Controle de Voo em Tempo Real: Calibração de Sensor Incorporado e Aquisição de Dados

Real-time Flight Control: Embedded Sensor Calibration and Data Acquisition

JoVE Science Education
Aeronautical Engineering

A subscription to JoVE is required to view this content. Sign in or start your free trial.

JoVE Science Education Aeronautical Engineering

Real-time Flight Control: Embedded Sensor Calibration and Data Acquisition

8.4: Cross Cylindrical Flow: Measuring Pressure Distribution and Estimating Drag Coefficients

10,258 Views

•

08:36 min

•

October 13, 2017

Overview

Fonte: Ella M. Atkins, Departamento de Engenharia Aeroespacial da Universidade de Michigan, Ann Arbor, MI

Visão geral

O piloto automático permite que as aeronaves sejam estabilizadas usando dados coletados de sensores a bordo que medem a orientação da aeronave, velocidade angular e velocidade de ar. Essas quantidades podem ser ajustadas pelo piloto automático para que a aeronave siga automaticamente um plano de voo desde o lançamento (decolagem) até a recuperação (pouso). Dados semelhantes de sensores são coletados para controlar todos os tipos de aeronaves, desde grandes aeronaves de transporte comercial de asa fixa até helicópteros de pequeno porte de rotor múltiplo, como o quadcopter com quatro unidades propulsoras.

Com posição inercial e velocidade capturadas por um sensor como o Sistema de Posicionamento Global (GPS), o sistema de controle de voo em tempo real do piloto automático permite que uma aeronave multicopter ou de asa fixa estabilize sua atitude e velocidade de ar para seguir uma trajetória prescrita. Integração de sensores, calibração, aquisição de dados e filtragem de sinais são pré-requisitos para experimentos no controle de voo.

Aqui descrevemos um conjunto de sensores que fornece os dados necessários para o controle de voo. Interfaces de sinal e aquisição de dados em duas plataformas de computador embarcadas diferentes são descritas, e a calibração do sensor é resumida. Os filtros médios e medianos de um único canal são aplicados a cada canal de dados para reduzir o ruído do sinal de alta frequência e eliminar outliers.

Neste experimento, a aquisição de dados e a calibração do sensor para controle de voo em tempo real são demonstradas. Vários artigos publicados descreveram os princípios da coleta e controle de dados de sensores, e recentemente se concentraram em sensores para pequenos veículos aéreos não tripulados (UAVs) [1-3].

Principles

As aeronaves devem equilibrar suas forças e momentos através de sistemas aerodinâmicos e de propulsão. Como mostrado na Figura 1a, uma aeronave de asa fixa equilibra quatro forças em voo constante: elevação aerodinâmica, arrasto aerodinâmico, impulso do sistema de propulsão e peso. Aeronaves de asa fixa ou lançam para cima ou para baixo, para subir ou descer, e rolar para a esquerda ou para a direita para virar para um novo título.

Como mostrado nas Figuras 1b e 1c,um multicóptero pairando deve equilibrar o impulso ascendente gerado pelas unidades propulsoras com seu peso, enquanto um multicóptero voando a uma velocidade considerável gira de modo que seu impulso equilibra o arrasto aerodinâmico. Para alcançar um voo estável, as aeronaves também devem equilibrar momentos sobre os três eixos. As rotações são definidas com as seguintes convenções para voo tridimensional (3D):

Rolo (Φ) – rotação sobre o eixo apontando para a frente do veículo (x), resultando em movimento lateral-lateral
Tom (φ) – rotação sobre o eixo que corre da esquerda para a direita (y), resultando em um movimento de inclinação para frente e para trás
Guinada (Φ) – rotação sobre o eixo vertical (z),o que resulta em uma mudança de ângulo de posição

Um sistema de controle de voo emite comandos de superfície motor e de controle que estabilizam as forças de rolagem, arremesso, guinada e equilíbrio da aeronave, como mostrado na Figura 1. Os comandos devem ser atualizados de forma confiável e em tempo real para garantir que a aeronave possa corrigir para distúrbios como o vento. Para alcançar e manter uma atitude prescrita, o sistema de controle deve manter uma estimativa precisa da atitude da aeronave (roll, pitch, yaw) bem como suas mudanças de atitude ao longo do tempo (velocidades angulares). Como forças como elevação e arrasto dependem criticamente do fluxo de ar, é necessário sensoriamento adicional para determinar a velocidade do ar (V na Figura 1) e a direção do fluxo de ar em relação à aeronave. Para seguir uma trajetória prescrita, a aeronave também deve sentir sua posição através de um sensor como um GPS, sensores de aeronaves que permitem o controle de voo são mostrados na Figura 2.

Uma vez que os dados são adquiridos a partir de sensores, os sinais são filtrados para reduzir o impacto do ruído e outliers na qualidade dos dados processados. Em seguida, os dados são agregados em uma estimativa completa do estado da aeronave, incluindo posições 3D, velocidades lineares, orientação (atitude) e velocidades angulares. O estado da aeronave é enviado ao controlador de voo, que então atualiza os comandos para os propulsores da aeronave e/ou superfícies de controle para configurações de asa fixa.

Sensores de aeronaves

As aeronaves, incluindo asa fixa e multicóptero, contam com uma suíte de sensores conhecida como unidade de medição inercial (IMU) para determinar a atitude da aeronave 3D e a velocidade angular. Um IMU normalmente consiste em três tipos de sensores: acelerômetros para medir a aceleração linear; giroscópios de taxa (giroscópios) para medir a velocidade angular; e sensores de campo magnético para medir a direção e a força do campo magnético local. Uma IMU de três eixos, conforme ilustrado na Figura 3,é configurada com um sistema de coordenadas de referência de três eixos. Um total de nove elementos sensoriais, incluindo três acelerômetros, três giroscópios de três velocidades e um magnetômetro de três eixos, fornecem medições independentes de aceleração linear(ax, ay e az),velocidade angular (ωx, ωy, ωz) e campo magnético(mx, meu e mz). Um IMU é tipicamente montado perto do centro de gravidade da aeronave (CG), com os eixos do sensor alinhados com os eixos do corpo da aeronave, como mostrado na Figura 3.

