Echtzeit-Flugsteuerung: Eingebettete Sensorkalibrierung und Datenerfassung

Aeronautical Engineering
 

Concepts

Quelle: Ella M. Atkins, Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI

überblick

Der Autopilot ermöglicht die Stabilisierung von Flugzeugen mithilfe von Daten, die von Bordsensoren gesammelt werden, die die Ausrichtung, Winkelgeschwindigkeit und Fluggeschwindigkeit des Flugzeugs messen. Diese Mengen können vom Autopiloten so eingestellt werden, dass das Flugzeug automatisch einem Flugplan vom Start (Start) durch Bergung (Landung) folgt. Ähnliche Sensordaten werden gesammelt, um alle Flugzeugtypen zu steuern, von großen stationären Verkehrsflugzeugen bis hin zu kleinen Mehrrotor-Hubschraubern wie dem Quadrocopter mit vier Schubtriebwerken.

Mit Trägheitsposition und Geschwindigkeit, die von einem Sensor wie dem Global Positioning System (GPS) erfasst wird, ermöglicht das Autopilot-Echtzeit-Flugsteuerungssystem einem Multicopter oder einem Festflügelflugzeug, seine Haltung und Fluggeschwindigkeit zu stabilisieren, um einer vorgeschriebenen Flugbahn. Sensorintegration, Kalibrierung, Datenerfassung und Signalfilterung sind Voraussetzungen für Experimente in der Flugsteuerung.

Hier beschreiben wir eine Sensor-Suite, die die notwendigen Daten für die Flugsteuerung liefert. Signalschnittstellen und Datenerfassung auf zwei verschiedenen eingebetteten Computerplattformen werden beschrieben und die Sensorkalibrierung wird zusammengefasst. Einkanalige Gleitende Mittelwerte und Medianfilter werden auf jeden Datenkanal angewendet, um hochfrequentes Signalrauschen zu reduzieren und Ausreißer zu eliminieren.

In diesem Experiment wird die Datenerfassung und Sensorkalibrierung für die Echtzeit-Flugsteuerung demonstriert. Mehrere veröffentlichte Papiere haben die Prinzipien der Erfassung und Steuerung von Sensordaten beschrieben, und sie haben sich in letzter Zeit auf Sensoren für kleine unbemannte Luftfahrzeuge (UAVs) [1-3] konzentriert.

Cite this Video | Reprints and Permissions

JoVE Science Education Database. flugzeugbau. Echtzeit-Flugsteuerung: Eingebettete Sensorkalibrierung und Datenerfassung. JoVE, Cambridge, MA, (2019).

Principles

Flugzeuge müssen ihre Kräfte und Momente durch Aerodynamik und Antriebssysteme ausbalancieren. Wie in Abbildung 1adargestellt, gleicht ein Flugzeug mit festem Flügel vier Kräfte im Dauerflug aus: aerodynamischer Hub, aerodynamischer Luftwiderstand, Schub des Antriebssystems und Gewicht. Festflügelflugzeuge steigen entweder nach oben oder unten, um zu klettern oder abzusteigen, und rollen entweder nach links oder nach rechts, um sich einer neuen Überschrift zuzuwenden.

Wie in den Abbildungen 1b und 1cdargestellt, muss ein schwebender Multicopter den von den Schubeinheiten erzeugten Auftrieb mit seinem Gewicht ausbalancieren, während sich ein Multicopter mit einer spürbaren Geschwindigkeit dreht, so dass sein Schub den aerodynamischen Luftwiderstand ausbalanciert. Um einen stabilen Flug zu erreichen, müssen Flugzeuge auch Momente über alle drei Achsen ausbalancieren. Rotationen werden mit den folgenden Konventionen für dreidimensionale (3D) Flug definiert:

  1. Rolle () – Drehung um die Achse, die nach vorne zeigt (x), was zu seitenweisebewegung führt
  2. Tonhöhe (- ) – Drehung um die Achse, die von links nach rechts verläuft (y), was zu einer Vorwärts- und Rückwärtsneigungsbewegung führt
  3. Yaw () – Drehung um die vertikale Achse (z), was zu einer Änderung des Richtungswinkels führt

Ein Flugsteuerungssystem gibt Motor- und Steueroberflächenbefehle aus, die die Rolle, die Steigung, die Gähnhaltung und die Gleichgewichtskräfte des Flugzeugs stabilisieren, wie in Abbildung 1dargestellt. Befehle müssen zuverlässig und in Echtzeit aktualisiert werden, um sicherzustellen, dass das Flugzeug Störungen wie Wind korrigieren kann. Um eine vorgeschriebene Haltung zu erreichen und aufrechtzuerhalten, muss das Kontrollsystem eine genaue Schätzung der Haltung des Flugzeugs (Rolle, Tonhöhe, Gähnen) sowie seiner Veränderungen in der Haltung im Laufe der Zeit (Winkelgeschwindigkeiten) beibehalten. Da Kräfte wie Auf- und Abzieher entscheidend vom Luftstrom abhängen, ist eine zusätzliche Erfassung erforderlich, um die Fluggeschwindigkeit (V in Abbildung 1) und die Luftstromrichtung in Bezug auf das Flugzeug zu bestimmen. Um einer vorgeschriebenen Flugbahn zu folgen, muss das Flugzeug seine Position auch über einen Sensor wie ein GPS erfassen, Flugzeugsensoren, die die Flugsteuerung ermöglichen, sind in Abbildung 2dargestellt.

Sobald Daten von Sensoren erfasst werden, werden die Signale gefiltert, um die Auswirkungen von Rauschen und Ausreißern auf die verarbeitete Datenqualität zu reduzieren. Anschließend werden die Daten in eine vollständige Schätzung des Flugzeugzustands aggregiert, einschließlich 3D-Positionen, linearer Geschwindigkeiten, Ausrichtung (Haltung) und Winkelgeschwindigkeiten. Der Flugzeugzustand wird an den Fluglotsen gesendet, der dann Die Befehle an die Flugzeugstrahlruder und/oder Steuerflächen für Konfigurationen mit festem Flügel aktualisiert.

