飛行姿態不穩定性，需要通過飛機慣導設計進行擾動抑制，以防止飛機失穩。因此，智能搜救無人機飛控系統設計方法的研究，對提高無人機的穩定性和操縱性具有重要意義。為此，在嵌入式平臺下進行了搜救無人機的飛控系統設計與實現，以提高搜救無人機的飛行穩定性。在控制算法設計中，提出了一種基于LM-Smith神經網絡泛函的搜救無人機飛行控制算法；在飛控系統的模塊化設計中，基于嵌入式平臺進行了飛控系統主控芯片集成設計。仿真與測試結果表明，所構建的飛控系統應用在無人機飛行控制中，具有較高的軌跡跟蹤控制精度，實現了無人機的穩定性控制。

[1] 孫克輝,賀少波,董燕青.簡化洛倫茲混沌系統的追蹤同步控制[J].信息與控制,2015,44(4):393-397.

[2]MahmoudEE.Complexcompletesynchronizationoftwononidenticalhyperchaoticcomplexnonlinearsystems[J].MathematicalMethodsintheAppliedSciences,2014,37(3):321-328.

[3]MathenyMH,GrauM,VillanuevaLG,etal.Phasesynchronizationoftwoanharmonicnanomechanicaloscillators[J].PhysicalReviewLetters,2014,112(1):014101.

[4]NjahAN.TrackingcontrolandsynchronizationofthenewhyperchaoticLiusystemviabacksteppingtechniques[J].NonlinearDynamics,2010,61(1-2):1-9.

[5]ChenG,LewisFL.DistributedadaptivetrackingcontrolforsynchronizationofunknownnetworkedLagrangiansystems[J].IEEETransactionsonSystems,Man,andCybernetics,PartB:Cybernetics,2011,41(3):805-816.

[6]SunKH,LiuX,ZhuCX.Dynamicsofastrengthenedchaoticsystemanditscircuitimplementation[J].ChineseJournalofElectronics,2014,23(2):353-356.

[7] 宋申民,郭 永,李學輝.航天器姿態跟蹤有限時間飽和控制[J].控制與決策,2015,30(11):2004-2008.

[8]GuoY,SongSM.Adaptivefinite-timebacksteppingcontrolforattitudetrackingofspacecraftbasedonrotationmatrix[J].ChineseJournalofAeronautics,2014,27(2):375-382.

[9]ChutiphonP,PimchanaS.Nonsingularterminalslidingmodebasedfinite-timecontrolforspacecraftattitudetracking[J].InternationalJournalofControl,AutomationandSystems,2014,12(3):530-540.

[10] 李貴明,劉良棟.剛體衛星姿態的有限時間控制[J].空間控制技術與應用,2011,37(3):1-8.

[11] 徐為民,徐 攀.不確定擾動下雙起升橋吊雙吊具魯棒自適應滑模同步協調控制[J].控制與決策,2016,31(7):1192-1198.

[12] 陳海燕,劉 威,李 莉.相對相位噪聲對相干光通信系統性能影響[J].激光技術,2016,40(1):94-98.

[13] 王 勛,張代兵,沈林成.一種基于虛擬力的無人機路徑跟蹤控制方法[J].機器人,2016,38(3):329-336.

[14]MahboubiH,MoezziK,AghdamAG,etal.Distributeddeploymentalgorithmsforimprovedcoverageinanetworkofwirelessmobilesensors[J].IEEETransactionsonIndustrialInformatics,2014,10(1):163-174.

Design of Flight Control System for Intelligent Search and Rescue UAV with Embedded System

LU Qing-xiu

(Huali College of Guangdong University of Technology,Guangzhou 511325,China)

In order to solve the problem of poor performance of unmanned rescue flight control system,the flight control system of unmanned rescue has been designed for lift of its flight stability.A flight control algorithm suitable for flight control system of the intelligent search and rescue UAV has also been proposed based on LM-Smith neural network,which mainly includes two parts,design of control algorithm and that of hardware module.The LM-Smith neural network functional weighted method with minimum information entropy has been employed for pattern recognition of controlled object and self-adaptive modification of flight stability.The location offsets in process of flight control has been tracked and compensated wholly.And thus asymptotically stable convergence of the proposed flight control algorithm has been achieved via established functional controller with LM-Smith neural network.The promoted design of flight control system has been implemented by adopting S3C2440A processor as control core and processing and ARM9 as core main control board and loading embedded Linux system as control program.The tests and analysis have been conducted to verify effectiveness and applicability of both the established flight control system and the designed flight control algorithm.The test results show that the established flight control system has higher precision of trajectory tracking and control,better attitude stability and control performance.

embedded;unmanned rescue machine;flight control system;control algorithm;neural network

2015-11-19

2016-04-05

時間：2017-01-10

2012廣東省質量工程項目(粵教高函[2012]204號)；2015年廣東省教育重點平臺及科研項目青年創新人才類項目(自然科學類)(2015KQNCX218)

盧清秀(1979-)，女，碩士，講師，研究方向為計算機控制算法、人工智能。

http://www.cnki.net/kcms/detail/61.1450.TP.20170110.1010.040.html

TP271

A

1673-629X(2017)02-0191-04

10.3969/j.issn.1673-629X.2017.02.044