Диссертация (Автономная система управления полетом квадрокоптера с возможностью облета препятствий и комплексной навигацией), страница 6
Описание файла
Файл "Диссертация" внутри архива находится в папке "Автономная система управления полетом квадрокоптера с возможностью облета препятствий и комплексной навигацией". PDF-файл из архива "Автономная система управления полетом квадрокоптера с возможностью облета препятствий и комплексной навигацией", который расположен в категории "". Всё это находится в предмете "технические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "диссертации и авторефераты" в общих файлах, а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата технических наук.
Просмотр PDF-файла онлайн
Текст 6 страницы из PDF
Это можетсвидетельствовать о правильности метода. Время реакции равно 0,138629 с, чтодоказывает быстродействие метода.На Рис. 1.13 показаны системы координат, которые были использованы вданной работе:OB X BYB Z BOV , k XV , k YV , k ZV , kOW , k XW , k YW , k ZW , k– базовая неподвижная система координат;– связанная система координат БПЛА в момент k;–системакоординаткамерывмоментk;OC1, k X C1, k YC1, k ZC1, k – система координат камеры для первого кадра изображения вмомент k; OC2, k X C2, k YC2, k Z C2, k – система координат камеры для второго кадраизображения в момент k.Рис.1.13.
Системы координат для момента времени k37По визуальной одометрии [37] можно вычислить координаты характерныхточек и центра масс БПЛА:X f LB LV R B RV X fVkWVkWw, k b, k vBBvXb, k LVk RVk X w, kBRVk R k 1LBVk L k 1где Xbf,k xbf,k , ybf,k , zbf,kточекицентраX wf ,k xwf ,k , ywf ,k , zwf ,kTмассTи Xbv ,k xbv,k , ybv,k , zbv,kБПЛАвT– координаты характерныхнеподвижнойvvvи Xvw,k xw, k , yw, k , zw,kT(1.33)системекоординат;– координаты характерныхточек и центра масс БПЛА в связанной системе координат; RVB и LBV , k – матрицывращения и перемещения системы координат БПЛА на неподвижную системуVкоординат; RVW и LW – матрицы преобразования и матрица перемещениясистемы координат камеры на систему координат БПЛА; R k и L k – матрицывращения и перемещения системы координат первого кадра изображения насистему координат второго кадра изображения.В начальный момент система координат БПЛА совпадает с неподвижнойсистемой координат.
В своей работе считаем, что движение бортовой камеры сдостаточной точностью совпадает с движением БПЛА, т.е. матрицу RVWпринимаем единичной, а LVW – нулевой. Использование только визуальногоалгоритма компьютерного зрения не позволяет точно получить масштабныйкоэффициент (какправило,используетсясочетаниеизмерительным блоком), поэтому ошибка матрицы LBVсинерциальнымувеличивается современем. Для решения этой проблемы в данной работе получение координатБПЛА проводится алгоритмом SLAM, а не визуальной одометрией, то естькоординаты характерных точек можно получить из уравнения:38BXbf,k Xbv ,k RVkXwf ,k(1.34)Для алгоритма планирования полѐта БПЛА целесообразно использоватьмодель, описывающую только кинематику траекторного движения.
При этомможно принять, что на каждом шаге алгоритма скорость полѐта не меняется, аизменения скорости от шага к шагу ограничены располагаемыми ускорениями.Вектор состояния модели движения камеры на БПЛА и матрицу координаториентиров в неподвижной системе координат можно записать следующимобразом:XV Xbv , Vbvгде Vbv vxbv , v y v , vz bvbXbf ,i xbf ,i , ybf ,i , zbf ,iT ; XM Xbf ,1, Xbf ,2 ,Xbf ,i ,, Xbf ,n T(1.35)T – скорость камеры в неподвижной системе координат; – координаты i-ого ориентира в неподвижной системеTкоординат; n – количество наблюдаемых ориентиров.Расширенный вектор состояния камеры на БПЛА и ориентиров карты внеподвижной системе координат:X XV , XM T(1.36)По принципу визуальной одометрии [37], уравнения состояния движениякамеры на БПЛА и ориентиров карты можно записать в виде: Xv V v Ω t b ,k b, kT vX k 1 XV ,k 1, X M ,k Vb ,k ΩfvB Xb,k RVk X w,k (1.37)где Ω – гауссовские белые шумы с нулевым средним.Вектор наблюдения:Zk X wf ,k(1.38)Оценка вектора состояния в алгоритме одновременной локализации икартографирования (SLAM) для рассматриваемой модели, которая являетсянелинейной, но с «гладкими» нелинейными функциями в правых частях уравнений39состояний и наблюдений, может быть получена с помощью расширенного фильтраКалмана (Extended Kalman filter – EKF), в котором на каждом шаге проводитсялинеаризация посредством разложения в ряд Тейлора с отбрасыванием членов рядавыше первого порядка.Если нелинейную модель БПЛА и ориентиров карты записать в видеXk 1 f Xk , uk ε kS k hXk ηk(1.39)где uk ak – управляющие переменные; ε k , ηk – гауссовские белые шумы снулевым математическим ожиданием и ковариациями Q and R соответственно,то применение расширенного фильтра Калмана для алгоритма SLAM можнопредставить в виде следующей последовательности действий:А.