Flugzeugsensoren

Flugzeuge, einschließlich Festflügel und Multicopter, verlassen sich auf eine Sensorsuite, die als Trägheitsmesseinheit (IMU) bekannt ist, um die Einstellung von 3D-Flugzeugen und die Winkelgeschwindigkeit zu bestimmen. Ein IMU besteht in der Regel aus drei Sensortypen: Beschleunigungsmesser zur Messung der linearen Beschleunigung; Rate Gyroskope (Gyros) zur Messung der Winkelgeschwindigkeit; und Magnetfeldsensoren zur Messung der Richtung und Stärke des lokalen Magnetfeldes. Eine dreiachsige IMU, wie in Abbildung 3dargestellt, ist mit einem dreiachsigen Referenzkoordinatensystem konfiguriert. Insgesamt neun Sensorelemente, darunter drei Beschleunigungsmesser, Drei-Raten-Gyros und ein Drei-Achsen-Magnetometer, bieten unabhängige Messungen der linearen Beschleunigung(ax, ay und az), Der Winkelgeschwindigkeit (x, y, z), und Magnetfeld (mx, my und mz). Eine IMU wird in der Regel in der Nähe des Schwerpunkts des Flugzeugs (CG) montiert, wobei die Sensorachsen an den Karosserieachsen des Flugzeugs ausgerichtet sind, wie in Abbildung 3dargestellt.

Kleine IMU-Sensorpakete sind jetzt kostengünstig erhältlich. Jeder Sensor gibt eine analoge Spannung aus, die dann lokal verarbeitet oder direkt an einen Flugcomputer gesendet werden kann, wie unten beschrieben. Ein integriertes Trägialnavigationssystem (INS) kombiniert ein IMU mit einem GPS-Empfänger. GPS-Einheiten übersetzen Satellitensignale intern in Schätzungen der Trägheitsposition auf der Erde, z. B. Breitengrad, Längengrad, Höhe und lineare 3D-Geschwindigkeit des Flugzeugs, das in einem lokalen Koordinatenrahmen wie NED (North-East-Down) dargestellt wird. Eine IMU allein ist in der Lage, die Flugeinstellung zu stabilisieren; Mit einem INS kann ein Flugzeug jedoch eine vorgeschriebene Flugbahn verfolgen.

Da aerodynamische Kräfte stark von der Fluggeschwindigkeit abhängig sind, erfordern V, Festflügelflugzeuge Messungen des Luftstroms für eine gute Flugsteuerungsleistung. Durchflussmessungen werden mit einem Luftdatensystem (ADS) erfasst. In Kleinflugzeugen wird oft nur die Fluggeschwindigkeit gemessen. In Hochleistungsflugzeugen sind Messungen der Strömungsrichtung und -geschwindigkeit erforderlich.

Abbildung 4zeigt ein grundlegendes pitotstatisches System [4], mit dem die Fluggeschwindigkeit von Flugzeugen vgemessen wird. Das Pitotrohr selbst hat ein zentrales Loch, das direkt in den Gegenstrom zeigt. Dieses Loch ist durch ein zentrales Rohr mit einem Port eines Differenzdrucksensors verbunden. Vier Löcher, die sich gleichmäßig um die Außenseite des Pitotrohrs befinden, sind durch ein einziges Peripherierohr mit dem anderen Anschluss des Differentialsensors verbunden. Das zentralrohrmisst Stagnation oder Gesamtdruck, PT, das ist der Luftdruck an einem Punkt, an dem die Strömungsgeschwindigkeit Null ist. Das Äußere Rohr misst den statischen Luftdruck, PS, der mit dem Strömungsstrom verbunden ist, der sich bei Freestream-Fluggeschwindigkeit bewegt, V. Kombinierter Druck aus den vier peripheren Anschlüssen durchschnittlich die vier statischen Druckmessungen, um Strömungsfehlstellungen mit dem Pitotrohr sowie geringfügige Strömungsturbulenzen zu berücksichtigen. Die Fluggeschwindigkeit wird aus Bernoullis Gleichung unter Bezitsdichte berechnet:

    (1)

Dynamischer (Differenz-)Druck, der von einem Pitot-Rohrsystem gemessen wird, wird dann gegeben durch:

(2)

Die Fluggeschwindigkeit V wird dann gegeben durch:

    (3)

Eine Fünf-Loch-Sonde [5], die in Abbildung 5dargestellt ist, bietet die Möglichkeit, den Freistrom-Flusswinkel und die Geschwindigkeit zu messen. Diese Sonde, eine Erweiterung des Basis-Pitot-statik-Systems, misst auch PT von einem zentralen Rohr aus. Vier weitere Anschlüsse oberhalb und/oder unterhalb und zu beiden Seiten des zentralen Gesamtdruckanschlusses werden in der Regel an Absolutdrucksensoren angeschlossen. Der Angriffswinkel , der dem Steigungswinkel während des Pegelfluges entspricht, wird aus einer Funktion berechnet, die die Oberen und unteren Druckmessungen vergleicht:

    (4)

Die Kalibrierfunktion wird bestimmt, indem die Fünf-Loch-Sonde in einen (kleinen) Windkanal gesetzt wird und dann die Windkanaldruckdaten über eine Reihe bekannter Angriffswinkelzwischenflüge zwischen dem minimalen und dem maximal erwarteten Flug angepasst werden. Werte für .. In ähnlicher Weise wird der Inder-/Seitenflusswinkel (Sideslip) aus einer Funktion berechnet, die die Messungen des linken und rechten Drucks vergleicht:

(5)

In ähnlicher Weise wird die Kalibrierfunktion durch kurvenschlüssige Windkanaldruckdaten bestimmt, die über eine Reihe bekannter Seitenschlupfwinkelbedingungen zwischen minimalen und maximalen erwarteten Flugwerten für .

