基于深度學習無人機控制系統設計

陳程

摘要：針對無人機控制系統受到外界干擾，而導致控制效果差的問題，提出了基于深度學習無人機控制系統設計。根據系統總體架構，以STM32為主控芯片，設計傳感器，通過UART接口與PC端通信。以穩壓器最大輸出電流為基礎設計電源模塊，為系統供電。依據軟件系統架構，設計具體控制方案，避免受到外界干擾，對促進無人機廣泛應用具有重要意義。

關鍵詞：深度學習;無人機;飛行;控制

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）15-0200-02

無人機是一種帶有動力裝置、能夠自主飛行的無人駕駛飛行器，可以執行多種任務和多次使用的，其用途廣泛、成本低、使用方便，在社會各應用領域得到了廣泛的應用，如用于軍事偵察、監視、反恐行動等，還可用于民用航空攝影、交通巡邏和對復雜危險區域的檢查以及救災等。由于無人機無須人員駕駛，不會存在人員傷亡風險，且機動性能好，能夠執行人類無法到達的地方或某些危險區域的任務，應用前景非常廣闊。當無人機在飛行過程中，由于無人直接操縱，需要自動調節其姿態、飛行速度和運行軌跡，甚至需要根據飛行任務的要求，自主進行飛行計劃和軌跡規劃嘲。因此無人機飛行控制系統極其重要，為實現無人機的自主飛行，得到所需控制的方向和距離，有效避開障礙，保證良好的控制效果，設計了一種基于深度學習無人機的控制系統。

1無人機系統總體結構設計

在無人機系統總體設計前首先要構建無人機飛行平臺，用于進行系統研究和飛行試驗，負責控制整個無人機系統。無人機飛行平臺是無人機飛行的基礎，也是其他飛行器的載體，要求重量輕，剛度大，強度高，應選擇STM32作為主芯片，框架制作采用玻璃鋼材料，電源模塊負責為飛機控制系統、驅動系統和電機動力提供電源。

系統總體結構設計如圖1所示。

系統采用STM32單片機作為主控芯片，主控核心是采集PPM信號并在遠程控制上解碼，從而達到預期的目標姿態。系統總體結構設計包括：航向基準系統、飛行控制系統、電源系統、驅動電路等部分;下半部分包括地面站系統、遠動控制操作系統、數據鏈通信系統、未來將開發地面站系統;遙控操作系統采用7通道模式遙控器，數據鏈系統采用無線通信模塊的設計方法。

1.1傳感器

為提高飛行器飛行控制的可靠性，需要將飛行器的俯仰角和橫搖角作為穩定回路的反饋信號引入到控制回路中，同時為提高系統的實時性，還需要通過角速率反饋增加阻尼。飛行器的飛行姿態是通過慣性測量裝置得到的，該裝置主要由三個陀螺儀、三軸加速度傳感器和全向磁場傳感器組成，通過GPS接收器和最大精度為15 cm的靜壓高度計獲取飛機的位置信息。該飛行控制系統結合了上述傳感器，構成了一個時態姿態參考系統，能夠精準獲取無人機自主飛行時所需的位置、姿態和飛行速度等相關信息。

盡管GPS廣泛應用于導航、定位、測速等各個領域，但GPS信號經常受到地形和地物的影響，導致信號精度下降，影響正常使用。對于高層建筑林立的城市或植被茂密的山區，信號效果只有60%，而GPS還不能在靜態條件下提供精確的高度信息，所以本文選用精度15 cm的MS5540C靜壓高度計來彌補GPS高程定位的不足。數字大氣壓力傳感器MS5540C具有溫度補償校正功能，同時還具有體積小、重量輕、輸出數據穩定、功耗低、響應快等優點。該控制器的接口電路比較簡單，連接系統時鐘至外設32.768 KHz，利用UART接口與飛行控制計算機進行實時通信。

1.2執行機構驅動模塊

無刷型直流電機具有周期長、效率高等特點，它與無刷電機共同應用于執行機構的控制系統中。引擎是飛機姿態控制的重要動力來源，無刷式直流電機的工作原理是通過氣動使轉子轉速變化來改變飛行姿態。以PWM波形為控制信號對無刷直流電機進行控制，由DSP發出的PWM信號具有不同的占空比，根據這些信號，電機也會產生不同的速度，從而造成不同的飛行姿態，滿足飛行需求。