Прогноз («одношаговый») состояния и ковариационной матрицы ошибок сиспользованием локальной линеаризации нелинейной системы:Xˆ k , uk , M k T ˆ k 1|k f XPk 1|k Fk Pk FkT G k Q k GTkгде Fk (1.40)ˆ k , ukf Xf Xk , uk , Gk матрицы частных производныхˆkuXˆkˆ k ,u kX k ,u kXпервого порядка (матрица Якоби) при разложении нелинейных функций f Xk , uk в ряд Тейлора в окрестности оценки на k-ом шаге ( Xˆ k , uk ) :ˆ k , uk f Xk , uk ˆkf Xk , uk f X Xk XXkˆ k ,u kX(1.41)Как видно из приведенного выше анализа, ковариационная матрица может бытьзаписана следующим образом:Pvm6 3n P 6 6Pk 3n 6 3n 6 vvPmv 3n 6 Pmm (3n 3n)(1.42)40где Pvv – ковариационная матрица положения и ориентации робота; Pmv , Pvm –кросс-ковариационная матрица робота и ориентиров; Pmm – ковариационнаяматрица положения ориентиров.Б.
Определение ошибки прогноза и ковариационной матрицы по наблюдениямна шаге k+1:~Tˆ k 1|k ; Jy k 1 sk 1 h Xk 1 H k 1Pk 1|k H k 1 R k 1(1.43)где H k 1 – матрица Якоби при разложении нелинейных функций hXk в рядˆ k 1|k .Тейлора в окрестности Xˆ k 1 Xˆ k 1|k K k 1~y k 1 и ковариационнойВ.
Коррекция оценок состояния Xматрицы Pk 1 I K k 1Hk 1 Pk 1|k , где K k 1 Pk 1|k HTk 1Sk11.Г. Расширение вектора состояния и ковариационной матрицы.Ориентиры, обнаруженные датчиками аппарата на каждом шаге, включаюториентиры,ужесуществующиенакарте,атакженовыеориентиры.Существовавшие ориентиры были использованы для оценок состояния навышеприведѐнных этапах. Новые ориентиры добавляются в вектор состояниясистемы через процесс инициализации.
Пусть на шаге k j-ый наблюдаемыйориентир в векторе наблюдения с координатами X wf ,,kj является новым. Егокоординаты в неподвижной системе координат:BXvf,,kj g XV ,k , Zk Xbv ,k RVkX wf ,,kj(1.44)Новый вектор состояния системы после расширения: Xk Xnew,k f , j X w,k (1.45)Ковариационная матрица нового вектора состояния:PvvPnew,k Pmvg X Pvv TPvmPmmg ZPmm Tg X Pvvg Z PmmTTg X Pvvg X g Z Pmmg Z (1.46)41где g X , g Z – матрица Якоби g XV ,k , Xwf ,,kj для XV ,k и Z k .Признано, что ассоциация данных является одной из основных проблем длярешения задачи SLAM. Под ассоциацией данных понимается установлениеотношения эквивалентности между наблюдаемыми ориентирами и ориентирами ввекторе состояния.
Даже небольшое число ложно ассоциированных совпаденийможет приводить к расхождению алгоритма SLAM. Таким образом, алгоритмассоциации данных оказывает важное влияние на точность и надежностьалгоритма SLAM.В последние годы было предложено много способов ассоциации данных дляалгоритма SLAM. Наиболее часто используемым алгоритмом ассоциации данных вних является алгоритм ICNN (Individual Compatibility Nearest Neighbor –Индивидуальной Совместимости Ближайшего Соседа). В этом алгоритме дляассоциации каждого наблюдаемого ориентира производится сравнение расстояниядо существующих ориентиров с заранее заданным на основании экспертныхоценок порогом. Если расстояние между наблюдаемым и уже существующим накарте ориентирами меньше определенного порога, то наблюдаемый ориентирсовмещается с этим существующим ориентиром.
Когда на карте имеется несколькосовместимых с наблюдаемым ориентиров, то в качестве ассоциированноговыбирается ориентир с минимальным расстоянием.Учитывая ошибки измерений, в качестве расстояния между i-м наблюдаемымориентиром и j-м ориентиром на локальной карте целесообразно использоватьрасстояние Махаланобиса [49]:Dij yijT J 1 yij(1.47)где yij yi yˆ j – вектор разности координат по результатам измерений; yi –вектор измерений координат i -го наблюдаемого ориентира;ŷ j – векторкоординат j -го ориентира в локальной карте; J – ковариационная матрица ошибокизмерений.42Если Dij Gate , то считаем i -й наблюдаемый ориентир совпадающим с j -мсуществующим. Здесь Gate – заданный порог.Если более чем один ориентир из присутствующих на локальной картеудовлетворяет условиям Dij Gate , то в качестве ассоциированного ориентиравыбираем ориентир с минимальным нормированным расстоянием.Этот алгоритм характеризуется высокой скоростью расчѐта и простотой вреализации, но не учитывает корреляцию между ориентирами.