Die IMU und ADS ermöglichen es einem Flugzeug, seine Haltung, Winkelgeschwindigkeiten und Fluggeschwindigkeit (und potenziell Richtung) zu spüren. Eine GPS-Einheit, die in der Regel entweder über ein standardisatorisch verbundenes INS oder eine separate GPS-Schnittstelle mit einem Flugcomputer verbunden ist, liefert Messungen der Trägialposition und -geschwindigkeit. Eine GPS-Einheit [6] aggregiert Die Ankunftszeitdaten von mehreren Satelliten, um die Empfängerposition aus der Triangulation zu schätzen. Baseline GPS hat eine Positionsgenauigkeit in der Größenordnung von 1-3 Metern in offenen Bereichen; die meisten UAVs hosten Basis-GPS-Einheiten. GPS kann auch WAAS-Signale (Wide Area Augmentation System) [7] von einer Signalquelle in einer lokalen Region empfangen, die Positionsschätzungsfehler auf unter einen Zähler reduzieren. GPS-Positionen werden im Koordinatensystem der Erde gemessen, typischerweise LLA (Latitude, Longitude, Altitude). GPS bietet auch eine lokale Messung der 3D-Geschwindigkeit eines Flugzeugs relativ zur Erde in NED (North-East-Down) oder ENU (East-North-Up) erdbasierten Koordinatensystemen. GPS-Einheiten berechnen intern Positions- und Geschwindigkeitsinformationen und kommunizieren diese Werte an einen Bordflugcomputer.

GPS ermöglicht es einem Flugzeug, einem Flugplan zu folgen, der von Wegpunkten in einem erdfesten Koordinatenrahmen beschrieben wird. Viele Missionen, z. B. kleine Drohnenüberwachung, erfordern, dass das UAV in Bezug auf eine lokale Umgebung navigiert. Zu diesem Zweck kann das UAV weiterhin einen GPS-Empfänger tragen, verlässt sich aber auf Onboard-Sensoren wie Kameras, Radar oder Lidar, um in Bezug auf eine lokale Umgebung zu navigieren. Viele Forscher haben die Drohnennavigation in Bezug auf eine lokale Umgebung mit Onboard-Sensoren untersucht, z. B. bei Such- und Rettungsanwendungen [8] und für die kleine UAV-Lokalisierung in einer städtischen Canyon-Umgebung, in der der GPS-Signalempfang unzuverlässig ist [9].

Datenerfassung (DAQ) und Sensorkalibrierung

Jeder IMU- und ADS-Sensor gibt eine analoge Spannung aus, die durch einen Analog-digital-Wandler (A/D) und dann über einen digitalen Prozessor oder Mikroprozessor verläuft. Die A/D-Konvertierung kann direkt auf dem Flugcomputer durchgeführt werden, oder ein dedizierter Mikroprozessor kann eine A/D-Konvertierung durchführen und Daten erneut übertragen. Da das Signal über lange Signaldrähte verloren geht, ist es vorteilhaft, eine A/D-Konvertierung in der Nähe der Sensorsignalquelle durchzuführen. Daher betten viele moderne IMUs einen Mikroprozessor ein und übertragen digitalisierte Spannungsmessungen über eine (verlustfreie) serielle Verbindung. So beherbergt die MPU-9250 beispielsweise die neun IMU-Sensoren (3 Beschleunigungsmesser, 3-Raten-Gyros, 3-Achsen-Magnetometer) und einen Mikroprozessor auf einer einzigen Leiterplatte. Die gesammelten Daten werden dann über eine serielle I2C-Verbindung an den Flugcomputer verteilt [10].

In dieser Demo veranschaulichen wir die Verwendung einer IMU mit I2C-Verbindung und die direkte Erfassung analoger Daten auf dem Flugcomputer über zwei eingebettete Computerplattformen: eine Diamond Systems Athena II und eine Beaglebone Blue. Sie wurden aufgrund ihrer vielfältigen Hardware-Schnittstellenfunktionen ausgewählt. Beide sind leicht und haben einen kleinen Formfaktor, der für die Installation auf einem kleinen UAV geeignet ist. Die Athena II ist ein etabliertes Produkt; Seine Stärke liegt in einer hochauflösenden (16-Bit A/D) Datenauflösung, die mit dem leichten Echtzeit-Betriebssystem QNX Neutrino eine zuverlässige Datenerfassung bis zu 3 kHz gewährleistet. Der Beaglebone Blue, der eine Variante von Linux betreibt, hat einen A/D-Wandler mit niedrigerer Auflösung, aber er ist mit einer Vielzahl von seriellen Geräten, einschließlich I2C, in Kontakt. Der Beaglebone ist kostengünstig, hat einen schnelleren Prozessor und ist mit zahlreichen Linux-basierten Anwendungen kompatibel. Es ist daher eine bessere allgemeine Wahl für kostengünstige Experimente. Die Athena II wird in diesem Experiment verwendet, um ihren Nutzen bei der direkten Erfassung von Sensordaten mit Anwendung auf forschungsbasierte Flugdatenerfassung zu demonstrieren, z. B. in einer flexiblen experimentellen Drohnenplattform [11].

Vor dem Einsatz für die Flugsteuerung müssen IMU- und ADS-Sensoren ordnungsgemäß kalibriert werden. Die End-to-End-Kalibrierung berücksichtigt die Spannungsskalierung und -verzerrung, da der physikalische Sensorausgang durch den A/D-Wandler an den Computer übergeht und dann in MKS-Einheiten (Meter-Kilogramm-Sekunde) übersetzt wird:

(6)

wobei das erfasste Signal in Volt durch Vorspannung, b, versetzt und dann um Faktor m auf einen MKS-Einheitenwert skaliert wird, . IMUs mit serieller Schnittstelle können Optionen zum Erfassen von Messwerten in Volt- oder MKS-Einheiten basierend auf der Kalibrierung des Herstellers bieten. Direkt erfasste Sensordaten für IMU oder ADS erfordern das Lesen eines ganzzahligen Wertes aus jedem A/D-Kanal (in Anzahlen), der in einen Gleitkommaspannungsmesswert basierend auf der Auflösung des A/D-Wandlers (z. B. 12 Bit oder 16 Bit) und einem vollskaligen Spannungsbereich übersetzt wird. Um Ungenauigkeiten sowohl bei den Standard-Sensorkalibrierungen als auch beim A/D-Konvertierungsprozess zu berücksichtigen, ist es in der Regel vorteilhaft, IMU und ADS zu kalibrieren, sobald sie vollständig in die Datenerfassungspipeline integriert sind.