Pequenos pacotes de sensores IMU estão agora disponíveis a um custo baixo. Cada sensor emite uma tensão analógica, que pode então ser processada localmente ou enviada diretamente para um computador de voo, conforme descrito abaixo. Um sistema integrado de navegação inercial (INS) combina um IMU com um receptor GPS. Unidades GPS traduzem internamente sinais de satélite para estimativas de posição inercial na Terra, por exemplo, latitude, longitude, altitude e velocidade linear 3D da aeronave representada em um quadro de coordenadas local como NED (Nordeste-Down). Só um IMU é capaz de estabilizar a atitude da aeronave; no entanto, com um INS, uma aeronave pode acompanhar uma trajetória de voo prescrita.

Como as forças aerodinâmicas são fortemente dependentes da velocidade do ar, V,aeronaves de asa fixa requerem medições do fluxo de ar para um bom desempenho do controlador de voo. As medições de fluxo são coletadas por meio de um sistema de dados de ar (ADS). Em aeronaves de pequena escala, muitas vezes apenas a velocidade do ar é medida. Em aeronaves de alto desempenho, são necessárias medições de direção de fluxo e velocidade.

Um sistema básico pitot-estático [4], que é usado para medir a velocidade do ar da aeronave, V,é mostrado na Figura 4. O tubo pitot em si tem um buraco central que enfrenta diretamente no fluxo que se aproxima. Este orifício é conectado através de um tubo central a uma porta de um sensor de pressão diferencial. Quatro orifícios igualmente espaçados ao redor do exterior do tubo pitot são conectados através de um único tubo periférico à outra porta do sensor diferencial. O tubo central mede a estagnação ou a pressão total, P_T,que é a pressão do ar em um ponto onde a velocidade de fluxo é zero. O tubo externo mede a pressão de ar estática, P_S, que está associada com o fluxo movendo-se na velocidade de ar livre, V. A pressão combinada das quatro portas periféricas faz uma média das quatro medidas de pressão estática para explicar o desalinhamento do fluxo com o tubo pitot, bem como uma pequena turbulência de fluxo. A velocidade do ar é calculada a partir da equação de Bernoulli dada a densidade atmosférica ρ:

(1)

A pressão dinâmica (diferencial) medida por um sistema de tubo pitot é então dada por:

(2)

A velocidade do ar, V, é então dada por:

(3)

Uma sonda de cinco furos [5], mostrada na Figura 5,fornece a capacidade de medir o ângulo de fluxo e a velocidade de fluxo de fluxo livre. Esta sonda, uma extensão do sistema pitot-estático da linha de base, também mede P_T de um tubo central. Quatro outras portas acima e/ou abaixo e para ambos os lados da porta de pressão total central normalmente se conectam a sensores de pressão absoluta. O ângulo de ataque, α, combinando o ângulo de campo φ durante o voo de nível, é computado a partir de uma função comparando as medidas de pressão superior e inferior:

(4)

A função de calibração, é determinada colocando a sonda de cinco buracos em um (pequeno) túnel de vento e, em seguida, curva encaixando os dados de pressão do túnel de vento sobre uma série de condições de ataque conhecidas entre os valores mínimos e máximos de voo esperados para α. Da mesma forma, o ângulo de fluxo lateral (deslizamento lateral) β, que é tipicamente pequeno, é computado a partir de uma função comparando as medidas de pressão esquerda e direita:

(5)

Da mesma forma, a função de calibração é determinada por dados de pressão do túnel de vento de encaixe da curva coletados sobre uma série de condições de ângulo de deslizamento de lado conhecidas entre valores mínimos e máximos esperados de voo para β.

O IMU e o ADS permitem que uma aeronave sinta sua atitude, velocidades angulares e velocidade aérea (e potencialmente direção). Uma unidade GPS, normalmente conectada através de um INS fora da prateleira ou de uma interface separada somente GPS para um computador de voo, fornece medições de posição e velocidade inerciais. Uma unidade GPS [6] agrega dados de tempo de chegada de vários satélites para estimar a posição do receptor a partir da triangulação. O GPS da linha de base tem uma precisão de posição na ordem de 1-3 metros em áreas abertas; a maioria dos UAVs hospedam unidades GPS de linha de base. O GPS também pode receber sinais waas (Wide Area Augmentation System) de uma fonte de sinal em uma região local que reduzem os erros de estimativa de posição para menos de um medidor. As posições gps são medidas no sistema de coordenadas da Terra, tipicamente LLA (Latitude, Longitude, Altitude). O GPS também fornece uma medição local da velocidade 3D de uma aeronave em relação à Terra em NED (Nordeste-Down) ou sistemas de coordenadas baseados na Terra ENU (Leste-Nordeste). As unidades GPS calculam internamente as informações de posição e velocidade e comunicam esses valores a um computador de voo a bordo.

O GPS permite que uma aeronave siga um plano de voo descrito por pontos de passagem em um quadro de coordenadas fixos na Terra. Muitas missões, por exemplo, pequenas vigilâncias UAV, exigem que o UAV navegue com respeito a um ambiente local. Para isso, o UAV ainda pode levar um receptor GPS, mas contará com sensores a bordo, como câmeras, radar ou Lidar, para navegar em relação a um ambiente local. Muitos pesquisadores estudaram a navegação uav em relação a um ambiente local usando sensores a bordo, como em aplicações de busca e resgate [8] e para uma pequena localização uav em um ambiente de cânion urbano onde a recepção de sinal GPS não é confiável [9].

