基于深度學習的四旋翼無人機控制系統(tǒng)設計

黃靚

（平頂山工業(yè)職業(yè)技術學院, 河南平頂山, 467000）

0 引言

四旋翼無人機是一種能夠垂直起降的自主飛行器[1]，具有結構簡單、便于懸停及垂直起降的特點，同時具有較為良好的可控性，既在近地監(jiān)視與偵察等軍事任務中有著廣泛的應用[2]，又在環(huán)境監(jiān)測、森林防火、農(nóng)業(yè)植保等民用方面具有廣闊的研究和應用前景[3]。由于四旋翼無人機是一個非線性、欠驅動、強耦合且存在多個變量的控制對象[4]，為較好的完成四旋翼無人機的位姿控制，本文根據(jù)深度學習的原理，設計了一種基于STM32的四旋翼無人機控制系統(tǒng)。

1 無人機控制系統(tǒng)總體設計

四旋翼無人機主要由機架、飛行控制器、導航與定位系統(tǒng)、自動避障系統(tǒng)等組成，無人機控制系統(tǒng)負責控制無人機飛行，控制系統(tǒng)的性能決定了無人機飛行的穩(wěn)定性。本控制系統(tǒng)總體框圖如圖1所示。

圖1 四旋翼無人機控制系統(tǒng)框圖

主控制器主要完成控制電路初始化、驅動外圍模塊電路，以及核心算法處理等操作；姿態(tài)檢測模塊負責將姿態(tài)傳感器采集到的位置信息輸入到算法單元進行估算，并將獲取的此刻及下一時刻的姿態(tài)信息傳送到控制模塊，通過測算下一步動作實現(xiàn)無人機姿態(tài)調節(jié)；通過主控制器提供的四路PWM波完成直流電機的控制和調節(jié)；電源管理模塊提供適配電壓給各模塊電路；無線通信模塊負責遠距離通信。

■1.1 主控制器

作為飛行控制器的核心，主控制器負責接收四旋翼無人機的各項控制指令，在無遙控信號輸入時自主完成飛行。

本設計選用ST公司的STM32F4作為主控芯片。主控制器將遙控器接收到的PWM信號進行解碼，得到目標姿態(tài)，為電調提供4路PWM信號控制4個無刷電機的轉速，以控制飛行姿態(tài)，并將姿態(tài)傳感器的實時數(shù)據(jù)發(fā)送給存儲器，估計下一時刻的姿態(tài)。STM32F4系列芯片的電路圖如圖2所示。

圖2 STM32F4芯片電路圖

■1.2 姿態(tài)檢測模塊

為獲取四旋翼無人機的姿態(tài)信息，本設計中選擇MPU 6050為主控制器提供無人機的姿態(tài)變化檢測；磁力傳感器選用HMC5883L元件，完成四軸無人機航向角的檢測；氣壓高度計芯片選用的MS5611系列芯片，可對周圍10cm的大氣壓進行精確測量，經(jīng)各自測量的數(shù)據(jù)進行融合，優(yōu)劣互補。

■1.3 無線通信模塊

為完成無人機控制系統(tǒng)和地面站之間的遠程通信，無線通信模塊采用NRF模塊。

系統(tǒng)采用基于2.4GHz的無線通信技術的新一代低功耗芯片NRF51822，將其作為協(xié)處理器，與遠程遙控器交互通信，實現(xiàn)遠距離調節(jié)參數(shù)，并監(jiān)控無人機飛行狀態(tài)。

通信模塊中選用了FLY-SKY FS-T62.4G數(shù)碼比率遙控器，該遙控器采用的是間隔發(fā)送工作模式，發(fā)射功率低，工作時間長，且具有較高的性價比。NRF模塊原理圖如圖3所示。

圖3 NRF模塊原理圖

■1.4 電機驅動模塊

電機驅動模塊由電機和電調組成，二者相互配合帶動無人機的螺旋槳轉動。無人機的空中姿態(tài)由電機轉速決定，主控制器通過電機驅動電路完成電機控制，控制器輸出的PWM信號并未直接作用于電機，而是通過電調進行處理，將處理后得到的三相電流驅動無刷電機。本系統(tǒng)的驅動裝置采用MT2213-920KV型無刷直流電機，連接線路如圖4所示。

■1.5 電源管理模塊

本設計中的電源管理模塊不僅負責為系統(tǒng)各模塊電路提供適配電壓，并為電池提供充電功能，也要實時監(jiān)控電池電量的使用情況，當電池電量低于設定閾值時，需將緊急處理指令傳至地面站。系統(tǒng)供電方案如圖5所示。

圖5 系統(tǒng)供電方案

電源管理模塊選擇的是TP4059電池充電管理芯片和XC6204穩(wěn)壓器芯片。TP4059通過USB接口給電池充電，XC6204保證在低壓時能夠為主控制器和無線通信模塊供電，為系統(tǒng)提供穩(wěn)定電源。

2 系統(tǒng)軟件功能設計

本系統(tǒng)按照模塊化、結構化的思想，開發(fā)各模塊的軟件系統(tǒng)，目的是即使四旋翼硬件平臺變更，只需將原有軟件系統(tǒng)稍作修改，即可在新的平臺上應用。