Für die IMU werden Beschleunigungsmesserspannungen auf einen Wert relativ zur Nullbeschleunigung in Metern pro Sekunde im Quadrat skaliert, und die Kreiselspannungen werden auf einen Wert relativ zur Winkelgeschwindigkeit von Null in Bogenmaß pro Sekunde skaliert. Die Kalibrierung eines Magnetometers erfordert einen sorgfältigeren Prozess, der lokale Störquellen berücksichtigt [12]. In diesem Experiment veranschaulichen wir die Verwendung einer Ratetabelle zum Kalibrieren von Ratengyros und Beschleunigungsmessern. Beachten Sie, dass in komplexen Umgebungen ein Magnetometer trotz bester Kalibrierungsbemühungen möglicherweise nicht genau ist. in diesen Fällen wird die Überschrift auf alternative Weise bestimmt, z. B. unter Berücksichtigung der Gps-Geschwindigkeitsvektorüberschrift.

Signalfilterung

Sensorsignale enthalten unweigerlich elektrisches Rauschen sowie Geräusche aus physikalischen Quellen, wie z. B. strukturelle Schwingungen während des Fluges. Solche Geräusche haben in der Regel die Form von einzelnen Ausreißern in den Daten und Hochfrequenzrauschen; beide können mit Low-Level-Signalfilterung abgeschwächt werden. Zwei häufig eingesetzte Sensorsignalfilter [13] werden in unseren Experimenten eingesetzt: ein gleitender Durchschnittsfilter zur Dämpfung von Hochfrequenzrauschen und ein Medianfilter zur Ablehnung von Signalausreißern aus einkanaligen sequentiellen Signalsignalen oder "Salz und Pfeffer" aus Bildern. Der einfache gleitende Durchschnitt schätzt das aktuelle Signal als Mittelwert der zuletzt erfassten n-Datenwerte in einem Echtzeit-Kontrollszenario; In der Nachbearbeitung wird jedes Signal aus einer gleichen Anzahl früherer und zukünftiger Datenpunkte geschätzt, um Zeitverschiebungseffekte zu vermeiden. Die für die Flugsteuerung nutzbare ungewichtete gleitende Durchschnittsschätzung in Echtzeit wird daher angegeben durch:

(7)

wobei ein einzelner Sensordatenwert zum Zeitpunkt Schritt k-i ist und der gleitende Mittelwert für Zeitschritt kist. Ein großer Wert für n eliminiert effektiv Hochfrequenzrauschen, hat aber die Nachteile, Zeitverzögerung in Signalschätzungen einzuführen. Es kann auch reale, transiente Signale herausfiltern. Um die Auswirkungen alter Daten auf die Schätzungen des gleitenden Durchschnitts zu minimieren, werden die Daten häufig linear oder exponentiell gewichtet, sodass die neuesten Datenpunkte die gleitenden Durchschnittsergebnisse stärker beeinflussen als ältere Datenwerte.

Der Medianfilter für Einkanalsignale ist einfach. Die letzten d Rohdatenwerte werden in einem Array oder Satz gesammelt, dann wird der Median, d.h. der mittlere Wert oder Durchschnitt der beiden mittleren Werte, die eine gerade Anzahl von Werten erhalten, zurückgegeben:

(8)

wobei ein einzelner Sensordatenwert ist und der median gefilterte Ausgang beim Zeitpunkt Schritt kist. Daten, die sowohl hochfrequenten Geräuschen als auch Ausreißern unterliegen, werden häufig sequenziell sowohl durch Median- als auch durch gleitende Durchschnittsfilter verarbeitet. Um zu verhindern, dass Ausreißer das Ergebnis des gleitenden Durchschnitts beeinflussen, wird der Medianfilter in der Regel zuerst angewendet. Die Werte für n und d sind benutzerdefinierte, liegen aber in der Regel im Bereich [3, 10], es sei denn, Daten werden mit viel hohen Raten erfasst, als sie bei Kontrollentscheidungen verwendet werden.

Procedure

Dieses Verfahren veranschaulicht die ImU- und ADS-Sensorkalibrierung und -integration mit Flugcomputern und demonstriert den Einsatz integrierter INS- und ADS-Datenerfassung und -verarbeitung in einer Außenfluganlage. Die End-to-End-Flugsteuerung für einen Quadrotor, der in der M-Air-Netztestanlage der University of Michigan betrieben wird, wird demonstriert.

1. Sensorkalibrierung: Trägidenmesseinheit (IMU)

Die Sensorkalibrierung ist am effektivsten, wenn sie mit Unterstützung von hochwertigen Prüfgeräten durchgeführt wird. Kalibrieren Sie für den 3-Achsen-IMU den Kurskreisel und den Beschleunigungsmesser für jede Achse separat mithilfe einer Genauigkeitstabelle(Abbildung 6). Die Rate-Tabelle dreht sich präzise mit einer benutzerdefinierten Winkelgeschwindigkeit. Der Benutzer gibt eine Reihe von Rate-Befehlen aus, bei denen die IMU die für die Sensorkalibrierung erforderlichen Daten sammelt. Das unten beschriebene Einachskalibrierungsexperiment wird daher dreimal wiederholt, einmal für jede IMU-Sensorachse (x, y, z).