Aquisição de Dados (DAQ) e Calibração de Sensores

Cada sensor IMU e ADS emite uma tensão analógica que passa por um conversor Analógico-Digital (A/D) e depois por um processador digital ou microprocessador. A conversão de A/D pode ser realizada diretamente no computador de voo, ou um microprocessador dedicado pode realizar a conversão A/D e retransmitir dados. Como o sinal é perdido em fios de sinal longos, é vantajoso realizar a conversão A/D perto da fonte de sinal do sensor. Portanto, muitas IMUs modernas incorporam um microprocessador e transmitem leituras de tensão digitalizadas através de uma conexão serial (sem perdas). Por exemplo, o MPU-9250 hospeda os nove sensores IMU (3 acelerômetros, giroscópios de 3 taxas, magnetômetro de 3 eixos) e um microprocessador em uma única placa de circuito impresso. Os dados coletados são então distribuídos ao computador de voo por uma conexão serial I2C [10].

Nesta demonstração, ilustramos o uso de um IMU com conexão I2C e a coleta direta de dados analógicos no computador de voo usando duas plataformas de computação embarcadas: uma Diamond Systems Athena II e uma Beaglebone Blue. Eles foram selecionados devido aos seus diversos recursos de interface de hardware. Ambos são leves e têm um pequeno fator de forma apropriado para instalação em um pequeno UAV. O Athena II é um produto bem estabelecido; sua força está na resolução de dados A/D de alta resolução (16 bits A/D), que com o leve sistema operacional QNX Neutrino em tempo real, garante aquisição confiável de dados de até 3 kHz. O Beaglebone Blue, executando uma variante do Linux, tem um conversor A/D de menor resolução, mas ele interfaces para uma variedade de dispositivos seriais, incluindo I2C. O Beaglebone é de baixo custo, tem um processador mais rápido e é compatível com inúmeros aplicativos baseados em Linux. É, portanto, uma melhor escolha geral para experimentos de baixo custo. O Athena II é usado neste experimento para demonstrar sua utilidade na captura direta de dados de sensores com aplicação para aquisição de dados de voo baseados em pesquisa, como em uma plataforma UAV experimental de asa flexível [11].

Antes da implantação para controle de voo, os sensores IMU e ADS devem ser devidamente calibrados. A calibração de ponta a ponta explica o dimensionamento e o viés de tensão à medida que a saída do sensor físico passa pelo conversor A/D para o computador e, em seguida, é traduzida para unidades MKS (metro-quilograma-segundo):

(6)

onde o sinal adquirido, em volts, é compensado por tensão de viés, b, e então é dimensionado por fator m para uma leitura de unidade MKS, . IMUs com uma interface serial podem fornecer opções para coletar leituras em unidades volts ou MKS com base na calibração do fabricante. Os dados do sensor adquiridos diretamente para IMU ou ADS exigem a leitura de um valor inteiro de cada canal A/D (em contagens), que é traduzido para uma leitura de tensão de ponto flutuante com base na resolução do conversor A/D (por exemplo, 12 bits ou 16 bits) e faixa de tensão em escala total. Para explicar as imprecisões tanto nas calibrações padrão do sensor quanto no processo de conversão A/D, é tipicamente vantajoso calibrar IMU e ADS uma vez totalmente integrados ao pipeline DAQ.

Para o IMU, as tensões do acelerômetro são dimensionadas para uma leitura relativa a zero de aceleração em metros por segundo ao quadrado, e as tensões giroscópios são dimensionadas para uma leitura relativa a velocidade angular zero em radianos por segundo. A calibração de um magnetômetro requer um processo mais cuidadoso que explica as fontes de perturbação locais [12]. Neste experimento, ilustramos o uso de uma tabela de taxas para calibrar giroscópios e acelerômetros de taxa. Observe que em ambientes complexos, um magnetômetro pode não ser preciso, apesar dos melhores esforços de calibração; nestes casos, a direção é determinada por meios alternativos, por exemplo, consideração da direção vetorial de velocidade GPS.

Filtragem de sinal

Os sinais dos sensores contêm inevitavelmente ruídos elétricos, bem como ruídos de fontes físicas, como vibração estrutural em voo. Esse ruído normalmente toma a forma de outliers únicos nos dados e ruídos de alta frequência; ambos podem ser atenuados com filtragem de sinal de baixo nível. Dois filtros de sinal de sensor comumente aplicados [13] são aplicados em nossos experimentos: um filtro médio móvel para atenuar ruídos de alta frequência e um filtro mediano para rejeitar outliers de sinal de sinais sequenciais de canal único, ou “sal e pimenta”, de imagens. A média móvel simples estima o sinal atual como o valor médio dos valores de dados n mais recentemente adquiridos em um cenário de controle em tempo real; no pós-processamento, cada sinal é estimado a partir de um número igual de pontos de dados anteriores e futuros para evitar efeitos de mudança de tempo. A estimativa da média móvel não renascido em tempo real utilizável para o controle de voo é, portanto, dada por:

(7)

onde está um único valor de dados de sensor no tempo passo k-i e é a estimativa média móvel para o passo k. Um grande valor para n elimina efetivamente o ruído de alta frequência, mas tem as desvantagens de introduzir atraso de tempo nas estimativas de sinal. Também pode filtrar sinais reais e transitórios. Para minimizar o impacto de dados antigos nas estimativas médias móveis, os dados são muitas vezes ponderados linear ou exponencialmente para que os pontos de dados mais recentes influenciem os resultados médios móveis mais do que os valores de dados mais antigos.

O filtro mediano para sinais de canal único é simples. Os últimos valores de dados brutos d são coletados em uma matriz ou conjunto, então a mediana, ou seja, o valor médio ou a média dos dois valores médios dado um número uniforme de valores, é devolvida:

(8)

onde está um único valor de dados do sensor e é a saída filtrada mediana no passo k dotempo . Os dados sujeitos tanto a ruídos de alta frequência quanto aos outliers são frequentemente processados sequencialmente através de filtros médios e móvel. Para evitar que os outliers influenciem o resultado da média móvel, o filtro mediano é tipicamente aplicado primeiro. Os valores para n e d são definidos pelo usuário, mas normalmente estão na faixa [3, 10] a menos que os dados sejam adquiridos a taxas muito altas do que são usados em decisões de controle.