1.3電源模塊

動態對整個系統至關重要，為確保系統的正常供電，首先要對系統的功率需求進行分析，然后根據最大輸入電流等參數，選擇合適的調功器進行電路設計。選壓指標：輸入5 v，輸出3.3 v，最大輸出電流300毫安以上。最后選定的調壓器最大輸出電流為500毫安。

系統供電方案如圖2所示。

系統供電方案設計中是通過發電機組將機械能轉化為電能、干電池將化學能轉變為電能的方法，由于發電機組和電池不充電，而這兩個極子分別帶正、負電荷，因此只需加個電壓來使它們產生電壓。當電池組的兩極與導體相連時，正電荷和負電荷通過放電產生電流，充完電后，電流（壓力）就沒有了。干電池就是所謂的電源，把交流電源通過變壓器和整流器轉換為直流電源的裝置叫作整流電源，能夠發出信號的電子裝置叫作信號源，三極管能對前面發出的信號進行放大，然后將放大后的信號傳送到后面的電路中給系統供電。

2軟件功能設計

在主控軟件設計中，采用GPS數據讀取、遙控數據接收、主回路控制頻率等，提高了軟件系統功能，像高度計這樣的部件就減少了CPU的工作負荷，無須CPU干預就能實現地面數據的輸出和采集。

根據深度學習的原理對無人機控制系統軟件進行局部設計，深層次的學習需要分析的原理是：將圖像劃分成2000-3000年的候選區域，CNN提取每個區域的特征，然后通過支持向量機訓練分類器對這些特征進行分類和排序，并根據意識到的邊界框回歸算法對最終目標框進行遷移。在克服了傳統方法的缺點之后，CNN仍沒有很好的運行效率，因為每個候選區的整個網絡需要重新計算。利益區域策略把候選區域映射到CNN模型特征層。針對R-CNN提取卷積特征的冗余操作，如果不想重復地輸入來自不同區域的圖像，則需要直接匹配所有提取的相應區域的深度特征。

在整個無人機系統中，軟件系統也是其重要組成部分，各種任務調度和復雜算法的實現都需要軟件系統的支持。若以硬件系統為主體，則以軟件系統為靈魂，構成了整個無人機系統。該軟件系統主要由底層硬件驅動程序、硬件抽象層程序、板級支持程序和應用程序三部分組成，還包括層與子系統的接口、協議定義和格式等，設計的功能軟件具有良好的通用性、可移植性和可讀性。

軟件系統架構如圖3所示。

無人機執行指令的過程就是對飛行姿態的有效控制，主要包括俯仰、橫搖和傾斜的飛行姿態。不同的任務可以在執行命令時同時實現不同的姿態，如能進行上述檢測，則整個系統進入另一種狀態，也就是等待指令的狀態。相反，如果無人機沒有接收到任何與上述指令相關的指令，那么軟件將分析并計算相應指令來準備下一條新的指令。

3結束語

隨著無人機技術和產業的快速發展，在軍事、民用、工業、農業和服務行業等各領域得到了廣泛的應用，無人機受到了國內外的高度重視。科技人員通過對無人機控制系統的設計問題進行了深入的研究與分析，并結合無人機的非線性、強耦合、欠驅動等特點，設計了一套基于深度學習技術的智能無人機控制系統，實現了智能程度高、適應惡劣環境能力強、任務完成效率高的優點。由于無人機無人駕駛系統較為復雜，涉及綜合理論、建模和控制技術等各個方面，目前在無人機系統設計方面還處于初步探索階段，難免會存在許多問題。因此，在未來系統設計中應不斷加強研究創新工作，以提高無人機的應用水平，其中主要包括以下幾個方面：

（1）在系統建模和實際測試中發現系統存在辨識問題，當四臺電機驅動時與響應上存在不一致性，輸出指令的響應與實際有一定的差異，應進行補充與改進。

（2）智能無人機離不開一個地面站，因此必須加強對地面站的設計和發展。