  1. Montieren Sie die IMU so auf dem Rate-Tisch, dass die zu kalibrierende Sensorachse radial nach innen oder außen gerichtet ist.
  2. Messen Sie den Abstand vom Tabellenmittelpunkt zum Mittelpunkt des IMU-Centers. Dies ist der Referenzradius für kreisförmige Bewegungen.
  3. Montieren Sie den Datenerfassungscomputer, die IMU und den Akku direkt an der Tariftabelle, und verbinden Sie alle Komponenten direkt.
  4. Richten Sie eine Software ein, um IMU-Rate- und Beschleunigungsdaten zu erfassen.
  5. Während die Rate-Tabelle bewegungslos ist, zeichnen sich die Werte für die Aufzeichnungsrate und die Beschleunigungsrate-Bias-Werte aus.
  6. Führen Sie eine Reihe von Experimenten mit unterschiedlichen positiven und negativen konstanten Raten-Tabellenrotationsraten durch. Es wird erwartet, dass die Sensorkalibrierungen linear sind. Erfassen Sie Daten mit Raten von 0 (Baseline), 15, 30 und 60 Grad/Sekunde. Die Tabelle kann schneller drehen, aber die ausgewählten Werte reichen aus, um Signale abzudecken, die im typischen UAV-Flugbetrieb erwartet werden.
  7. Sammeln Sie Daten aus dem Rategyro und Beschleunigungsmesser, der für jeden oben aufgeführten Winkelgeschwindigkeitswert kalibriert wird. Jede Rotationsrate sollte festgelegt werden, bevor Daten erhoben werden, um sicherzustellen, dass eine konstante Rate beibehalten wird. Sammeln Sie Daten über 10 - 15 s, wobei eine Datenerfassungsrate von mindestens 30 - 100 Hz angenommen wird, um sicherzustellen, dass Störungen aus den endgültigen Kalibrierwerten herausgefiltert werden können.
  8. Trennen Sie die IMU aus der Rate-Tabelle, und entfernen Sie sie so, dass der kalibrierte Beschleunigungsmesser nach unten zeigt.
  9. Sammeln Sie +1g Daten über das Computersystem.
  10. Drehen Sie die IMU so, dass der akkumulierte Beschleunigungsmesser nach oben zeigt und -1g Daten über das Computersystem sammelt. Diese zusätzlichen Datenpunkte sind einfach zu erhalten und können verwendet werden, um jede lineare Kalibrierkurve zu validieren, die aus Ratentabellendaten von 1 g erhalten wird.  Der 1g-Wert ist besonders wichtig, um genau zu kalibrieren, da lineare Beschleunigungsmesserdaten verwendet werden, um die Richtung "nach unten" relativ zum Quadcopter-Körper zu bestimmen.
  11. Verarbeiten Sie die Daten. Entwickeln Sie lineare Kurvenanpassungen für Gyro- und Beschleunigungsmesser-Datenpunkte, die erfasste Spannungen mit MKS-Einheitenrotationsraten (Gyro) und linearen Beschleunigungen (Beschleunigungsmesser) in Beziehung stehen. Vergewissern Sie sich, dass der Kalibrierungsfehler ausreichend niedrig ist. Beachten Sie, dass die Rate-Tabelle eine direkte Steuerung der Winkelgeschwindigkeit für die Kreiselkalibrierung bietet. Die entsprechende Beschleunigung, a, induziert durch die Zentripetalkraft der kreisförmigen Bewegung, kann aus der angegebenen Winkelgeschwindigkeit und dem Radius r des IMU aus dem Ratentabellenzentrum berechnet werden:
    (9)

2. Quadrotor-Flugexperimente

Für unsere letzte Versuchsreihe montieren wir das IMU- und Pitot-System auf einem Quadrotor (siehe Abbildung 7) und fliegen in der M-Air-Netzfluganlage der University of Michigan. Das Fahrzeug wird durch einen Port des Ardupilot Open Source Autopilot-Pakets zum Beaglebone Blue (kein Mikroprozessor verwendet) stabilisiert und vor dem Flug durch die Mission Planner Bodenstationssoftware konfiguriert. Eine Funksteuerungs-Sender/Empfänger-Schnittstelle ermöglicht es dem Piloten, "äußere Schleife"-Befehle für Quadrotor-Höhe, Seiten-zu-Seite-Bewegung und Überschrift zu Ardupilots "innere Schleife" Flugsteuerungsgesetz zur Regelung quadrotor Rollwinkel, Steigungswinkel, Gähnwinkel ( Überschrift) und Höhe. [14]

Da ein Quadrotor keine Fluggeschwindigkeitsrückmeldung benötigt, um sich zu stabilisieren, stützt sich Ardupilot nur auf IMU-Daten sowie einen Drucksensor für die Höhe, der während der Programminitialisierung relativ zum Starthöhendruck kalibriert wird, um den Flug zu stabilisieren, der gegeben ist. Piloteingänge. Eine vollständig autonome Erweiterung von Ardupilot erfordert Trägzpositionsdaten von GPS oder einem anderen Sensorsystem (z. B. Hochgeschwindigkeits-Bewegungserfassung). Da unsere Experimente mit Quadrotoren in eingeschränkten Umgebungen durchgeführt wurden, ist das Pitot-Luftdatensystem nicht notwendig.  Pitot-Systeme sind jedoch unerlässlich für Festflügelflugzeuge und Multikopter, die nach unsicheren windigen Umgebungen präzise Flugrouten versuchen. [15, 16] Das Flugtestverfahren gliedert sich in drei Phasen: Pre-Flight, Flight Test und Post-Flight. Diese Unterteilung ähnelt den Verfahren, die von Piloten bemannter Flugzeuge durch die Verwendung gut etablierter Cockpit-Checklisten befolgt werden. [17]

Pre-Flight

  1. Laden Sie Batterien auf und testen Sie sie vor der Installation.
  2. Richten Sie eine klare Testumgebung (innen oder außen) ein und markieren Sie den Bereich, um sicherzustellen, dass unbeteiligte Personen frei bleiben.
  3. Stellen Sie sicher, dass das Flugtestteam für die Durchführung des geplanten Tests informiert und qualifiziert (trainiert) ist.
  4. Wenn Sie im Freien fliegen, stellen Sie sicher, dass das Flugzeug und der Pilot gemäß den FAA-Vorschriften registriert und zertifiziert sind. Für einen Open-Air-Test sind mindestens drei Personen erforderlich: Ein Pilot im Kommando (PIC), ein visueller Beobachter (VO) und ein Bodenstationsbetreiber. Für unsere Tests fliegt der Quadrotor in einer Netzanlage im Freien. Zwei Tether-Betreiber werden sicherstellen, dass das Fahrzeug nicht für Innentests wegfliegen kann. Beachten Sie, dass für Netzflugtests keine spezifischen FAA-Vorschriften gelten, da das UAV keinen offenen Außenbereich belegt.
  5. Schalten Sie flugcomputer und Laptop der Bodenstation ein.
  6. Sammeln Sie vorläufige Daten, um sicherzustellen, dass die Sensoren ordnungsgemäß funktionieren. Das Piloten- und Supportteam muss für ein klares Verständnis des Flugplans sorgen und sicherstellen, dass Abbruch-/Wiederherstellungsverfahren vorhanden sind.