Procedure

Este procedimento ilustrará a calibração e integração dos sensores IMU e ADS com computadores de voo e demonstrará o uso de aquisição e processamento de dados INS e ADS integrados usando em uma instalação de voo ao ar livre. O controle de voo de ponta a ponta para um quadrotor que opera na instalação de teste de voo líquido M-Air da Universidade de Michigan é demonstrado.

1. Calibração do sensor: Unidade de medição inercial (IMU)

A calibração do sensor é mais eficaz quando realizada com suporte de equipamentos de teste de alta qualidade. Para a IMU de 3 eixos, calibrar a taxa giroscópio e acelerômetro para cada eixo separadamente usando uma tabela de taxa de precisão(Figura 6). A tabela de taxa gira precisamente em uma velocidade angular definida pelo usuário. O usuário emite uma série de comandos de taxa, durante os quais o IMU coleta os dados necessários para a calibração do sensor. O experimento de calibração de um eixo único descrito abaixo é, portanto, repetido três vezes, uma vez para cada eixo de sensor IMU(x, y, z).

Monte o IMU na tabela de taxa de modo que o eixo do sensor que está sendo calibrado seja direcionado radialmente para dentro ou para fora.
Meça a distância do centro da mesa até o centro do centro da IMU. Este é o raio de referência para movimento circular.
Monte o computador DAQ, IMU e bateria diretamente na tabela de taxas e conecte todos os componentes diretamente.
Configure software para coletar dados de taxa de IMU e aceleração.
Enquanto a tabela de taxas está imóvel, o giroscópio de taxa de registro e os valores de viés do acelerômetro.
Realize uma série de experimentos com diferentes taxas de rotação de tabelas de taxa constante positivas e negativas. Espera-se que as calibrações dos sensores sejam lineares. Adquira dados a taxas de 0 (linha de base), ±15, ±30 e ±60 graus/segundo. A tabela pode girar a taxas mais rápidas, mas os valores selecionados são suficientes para cobrir sinais esperados em operações típicas de voo UAV.
Coletar dados da taxa giroscópio e acelerômetro sendo calibrados para cada valor de velocidade angular listado acima. Cada taxa de rotação deve ser estabelecida antes que os dados sejam coletados para garantir que uma taxa constante seja mantida. Coletar dados acima de 10 a 15 s, assumindo uma taxa de coleta de dados de pelo menos 30 a 100 Hz, para garantir que os distúrbios possam ser filtrados a partir dos valores finais de calibração.
Desconecte e remova o IMU da tabela de taxas e oriente-o de modo que o acelerômetro que está sendo calibrado acalmule.
Colete +1g de dados através do sistema do computador.
Gire o IMU de tal forma que o acelerômetro sendo calibrado aponte para cima e colete dados de -1g através do sistema do computador. Esses pontos de dados extras são simples de obter e podem ser usados para validar cada curva de calibração linear obtida a partir de dados de tabela de taxa em ±1g. O valor de 1g é particularmente importante para calibrar com precisão porque os dados do acelerômetro linear são usados para determinar a direção “para baixo” em relação ao corpo do quadcopter.
Processe os dados. Desenvolver ajustes de curva linear para pontos de dados de giroscópio e acelerômetro, que relaciona tensões adquiridas a taxas rotacionais de unidades MKS (giroscópio) e acelerações lineares (acelerômetro). Confirme se o erro de calibração é suficientemente baixo. Observe que a tabela de taxas fornece controle direto da velocidade angular para a calibração do giroscópio. A aceleração correspondente, a, induzida pela força centrípeta do movimento circular, pode ser calculada a partir da velocidade angular especificada ω e do raio r do IMU do centro de tabela de taxa:
(9)

2. Experimentos de voo quadrotor

Para nossa série final de experimentos, montamos o sistema IMU e pitot em um quadrotor (mostrado na Figura 7) e voamos na instalação de voo de rede M-Air da Universidade de Michigan. O veículo é estabilizado através de uma porta do pacote de piloto automático de código aberto Ardupilot para o Beaglebone Blue (sem uso de microprocessador) e configurado antes do voo através do software da estação terrestre Mission Planner. Uma interface de transmissor/receptor de rádio permite que o piloto forneça comandos de “loop externo” para altitude quadrotor, movimento lado a lado e indo para a lei de controle de voo “loop interno” do Ardupilot, regulando o ângulo de rolo do quadrotor, ângulo de arremesso, ângulo de guinada (posição e altitude). [14]

Como um quadrotor não requer feedback de velocidade de ar para estabilizar, o Ardupilot depende apenas de dados IMU mais um sensor de pressão para altitude, que é calibrado durante a inicialização do programa em relação à pressão de altitude de decolagem, para estabilizar o voo dado as entradas piloto. Uma extensão totalmente autônoma do Ardupilot requer dados de posição inercial do GPS ou outro sistema de sensoriamento (por exemplo, captura de movimento de alta velocidade). Como nossos experimentos foram realizados com quadrodores em ambientes restritos, o sistema de dados de ar pitot não é necessário. No entanto, os sistemas pitot são essenciais para aeronaves de asa fixa e multicopters que tentam rotas de voo precisas seguindo ambientes de vento incertos. [15, 16] O procedimento de teste de voo é dividido em três fases: pré-vôo, teste de voo e pós-vôo. Esta subdivisão é semelhante aos procedimentos seguidos por pilotos de aeronaves tripuladas através do uso de listas de verificação de cockpit bem estabelecidas. [17]

Pré-vôo

Carregue as baterias e teste-as antes da instalação.
Estabeleça um ambiente de teste claro (interior ou ao ar livre) e marque a área para garantir que as pessoas não envolvidas permaneçam claras.
Certifique-se de que a equipe de teste de voo seja informada e qualificada (treinada) para realizar o teste planejado.
Se voar ao ar livre, certifique-se de que a aeronave e o piloto estejam registrados e certificados pelos regulamentos da FAA. Um mínimo de três pessoas é necessário para um teste ao ar livre: um piloto no comando (PIC), observador visual (VO) e operador de estação terrestre. Para nossos testes, o quadrotor voará em uma instalação ao ar livre. Dois operadores de corda garantirão que o veículo não possa voar para testes internos. Observe que nenhuma regulamentação específica da FAA se aplica a testes de voo líquidos, uma vez que o UAV não ocupa um espaço aberto ao ar livre.
Ligue o computador de voo e o laptop da estação terrestre.
Colete dados preliminares para garantir que os sensores estejam funcionando corretamente. O piloto e a equipe de suporte devem garantir uma compreensão clara do plano de voo e que os procedimentos de abortagem/recuperação estejam em vigor.