針對傳統(tǒng)控制算法需要建立復雜數(shù)據(jù)模型這一不足，本軟件系統(tǒng)的設計是采用基于深度學習的無人機控制算法。

根據(jù)深度學習的原理，對控制系統(tǒng)軟件進行局部設計，提出區(qū)域卷積神經(jīng)網(wǎng)絡(R-CNN)。首先，將圖像劃分成2000-3000個候選區(qū)域，支持向量機訓練分類器將每個區(qū)域的特征進行分類和排序，最后采用回歸算法進行目標邊界框重新定位，深度學習目標控制模型如圖7所示[5]。

圖7 深度學習目標控制模型

將無人機的三軸加速度和角速度作為六個狀態(tài)量，該狀態(tài)量與目標值之間的差距Error如式（1）所示：

圖6 電源管理模塊電路圖

式中α1和α2表示加速度與角速度的權值；sc1、sc2、sc3表示當前狀態(tài)中的各分量；st1、st2、st3表示目標狀態(tài)中的各分量。式（1）中第一部分為三軸加速度，第二部分為三軸角速度。若目標值與六個狀態(tài)量的差距越大，Error會增大，無人機飛離目標狀態(tài)越遠，表明無人機飛行越不平穩(wěn)；若兩者差距為0，則Error也為0，說明無人機達到了目標狀態(tài)。由式（1）可知，Error的數(shù)值大小與無人機穩(wěn)定時的狀態(tài)呈負相關。

在本設計中使用Error值衡量無人機飛行的穩(wěn)定性，Error值越小，無人機飛行越趨于目標狀態(tài)，飛行越穩(wěn)定，控制器的控制效果越好。

依照模型，系統(tǒng)的軟件設計由主控制器模塊、數(shù)據(jù)采集模塊、電機控制模塊、無線通信模塊等四部分組成。

主控制器的流程如圖8所示。

圖8 主控制器流程

主控制器模塊負責完成整個控制電路硬件初始化，算法處理，控制器外圍電路驅動等操作。通過消息機制，各任務管理模塊之間進行信息交互處理，在整個控制系統(tǒng)中，控制中心負責提供需要調節(jié)的位置變化量，系統(tǒng)控制中心需要的最新姿態(tài)信息由姿態(tài)測算模塊實時提供，姿態(tài)調整由電機驅動器驅動電機實現(xiàn)。

整個主控制器采用模塊化編程，以方便程序移植，四旋翼無人機飛行器軟件流程圖如下：無人機上電初始化后，首先設置無人機工作模式，接下來檢測電源系統(tǒng)、傳感器等是否正常，自檢正常后則啟動運行程序，獲取姿態(tài)檢測模塊中各傳感器數(shù)據(jù)，利用核心算法獲取實時姿態(tài)信息，反饋給主控制器，以調整飛行狀態(tài)。本系統(tǒng)軟件流程如圖9所示。

圖9 軟件流程圖

3 仿真分析

本系統(tǒng)基于GitHub中一個開源的四旋翼無人機平臺驗證控制器的控制效果[6]。六個狀態(tài)量分別是無人機的三軸角速度與三軸加速度，四個動作量分別是四個電機的轉速，并添加噪聲模擬無人機真實飛行中受到的干擾，無人機的仿真環(huán)境如圖10所示。

圖10 仿真環(huán)境

針對無人機控制系統(tǒng)的設計合理性進行仿真實驗，在控制器控制下，設定無人機飛行500步，并記錄Error的最大值、最小值和平均值。分別對不加控制器、加PID控制器與基于深度學習的控制器在空中飛行時進行對比實驗。三者的error變化曲線如圖11所示。

圖11中，橫坐標（step）表示無人機飛行步數(shù)，縱坐標為每步對應的error值，圖中的虛線表示500步error的均值。由圖11(a)知，error值隨步數(shù)增大顯現(xiàn)出明顯的單調遞增趨勢，表明不加控制器時，無人機的三軸姿態(tài)角離期望值越來越偏離，不能穩(wěn)定飛行；圖11(b)曲線隨步數(shù)增加在一個較小的范圍內上下波動，但沒有發(fā)散趨勢，500步error的均值比圖11(a)小，表明加PID控制器時，無人機的姿態(tài)角保持在一定范圍內，提高了系統(tǒng)的穩(wěn)定性；圖11(c)的曲線與圖11(b)比較接近，但其均值明顯比PID控制器小，表明基于深度學習的控制器性能優(yōu)于傳統(tǒng)PID控制器。

圖11 控制器性能對比圖

4 結論

四旋翼無人機控制作為控制領域的研究熱點，具有非線性、強耦合等特點，本文設計出一種基于深度學習的四旋翼無人機控制系統(tǒng)設計方案，該方法相較傳統(tǒng)PID控制器，避免了復雜的建模過程，通過仿真實驗，其控制效果優(yōu)于PID控制器，具有較好的抗擾性。后續(xù)將進一步優(yōu)化算法，使該算法能適應不同結構的無人機，以及更加復雜的環(huán)境，提高算法的魯棒性。