Flugtest

  1. Starten Sie die Datenerfassung auf der Bodenstation.
  2. Bestätigen Sie, dass der Flugbereich klar/sicher ist.
  3. Armstrahlruder/Motoren.
  4. Initiieren Sie die Flugtestsequenz.
  5. Führen Sie den Flugtest durch, wobei der Pilot jeden Schritt ausruft, einschließlich als Minimum:
    Start (Start), Flugmodusänderungen, bekannte Wegpunktziele oder Manöver und Landung.  Stellen Sie sicher, dass alle Mitarbeiter im Einsatz sind und Notfallverfahren (Flugbeendigung) nach Bedarf ausführen. Wegpunkte und Flugbahnen sind für jeden Flug spezifisch. Für das Quadrotor-Experiment folgen wir mäßig aggressiven Kreuz- und rechteckigen Mustern in konstanter Höhe und Richtung, gefolgt von einem Aufstieg/Abstieg, dann einer Gähnsequenz. Die Winkelraten und linearen Beschleunigungen in diesem Flug sind in den Daten leicht zu erkennen und bestätigen, dass IMU und Flugcontroller ordnungsgemäß funktionieren.

Nach dem Flug

  1. Entwaffnen Sie Motoren, um sicherzustellen, dass sie nicht versehentlich einschalten.
  2. Speichern und herunterladen Sie Flugdaten in die Archivierung.
  3. Protokollieren Sie den Flug in Worten nach rückmeldungm Piloten, VO und Bodenstationsbetreiber.
  4. Überprüfen Sie die Batterien und laden Sie nach Bedarf auf.
  5. Stellen Sie Ausrüstung wieder her, und reinigen Sie den Bereich für den nächsten Insassen.

Ein Festflügelflugzeug erreicht einen gleichmäßigen Flug, indem es vier Kräfte ausbalanciert: aerodynamischer Lift, aerodynamischer Luftwiderstand, Schub antrieb und Gewicht. Um einen stabilen Flug zu erreichen, muss er auch Momente über alle drei Achsen, die Rolle, die Tonhöhe und die Gähnachse ausbalancieren. Alle Drehungen sind definiert als Winkel um diese Achse mit Änderungen in der Rollenachse, die eine Seiten-zu-Seite-Bewegung verursachen, Änderungen an der Steigungsachse, die vorwärts- und rückwärts geneigte Bewegung verursachen, und Änderungen in der Gähnachse, die Richtungsänderungen verursachen.

Um das Flugzeug für plötzliche Veränderungen wie Windböen zu stabilisieren, gibt ein Flugsteuerungssystem Motor- und Steueroberflächenbefehle aus, die in Echtzeit aktualisiert werden müssen. So verwendet das Steuerungssystem verschiedene Sensoren, um eine genaue Messung der aktuellen Höhe, d. h. der Roll-, Pitch- und Gähnwinkel, sowie der Luftgeschwindigkeit zu halten. Sobald Daten von den Sensoren erfasst werden, werden die Signale gefiltert, um die Auswirkungen von Rauschen und Ausreißern auf die verarbeitete Datenqualität zu reduzieren. Die Daten werden dann in einer vollständigen Schätzung des Flugzeugzustands aggregiert und für die Flugsteuerung verwendet.

Sowohl Festflügelflugzeuge als auch Multikopter verlassen sich auf dieses Steuerungssystem, um die Flughöhe zu überwachen und zu steuern. Beide verwenden auch Sensor Sweep bekannt als inertial E-Einheit oder IMU.

Ein IMU besteht in der Regel aus drei Sensortypen: Beschleunigungsmesser zur Messung der linearen Beschleunigung, Geschwindigkeitsgyroskope zur Messung der Winkelgeschwindigkeit und Magnetfeldsensoren zur Messung der Richtung und Stärke des lokalen Magnetfeldes. Eine IMU wird oft mit einem GPS-System gekoppelt und in der Nähe des Schwergewichtsschwerpunkts mit der Sensorachse an der Achse des Flugzeugkörpers ausgerichtet montiert.

In diesem Labor zeigen wir die Kalibrierung einer einfachen IMU mithilfe einer Präzisionsrate-Tabelle. Anschließend montieren wir die kalibrierte IMU an einem Multicopter und führen einen Flugtest durch, um Echtzeit- und Filterdaten anzuzeigen.

Im ersten Teil des Experiments kalibrieren wir den IMU, der einen Ratenkreisel und Beschleunigungsmesser für jede Achse enthält, mithilfe einer Präzisionsrate-Tabelle. Die Rate-Tabelle dreht sich nach einer Reihe von Rate-Befehlen präzise mit einer benutzerdefinierten Geschwindigkeit. Dies ermöglicht es uns, die Beziehung zwischen der Spannungsanzeige und der Geschwindigkeit zu bestimmen.

Zunächst montieren Sie die IMU mit Schrauben auf den Rate-Tisch und richten Sie sie so aus, dass die sensorische Achse, die in diesem Fall die X-Achse kalibriert wird, direkt radial nach innen oder außen gerichtet ist. Messen Sie den Abstand vom Tabellenmittelpunkt zum IMU-Mittelpunkt, und verwenden Sie diese Messung als Referenzradius für kreisförmige Bewegungen. Die IMU ist auf einer Datenerfassungsplatine montiert. Verbinden Sie die Komponenten direkt.

Richten Sie nun die Software ein, um die IMU-Rate- und Beschleunigungsdaten zu erfassen. Führen Sie eine Reihe von Experimenten mit unterschiedlichen positiven und negativen konstanten Raten-Tabellenrotationsraten mit Null als Basismessung verwendet. Während die Rate-Tabelle bewegungslos ist, notieren Sie den Kurskreisel und Beschleunigungsmesser nach S-Werten. Starten Sie dann den Test, und sammeln Sie die Daten.

Sobald alle Winkelgeschwindigkeiten auf diese Ausrichtung getestet wurden, lösen Sie die IMU und positionieren Sie sie so, dass der Beschleunigungsmesser nach oben ausgerichtet ist. Fügen Sie es erneut an, und starten Sie dann den Test, um -1 G-Daten zu sammeln. Danach kippen Sie die IMU so, dass der Beschleunigungsmesser nach unten ausgerichtet ist und +1 G-Daten sammeln.