Teste de voo

Inicie a aquisição de dados na estação terrestre.
Confirme se a área de voo está limpa/segura.
Propulsores de braço/motores.
Inicie a sequência de teste de voo.
Realize o teste de voo, com o piloto chamando cada passo, inclusive no mínimo:
decolagem (lançamento), mudanças no modo de voo, alvos ou manobras conhecidas do waypoint e pouso. Certifique-se de que todos os funcionários estão em tarefa e execute procedimentos de emergência (terminação de voo) conforme necessário. Waypoints e trajetórias são específicos para cada voo. Para o experimento quadrotor, seguimos padrões cruzados e retangulares moderadamente agressivos a uma altitude constante e direção, seguido por uma subida/descida e, em seguida, uma sequência de guinada. As taxas angulares e acelerações lineares neste voo são facilmente identificadas nos dados, e confirmam que o IMU e o controlador de voo estão funcionando corretamente.

Pós-vôo

Desarmar motores para garantir que eles não vão ligar acidentalmente.
Salve e baixe dados de voo para armazenamento de arquivamento.
Faça o voo em palavras pelo feedback do piloto, VO e operador de estação terrestre.
Verifique as baterias e carregue conforme necessário.
Recupere o equipamento e limpe a área para o próximo ocupante.

Uma aeronave de asa fixa consegue um voo constante equilibrando quatro forças: elevação aerodinâmica, arrasto aerodinâmico, impulso do sistema de propulsão e peso. Para alcançar um voo estável, ele também deve equilibrar momentos sobre os três eixos, o eixo roll, pitch e yaw. Todas as rotações são definidas como ângulos sobre este eixo com alterações no eixo do rolo causando movimento lado a lado, alterações no eixo de campo causando movimento de inclinação para frente e para trás e mudanças no eixo da guinada causando mudanças de posição.

A fim de estabilizar a aeronave a quaisquer mudanças repentinas como rajadas de vento, um sistema de controle de voo emite comandos de motor e superfície de controle que devem ser atualizados em tempo real. Assim, o sistema de controle utiliza vários sensores para manter uma medição precisa da altitude atual, o que significa os ângulos de rolo, arremesso e guinada, bem como a velocidade do ar. Uma vez que os dados são adquiridos dos sensores, os sinais são filtrados para reduzir o impacto do ruído e dos outliers na qualidade dos dados processados. Os dados são então agregados em uma estimativa completa do estado da aeronave e usados para controle de voo.

Tanto aeronaves de asa fixa quanto multicópteros dependem deste sistema de controle para monitorar e controlar a altitude das aeronaves. Ambos também utilizam varredura de sensores conhecida como unidade de medição inercial ou IMU.

Um IMU normalmente consiste em três tipos de sensores: acelerômetros para medir aceleração linear, taxas giroscópios para medir a velocidade angular e sensores de campo magnético para medir a direção e a força do campo magnético local. Um IMU é frequentemente acoplado a um sistema GPS e montado perto do centro de gravidade da aeronave com o eixo do sensor alinhado com o eixo do corpo da aeronave.

Neste laboratório, demonstraremos a calibração de um simples IMU usando uma tabela de taxa de precisão. Em seguida, montaremos o IMU calibrado em um multicóptero e realizaremos um teste de voo para visualizar dados em tempo real e filtrar.

Na primeira parte do experimento, calibraremos o IMU que contém uma taxa giroscópio e acelerômetro para cada eixo usando uma tabela de taxa de precisão. A tabela de taxa gira precisamente em uma velocidade definida pelo usuário após uma série de comandos de taxa. Isso nos permite determinar a relação entre a leitura da tensão e a velocidade.

Para começar, monte o IMU na tabela de taxas com parafusos e oriente-o, como que o eixo do sensor que está sendo calibrado neste caso o eixo X, seja diretamente para dentro ou para fora. Meça a distância do centro da mesa até o centro da IMU e use esta medida como raio de referência para movimento circular. O IMU está montado em uma placa de aquisição de dados. Conecte os componentes diretamente.

Agora, configure o software para coletar os dados de taxa de IMU e aceleração. Realize uma série de experimentos com diferentes taxas positivas e negativas de rotação de tabela de taxa constante com zero utilizado como medida de linha de base. Enquanto a tabela de taxa está imóvel, registre a taxa giroscópio e acelerômetro por valores S. Em seguida, inicie o teste e colete os dados.

Uma vez testadas todas as velocidades angulares para essa orientação, desprendem o IMU e reposicione-o de tal forma que o acelerômetro seja orientado para cima. Reanexe-o e inicie o teste para coletar dados de -1 G. Depois disso, gire o IMU para que o acelerômetro seja orientado para baixo e colete dados +1 G.

Quando você tiver concluído a calibração do eixo x, reposicione o IMU de modo que o sensor do eixo z seja orientalmente radialmente para fora e repita todos os testes, lembrando de posicionar o IMU para cima e para baixo para calibrar o acelerômetro. Realize o mesmo procedimento para o sensor do eixo Y.

Na próxima parte do experimento, montaremos o IMU no quadrotor e voaremos dentro de uma instalação de voo. Uma interface do receptor do transmissor de controle radial permite que o piloto forneça comandos para altitude, direção, ângulo de rolo, ângulo de campo e ângulo de guinada.