Из-за этогоправильность и надежность ассоциации недостаточно высока, что можетприводить к расхождению алгоритма SLAM. Алгоритмы JCBB (Joint CompatibilityBranch and Bound – Совместной Совместимости Ветвей и Границ) [49] и MHT(Multiple Hypothesis Tracking – Отслеживания Нескольких Гипотез) [47] имеютвысокую точность и надежность, но их вычислительная сложность резковозрастает с увеличением количества ориентиров, поэтому они не могут бытьприменены к окружающей среде с большим количеством ориентиров. Длярешения задачи ассоциации применялись также алгоритмы оптимизации [99], втом числе – целочисленного программирования [119], а также теория графов [28].Эти алгоритмы являются слишком сложными и не могут быть применены дляБПЛА в режиме реального времени в открытой трѐхмерной среде.1.3.3.
Основные особенности интегрированных БИНСс применением барометрического высотомера и радиовысотомераДля определения высоты можно также использовать GPS-приѐмник.Принцип действия основан на одновременном измерении расстояния донескольких (как правило, от четырѐх до шести) вещающих спутников,находящихся на известных и специально корректируемых орбитах. Но точностьпозиционирования высоты очень низкая, иногда даже ошибка может достигатьболее 1000 метров, особенно когда все доступные спутники в позиции, близкой кгоризонту. В этих случаях с помощью GPS невозможно получить точную43информацию о высоте. Поэтому нужно пользовать высотомер для коррекцииошибки предсказанной высоты БИНС в КНС в режиме реального времени.Высотой полѐта называется расстояние от поверхности земли до аппарата,рассчитанное по вертикали от некоторого уровня, принятого за начало отсчета.Для измерения высоты обычно используют альтиметры или высотомеры.
Попринципуустройствавысотометрыделятсянабарометрическиеирадиотехнические.Принципбарометрическоговысотомераоснованнаиспользованиизакономерного изменения атмосферного давления с высотой.Существует много источников ошибок, которые вызывают отклонениепоказателей высоты барометрического высотомера от истинного. Основными изних являются ошибки шумов измерения и ошибки модели атмосферы [35].Принцип барометрического высотомера является правильным, только еслиусловия реальной атмосферы соответствуют стандартную атмосфере [74, 96].Если реальная атмосфера не соответствует стандартной атмосфере, то подобныйметод неизбежно производит ошибку измерения, которую можно называтьметодической или принципиальной ошибкой.
Эта ошибка не может бытьустранена при фильтрации.Принцип действия радиовысотомера [55] основан на определении временипрохождения радиосигнала от передающей антенны до отражающей поверхности иобратно, к приемной антенне.К недостаткам барометрического высотомера можно отнести неверноеизмерение давления на борту, большую погрешность (до 10 м), измерениеотносительной высоты, а не абсолютной, и сложность работы с высотомером. Кплюсамподобноговысотомераотноситсяэкономичностьресурсовдляопределения высоты вне зависимости от рельефа.Кнедостаткамрадиовысотомераможноотнестивыраженнуюнаправленность измерений, необходимость в мощном источнике излучения.Положительным свойством радиотехнических средств является высокая точность44определения навигационных параметров и возможность их измерения в любыхпогодных условиях.Ввиду того, что барометрический высотомер и радиовысотомер имеют своипреимущества и недостатки, в целях повышения точности измерения высоты, всвоей работе используем эти два вида высотомеров совместно в качествевспомогательного навигационного инструмента для КНС.1.4.
Выводы по главе 1Таким образом, в первой главе диссертационной работы представлен анализметодов и ключевых технологий для достижения автономного полѐта БПЛА.1. Построена более подробная ММ квадрокоптера с учѐтом влияния ветра,экранногоэффектаповерхностиземлиигироскопическихмоментоввинтомоторных групп, и т.д. Разработаны системы траекторного и угловогоуправленияполѐтомквадрокоптеранаосновеПИД-регуляторовибэкстеппинг-регуляторов.2. Анализ результатов моделирования полѐта квадрокоптера по заданномумаршруту показывает, что изменения координат центра масс квадрокоптера длядвух регуляторов почти одинаковые, а диапазон изменения углового положения сбэкстеппинг-регуляторами заметно меньше, чем соответствующий диапазон дляПИД-регуляторов,икриваяболеегладкая.Такимобразом,выборПИД-регуляторов для траекторного и бэкстеппинг-регуляторов – для угловогоуправления позволяет упросить структуру системы управления и повыситьстабильность полѐта квадрокоптера.3.