Wenn Sie die Kalibrierung der x-Achse abgeschlossen haben, positionieren Sie den IMU so neu, dass der Z-Achsensensor orientalisch radial nach außen gerichtet ist, und wiederholen Sie alle Tests, und denken Sie daran, die IMU nach oben und unten zu positionieren, um den Beschleunigungsmesser zu kalibrieren. Führen Sie das gleiche Verfahren für den y-Achsensensor aus.

Im nächsten Teil des Experiments werden wir die IMU auf dem Quadrotor montieren und innerhalb einer Netzfluganlage fliegen. Eine radiale Steuerung Senderempfänger Schnittstelle ermöglicht es dem Piloten, Befehle für Höhe, Überschrift, Rollwinkel, Steigungswinkel und Gähnwinkel zur Verfügung zu stellen.

Laden Sie vor dem Start alle Batterien auf und testen Sie die Komponenten vor der Installation auf dem Quadrotor. Dann bereiten Sie den Flug vor, um sicherzustellen, dass mindestens drei Personen, der Kommandant, der visuelle Beobachter und der Betreiber der Bodenstation, über die Flugpläne informiert werden. Bringen Sie den Quadrotor in die Netzfluganlage und stellen Sie ihn auf ein flaches Landebrett.

Der Flugtest beginnt mit dem Start vom Ursprungsklettern auf 1,5 m Höhe. Anschließend führen wir ein zwei Meter großes Flugmuster mit einer Referenzgeschwindigkeit von 0,5 m/s aus. Der Quadrotor pausiert vor jedem Positionswechsel. Anschließend führen wir Segmente mit höheren Geschwindigkeitsüberschreitungen bei 0,5, 1 und 1,5 m/s aus, um zu demonstrieren, wie sich Geschwindigkeitsüberschüsse überdasen.

Um den Flugtest zu starten, starten Sie die Datenerfassung auf der Bodenstation. Nachdem Sie bestätigt haben, dass der Flugbereich frei ist, bewaffnen Sie die Motoren. Beginnen Sie nun die Flugtestsequenz, wobei der Pilot jeden Schritt ausruft, bevor er sie ab dem Start durchführt. Achten Sie darauf, alle Flugmodus-Änderungen, bekannte Wegpunktziele oder Manöver anzukündigen.

Nachdem der Flugplan ausgeführt wurde, informieren Sie den Rest des Flugteams über die endgültige Abfahrt und Landung des Quadcopters. Entwaffnen Sie dann die Motoren am Quadcopter. Speichern und laden Sie alle Flugdaten herunter und protokollieren Sie den Flug im Fluglogbuch. Schließlich, alle Geräte wiederherstellen und den Bereich für den nächsten Benutzer löschen.

Lassen Sie uns nun die Ergebnisse interpretieren. Beginnend mit den Kalibrierdaten für die IMU zeigen wir zunächst ein Diagramm der Drehzahl der Geschwindigkeitstabelle im Vergleich zur Kreiselspannung. Beachten Sie, dass die Rate-Tabelle eine direkte Steuerung der Winkelgeschwindigkeit für die Kreiselkalibrierung bietet. Eine lineare Anpassung an die Daten ermöglicht die Berechnung der Geschwindigkeit aus Derelkreisspannung. In diesem Fall emittiert der Kurskreisel einen nominalen Nulldrehzahlwert von 2,38 Volt.

Sehen wir uns schließlich die Flugdaten an. Hier zeigen wir mit unserem kalibrierten IMU einen 30-Sekunden-Querbeschleunigungsdatensatz für den Quadrotor. Dieses Diagramm zeigt rohe und gefilterte Beschleunigungsmessungen aus dem IMU im Vergleich zur Zeit. Die Daten wurden gefiltert, um Geräusche aus der Messung zu entfernen. Sie können sehen, dass Rohrauschendaten abgeschwächt werden. In den gefilterten Daten ist jedoch eine Zeitverzögerung vorhanden.

Zusammenfassend haben wir gelernt, wie Flugzeugsteuerungssysteme verschiedene Sensoren verwenden, um die aktuelle Höhe und Fluggeschwindigkeit während des Fluges zu messen. Wir kalibrierten dann einen Ratenkreisel und Beschleunigungsmesser und montierten sie auf einem Quadrotor, bevor wir Flugexperimente durchführten.

Results

Sensorkalibrierung

Ein Beispiel für ein Rate-Gyro-Kalibrierungsdiagramm ist in Abbildung 8dargestellt. In diesem Fall emittiert der Kurskreisel einen nominalen (Null-Geschwindigkeit) Messwert von 2,38 V. Rate Gyro Spannungsdaten wurden für sechs verschiedene Drehzahlen in Grad pro Sekunde gemessen gesammelt, und eine lineare Kurve wurde zu diesen Daten passte. Wie gezeigt, bietet die lineare Passung eine sehr gute Annäherung aller gesammelten Datenpunkte.

Flugtestergebnisse

Abbildung 9 zeigt die Roh- und gefilterten Daten eines 30 s Querbeschleunigungsdatensatzes für einen Quadrotor, der in einer Innenumgebung fliegt. Die Filterwerte d und n sind relativ groß, um die Auswirkungen des Filterprozesses deutlich zu veranschaulichen. Wie gezeigt, wird Rohdatenrauschen abgeschwächt. In den gefilterten Daten ist jedoch eine bemerkenswerte Zeitverzögerung vorhanden, z.B. im (abgeschwächten) positiven Beschleunigungstrend kurz vor t=5 s.  Für dieses Diagramm wird eine kleine negative Verzerrung im allgemeinen Beschleunigungstrend festgestellt; dies ist wahrscheinlich auf eine leichte Steigung in der IMU-Halterung relativ zur Quadrotor-Schubebene zurückzuführen, so dass in der x-Achsenbeschleunigungsmessung eine kleine Komponente der Gravitationsbeschleunigung festgestellt wird.   Ein solcher Offset ist üblich, wenn Sensoren nur durch visuelle Inspektion ausgerichtet werden.