Antes de iniciar, carregue todas as baterias e teste os componentes antes da instalação no quadrotor. Então prepare o voo certificando-se de que pelo menos três pessoas, o piloto no comando, o observador visual e o operador da estação terrestre sejam informados sobre os planos de voo. Traga o quadrotor para a instalação de voo e coloque-o em uma tábua de pouso plana.

O teste de voo começa com a decolagem da origem subindo para uma altitude de 1,5 m. Então, executaremos um padrão de voo quadrado de dois metros com uma velocidade de referência de 0,5 m/s. O quadrotor faz uma pausa antes de cada mudança de posição. Em seguida, executaremos segmentos de travessias de maior velocidade em 0,5, 1 e 1,5 m/s para demonstrar como os impactos de velocidade ultrapassam.

Para começar o teste de voo, inicie a aquisição de dados na estação terrestre. Depois de confirmar que a área de voo está limpa, armar os motores. Agora, inicie a sequência de teste de voo com o piloto chamando cada passo antes de executá-los começando com a decolagem. Certifique-se de anunciar todas as mudanças no modo de voo, alvos conhecidos de waypoint ou manobras.

Depois que o plano de voo for executado, alerte o resto da equipe de voo da descida final e pouso do quadcopter. Então, desarme os motores no quadcopter. Salve e baixe todos os dados do voo e registre o voo no diário de bordo do voo. Por fim, recupere todos os equipamentos e limpe a área para o próximo usuário.

Agora vamos interpretar os resultados. Começando com os dados de calibração para o IMU, primeiro mostramos um gráfico de velocidade rotacional da tabela de taxa versus a tensão do giroscópio. Observe que a tabela de taxas fornece controle direto da velocidade angular para a calibração do giroscópio. Um ajuste linear aos dados permite o cálculo da velocidade a partir da tensão do giroscópio. Neste caso, o giroscópio de taxa emite uma leitura nominal de velocidade zero de 2,38 volts.

Finalmente, vamos olhar para os dados de voo. Aqui mostramos um conjunto de dados de aceleração lateral de 30 segundos para o quadrotor usando nosso IMU calibrado. Este gráfico mostra medições de aceleração cruas e filtradas do IMU versus o tempo. Os dados foram filtrados para remover o ruído da medição. Você pode ver que os dados de ruído bruto estão atenuados. No entanto, há um atraso de tempo nos dados filtrados.

Em resumo, aprendemos como os sistemas de controle de aeronaves usam vários sensores para medir a altitude atual e a velocidade do ar durante o voo. Em seguida, calibramos uma taxa giroscópio e acelerômetro e montamos-os em um quadrotor antes de realizar experimentos de voo.

Results

Calibração do sensor

Um exemplo de um gráfico de calibração de giroscópio é mostrado na Figura 8. Neste caso, o giroscópio de taxa emite uma leitura nominal (velocidade zero) de 2,38 V. Os dados de tensão giroscópio foram coletados para seis velocidades rotacionais diferentes medidas em graus por segundo, e uma curva linear foi adequada a esses dados. Como mostrado, o ajuste linear fornece uma aproximação muito boa de todos os pontos de dados coletados.

Resultados dos testes de voo

As figuras 9 mostram os dados brutos e filtrados de um conjunto de dados de aceleração lateral de 30 s para um quadrotor voando em um ambiente interno. Os valores do filtro d e n são relativamente grandes para ilustrar claramente o impacto do processo de filtragem. Como mostrado, o ruído de dados brutos é atenuado. No entanto, um notável atraso de tempo está presente nos dados filtrados, por exemplo, na tendência de aceleração positiva (atenuada) pouco antes de t=5 s. Para esta parcela, nota-se um pequeno viés negativo na tendência global de aceleração; isso é provavelmente devido a um leve tom no montagem do IMU em relação ao plano do propulsor quadro, de tal forma que um pequeno componente de aceleração gravitacional é notado na medição de aceleração do eixo x. Tal deslocamento é comum ao alinhar sensores apenas através de inspeção visual.

Figura 1. Forças Fundamentais agindo em aeronaves. Clique aqui para ver uma versão maior desta figura.

Figura 2. Pipeline de dados de sensores para controle de voo. Clique aqui para ver uma versão maior desta figura.

Figura 3. Sensores da Unidade de Medição Inercial (IMU) e Convenções do Eixo. Clique aqui para ver uma versão maior desta figura.

Figura 4. Sistema de tubo pitot para velocidade de ar(V)Medição. Clique aqui para ver uma versão maior desta figura.

Figura 5. Sistema de sonda de cinco furos para velocidade de ar(V),ângulo de ataque(a) e ângulo de deslizamento lateral(b)Medição. Clique aqui para ver uma versão maior desta figura.

Figura 6. Calibração do sensor IMU com uma tabela de taxa de eixo único. Como mostrado, a tensão giroscópio de taxa z-eixopode ser calibrada diretamente para cada velocidade angular comandada, w, e o acelerômetro x-eixopode ser calibrado a partir da aceleração centrípeta dada a velocidade angular w e raio medido r do centro da tabela de taxa para o centroide IMU. O IMU pode ser girado e remontado para calibrar as medidas dos outros eixos giroscópio e acelerômetro. Clique aqui para ver uma versão maior desta figura.

Figura 7. Plataforma Quadrotor com Beaglebone Blue usada para testes de voo. Clique aqui para ver uma versão maior desta figura.

Figura 8. Exemplo de calibração do exemplo de giroscópio. Clique aqui para ver uma versão maior desta figura.

Figura 9. Exemplo Quadrotor Lateral (x) Resumo de dados do acelerômetro Trecho para um voo interno usando um filtro mediano com d=8 e filtro médio móvel com janela n=15. Os dados brutos são indicados pela tendência azul, e os dados filtrados são mostrados em laranja. Clique aqui para ver uma versão maior desta figura.

Figura 10. Exemplo de GPS UAS de asa fixa, acelerômetro e dados de teste de voo de giroscópio. Dados brutos (não filtrados) são apresentados para ilustrar a necessidade de filtragem de sinal. Clique aqui para ver uma versão maior desta figura.

Applications and Summary

Aqui descrevemos os sistemas de sensores, aquisição de dados e processo de filtragem de sinais necessários para permitir o controle de voo de aeronaves de asa fixa e rotativa em tempo real. Este pipeline de dados é um elemento essencial de todos os sistemas de piloto automático de aeronaves tripuladas e não tripuladas. Os multicopters exigem pilotos automáticos para estabilizar, e aeronaves de todos os tipos dependem criticamente da aquisição de dados em tempo real e controle de voo para todas as operações à medida que avançamos em direção a sistemas de aeronaves cada vez mais autônomos que conduzem missões envolvendo coleta de dados aéreos e transporte de carga. Embora os pacotes de sensores fora da prateleira possam ser integrados, a confiabilidade é fundamental para entender as capacidades e limitações dos sensores em diferentes ambientes. Por exemplo, precipitação pesada ou gelo podem bloquear tubos de pitot, e estruturas de cânions urbanos podem bloquear sinais GPS.

Além disso, atitudes incomuns podem exigir extensão para cálculos de estimativas estatais que dependem de representações de atitude de Euler Angle. Há uma troca inerente entre a resiliência adquirida através da integração de sensores extras e o custo extra e peso necessários para suportar sensores redundantes. Os pequenos UAVs de menor custo provavelmente continuarão a empregar o conjunto de sensores de base para controle de voo descrito aqui. Embora as aeronaves mais confiáveis, como transporte comercial e aeronaves de caça, baseiem suas estimativas estaduais em sensores semelhantes aos descritos aqui, eles dependem de redundância tripla e diversidade de sensores para garantir que o controlador de voo da aeronave possa contar com uma estimativa precisa do estado, apesar do potencial de falhas nos sensores ou condições ambientais extremamente desafiadoras.

A Figura 10 mostra as histórias de tempo gps e IMU (cruas) tiradas de um pequeno teste de voo uas de asa fixa. Os dados do GPS mostram o padrão local de loitering pilotado manualmente por um piloto através de um link de controle de rádio. As histórias de tempo brutas do IMU mostram sinal, mas também exibem ruídos substanciais de sinal. Este ruído resulta principalmente de vibrações estruturais de estrutura de ar induzidas pela unidade de propulsão (motor) e é típico para UAS de asa fixa com madeira leve ou estruturas compostas. Observe que os dados foram coletados após isolar vibracionalmente a IMU da estrutura com suportes de borracha, proporcionando forte motivação para filtragem de sinais. Nos dados de resposta ao tempo, a decolagem (lançamento) ocorre logo após t=100 s, e o pouso é visto nos “picos” de dados de grande magnitude que ocorrem pouco antes de t=450 s.

CONFIRMAÇÕES

Reconhecemos o Sr. Prashin Sharma, o Sr. Matthew Romano, e o Dr. Peter Gaskell da Universidade de Michigan por sua ajuda na criação e condução de experimentos.

References

Langelaan, J.W., Alley, N., and Neidhoefer, J., 2011. Wind field estimation for small unmanned aerial vehicles. Journal of Guidance, Control, and Dynamics, 34(4), pp.1016-1030.
Hallberg, E., Kaminer, I., and Pascoal, A., 1999. Development of a flight test system for unmanned air vehicles. IEEE Control Systems, 19(1), pp.55-65.
Kim, J.H., Sukkarieh, S., and Wishart, S., 2003. July. Real-time Navigation, Guidance, and Control of a UAV using Low-cost Sensors. In Field and Service Robotics, Springer, pp. 299-309.
Gracey, W., 1956. Wind-tunnel investigation of a number of total-pressure tubes at high angles of attack-subsonic, transonic, and supersonic speeds (No. NACA-TN-3641). National Aeronautics and Space Administration (NASA) Langley Research Center, Hampton, VA. (http://www.dtic.mil/get-tr-doc/pdf?AD=ADA377664)
Morrison, G.L., Schobeiri, M.T., and Pappu, K.R., 1998. Five-hole pressure probe analysis technique. Flow Measurement and Instrumentation, 9(3), pp.153-158.
Farrell, J. and Barth, M., 1999. The global positioning system and inertial navigation. New York, NY, USA, McGraw-Hill.
Enge, P., Walter, T., Pullen, S., Kee, C., Chao, Y.C., and Tsai, Y.J., 1996. Wide area augmentation of the global positioning system. Proceedings of the IEEE, 84(8), pp.1063-1088.
Goodrich, M.A., Morse, B.S., Gerhardt, D., Cooper, J.L., Quigley, M., Adams, J.A., and Humphrey, C., 2008. Supporting wilderness search and rescue using a camera‐equipped mini UAV. Journal of Field Robotics, 25(1‐2), pp.89-110.
Rufa, J.R., and Atkins, E.M., 2016. Unmanned aircraft system navigation in the urban environment: A systems analysis. Journal of Aerospace Information Systems, 13(4), pp.143-160.
Paret, D. and Fenger, C., 1997. The I2C bus: from theory to practice. John Wiley & Sons, Inc.
S. Cesnik, C.E., Senatore, P.J., Su, W., Atkins, E.M., and Shearer, C.M., 2012. X-HALE: A very flexible unmanned aerial vehicle for nonlinear aeroelastic tests. AIAA Journal, 50(12), pp.2820-2833.
Vasconcelos, J.F., Elkaim, G., Silvestre, C., Oliveira, P., and Cardeira, B., 2011. Geometric approach to strapdown magnetometer calibration in sensor frame. IEEE Transactions on Aerospace and Electronic Systems, 47(2), pp.1293-1306.
Bovik, A., Huang, T.S., and Munson, D., 1983. A generalization of median filtering using linear combinations of order statistics. IEEE Transactions on Acoustics, Speech, and Signal Processing, 31(6), pp.1342-1350.
Beard, R.W. and McLain, T.W., 2012. Small unmanned aircraft: Theory and practice. Princeton University Press.
Yeo, D., Shrestha, E., Paley, D.A., and Atkins, E.M., 2015. An empirical model of rotorcraft UAV downwash for disturbance localization and avoidance. In AIAA Atmospheric Flight Mechanics Conference, AIAA.
Yeo, D., Sydney, N., and Paley, D.A., 2016. Onboard flow sensing for rotary-wing UAV pitch control in wind. In AIAA Guidance, Navigation, and Control Conference.
Degani, A. and Wiener, E.L., 1993. Cockpit checklists: Concepts, design, and use. Human Factors, 35(2), pp.345-359.
Yeo, D., Henderson, J., and Atkins, E., 2009, August. An aerodynamic data system for small hovering fixed-wing UAS. In AIAA Guidance, Navigation, and Control Conference.

Transcript

A fixed wing aircraft achieves steady flight by balancing four forces: aerodynamic lift, aerodynamic drag, propulsion system thrust and weight. To achieve stable flight, it must also balance moments about all three axis, the roll, pitch and yaw axis. All rotations are defined as angles about these axis with changes in the roll axis causing side-to-side motion, changes to the pitch axis causing forward and backward tilting motion and changes in the yaw axis causing heading changes.

In order to stabilize the aircraft to any sudden changes like gusts of wind, a flight control system issues motor and control surface commands that must be updated in real-time. Thus, the control system uses various sensors to maintain an accurate measurement of current altitude, meaning the roll, pitch and yaw angles, as well as the air speed. Once data is acquired from the sensors, the signals are filtered to reduce the impact of noise and outliers on processed data quality. The data is then aggregated into a full estimate of aircraft state and used for flight control.

Both fixed wing aircraft and multicopters rely on this control system to monitor and control aircraft altitude. Both also utilizes sensor sweep known as an inertial measurement unit or IMU.

An IMU typically consists of three sensor types: accelerometers to measure linear acceleration, rate gyroscopes to measure angular velocity and magnetic field sensors to measure the direction and strength of the local magnetic field. An IMU is often coupled with a GPS system and mounted near the aircraft center of gravity with the sensor axis aligned with the axis of the aircraft body.

In this lab, we will demonstrate the calibration of a simple IMU using a precision rate table. We’ll then mount the calibrated IMU to a multicopter and perform a flight test to view real time and filter data.

In the first part of the experiment, we will calibrate the IMU which contains a rate gyro and accelerometer for each axis using a precision rate table. The rate table precisely rotates at a user defined velocity following a series of rate commands. This enables us to determine the relationship between the voltage readout and velocity.

To begin, mount the IMU on the rate table with screws and orient it such as that the sensor axis being calibrated in this case the X-axis, is directly radially inward or outward. Measure the distance from the table center to the IMU center and use this measurement as the reference radius for circular motion. The IMU is mounted on a data acquisition board. Connect the components directly.

Now, set up the software to collect the IMU rate and acceleration data. Conduct a series of experiments with different positive and negative constant rate table rotation rates with zero used as the baseline measurement. While the rate table is motionless, record the rate gyro and accelerometer by S values. Then, initiate the test and collect the data.

Once all the angular velocities have been tested for that orientation, detach the IMU and reposition it such that the accelerometer is oriented upward. Reattach it, then initiate the test to collect -1 G data. After that, flip the IMU so that the accelerometer is oriented downward and collect +1 G data.

When you have completed the calibration of the x-axis, reposition the IMU so that the z-axis sensor is orientally radially outward and repeat all tests, remembering to position the IMU upwards and downwards to calibrate the accelerometer. Perform the same procedure for the y-axis sensor.

In the next part of the experiment, we will mount the IMU on the quadrotor and fly it inside of a netted flight facility. A radial control transmitter receiver interface enables the pilot to provide commands for altitude, heading, roll angle, pitch angle and yaw angle.

Before starting, charge all batteries and test the components prior to installation on the quadrotor. Then prepare the flight making sure that at least three people, the pilot in command, the visual observer and the ground station operator are all briefed on the flight plans. Bring the quadrotor into the netted flight facility and set it on a flat landing board.

The flight test begins with take off from the origin climbing to a 1.5 m altitude. Then, we’ll execute a two meter square flight pattern with a 0.5 m/s reference velocity. The quadrotor pauses prior to each change of position. Then we’ll execute segments of higher speed traversals at 0.5, 1, and 1.5 m/s to demonstrate how velocity impacts overshoot.

To begin the flight test, start the data acquisition on the ground station. After confirming that the flight area is clear, arm the motors. Now, initiate the flight test sequence with the pilot calling out each step before performing them beginning with takeoff. Be sure to announce all flight mode changes, known waypoint targets, or maneuvers.

After the flight plan has been executed, alert the rest of the flight team of the final descent and landing of the quadcopter. Then, disarm the motors on the quadcopter. Save and download all flight data and log the flight in the flight logbook. Finally, recover all equipment and clear the area for the next user.

Now let’s interpret the results. Starting with the calibration data for the IMU, first we show a plot of rotational speed of the rate table versus the gyro voltage. Note that the rate table provides direct control of angular velocity for the gyro calibration. A linear fit to the data enables the calculation of speed from gyro voltage. In this case, the rate gyro emits a nominal zero speed reading of 2.38 volts.

Finally, let’s look at the flight data. Here we show a 30 second lateral acceleration data set for the quadrotor using our calibrated IMU. This plot shows raw and filtered acceleration measurements from the IMU versus time. The data was filtered in order to remove noise from the measurement. You can see that raw noise data is attenuated. However a time delay is present in the filtered data.

In summary, we learned how aircraft control systems use various sensors to measure current altitude and airspeed during flight. We then calibrated a rate gyro and accelerometer and mounted them on a quadrotor before performing flight experiments.

Tags

Valor vazio emissão