Abbildung 1. Fundamental Forces Acting on Aircraft. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 2. Datenpipeline von Sensoren zur Flugsteuerung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 3. Sensoren und Achsenkonventionen der Trägzmesseinheit (IMU). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 4. Pitot Tube System für Airspeed (V) Messung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 5. Fünf-Loch-Sondensystem für Airspeed (V), Angriffswinkel (a) und Sideslip Angle (b) Messung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 6.  IMU-Sensorkalibrierung mit einer Einzelachsen-Ratetabelle.  Wie gezeigt, kann die z-AchsenrateKreiselspannung direkt für jede gesteuerte Winkelgeschwindigkeit kalibriert werden, w, und der x-Achsenbeschleunigungsmesser kann von zentripetaler Beschleunigung bei Winkelgeschwindigkeit w kalibriert und gemessen werden Radius r von der Mitte der Rate-Tabelle zum IMU-Zentroid.  Der IMU kann gedreht und neu montiert werden, um Messungen von den anderen Ratenkreisel- und Beschleunigungsmesserachsen zu kalibrieren. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 7. Quadrotor-Plattform mit Beaglebone Blue für Flugtests. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 8.  Rate Gyro Beispiel Kalibrierung Beispiel. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 9.  Beispiel Quadrotor Lateral (x) Beschleunigungsmesser Datenauszug für einen Indoor-Flug mit einem Medianfilter mit d=8 und moving average filter mit Fenster n=15.  Rohdaten werden durch den blauen Trend angezeigt, und gefilterte Daten werden orange angezeigt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.


Abbildung 10. Beispiel für kleine UAS-GPS-, Beschleunigungsmesser- und Rate-Gyro-Flugtestdaten mit festem Flügel.  Rohdaten (ungefiltert) werden dargestellt, um die Notwendigkeit der Signalfilterung zu veranschaulichen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Applications and Summary

Hier beschrieben wir die Sensorsysteme, die Datenerfassung und den Signalfilterprozess, die erforderlich sind, um die Echtzeit- flugsteuerung von Fest- und Drehflügelflugzeugen zu ermöglichen. Diese Datenpipeline ist ein wesentliches Element aller bemannten und unbemannten Flugzeug-Autopilotsysteme. Multicopter erfordern eine Stabilisierung von Autopiloten, und Flugzeuge aller Art verlassen sich bei allen Operationen kritisch auf Diek- und Flugsteuerung in Echtzeit, während wir uns auf immer autonomere Flugzeugsysteme zubewegen, die Missionen mit Luftdaten durchführen. Sammlung und Nutzlasttransport. Während standardisatonische Sensorpakete integriert werden können, ist Zuverlässigkeit entscheidend, um Sensorfunktionen und -einschränkungen in verschiedenen Umgebungen zu verstehen. Zum Beispiel können starke Niederschläge oder Eis Pitotröhren blockieren, und städtische Canyon-Strukturen können GPS-Signale blockieren.

Darüber hinaus können ungewöhnliche Einstellungen eine Erweiterung auf Zustandsschätzungsberechnungen erfordern, die sich auf Euler Angle-Haltungsdarstellungen stützen. Es besteht ein inhärenter Kompromiss zwischen der Durchdiesamkeit, die durch die Integration zusätzlicher Sensoren gewonnen wird, und den zusätzlichen Kosten und Gewichten, die für die Unterstützung redundanter Sensoren erforderlich sind. Die kostengünstigsten kleinen UAVs werden wahrscheinlich weiterhin die hier beschriebene Basis-Suite von Sensoren für die Flugsteuerung verwenden. Während die zuverlässigsten Flugzeuge, wie z. B. kommerzielle Transport- und Kampfflugzeuge, ihre Zustandsschätzungen auf Sensoren basieren, die denen ähnlich sind, die hier beschrieben werden, verlassen sie sich auf dreifache Redundanz und Sensorvielfalt, um sicherzustellen, dass der Fluglotse des Flugzeugs sich auf einen genaue Zustandsschätzung trotz des Potenzials für Sensorausfälle oder extrem herausfordernde Umgebungsbedingungen.

Abbildung 10 zeigt Beispiel-GPS- und (rohe) IMU-Zeithistorien aus einem kleinen UAS-Flugtest mit festem Flügel. GPS-Daten zeigen das lokale Loitering-Muster, das von einem Piloten manuell über eine Funksteuerungsverbindung geflogen wird. Die rohen IMU-Zeithistorien zeigen Signal, weisen aber auch erhebliche Signalgeräusche auf.  Dieses Geräusch resultiert in erster Linie aus tragwerksbedingten Schwingungen, die durch die Antriebseinheit (Motor) verursacht werden, und ist typisch für kleine UAS mit festem Flügel mit leichtem Holz oder Verbundstrukturen.  Beachten Sie, dass die Daten gesammelt wurden, nachdem die IMU vibrationsartig mit Gummihalterungen von der Struktur isoliert wurde, was eine starke Motivation für die Signalfilterung darstellt.  In den Zeitantwortdaten erfolgt der Start (Start) kurz nach t=100 s, und die Landung wird in den großformatigen Daten "Spikes" gesehen, die kurz vor t=450 s auftreten.

Bestätigungen

Wir würdigen Herrn Prashin Sharma, Herrn Matthew Romano und Dr. Peter Gaskell von der University of Michigan für ihre Unterstützung bei der Einrichtung und Durchführung von Experimenten.

References

  1. 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.
  2. 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.
  3. 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.
  4. 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)
  5. 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.
  6. Farrell, J. and Barth, M., 1999. The global positioning system and inertial navigation. New York, NY, USA, McGraw-Hill.
  7. 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.
  8. 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.
  9. 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.
  10. Paret, D. and Fenger, C., 1997. The I2C bus: from theory to practice. John Wiley & Sons, Inc.
  11. 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.
  12. 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.
  13. 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.
  14. Beard, R.W. and McLain, T.W., 2012. Small unmanned aircraft: Theory and practice. Princeton University Press.
  15. 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.
  16. 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.
  17. Degani, A. and Wiener, E.L., 1993. Cockpit checklists: Concepts, design, and use. Human Factors, 35(2), pp.345-359.
  18. 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.

Dieses Verfahren veranschaulicht die ImU- und ADS-Sensorkalibrierung und -integration mit Flugcomputern und demonstriert den Einsatz integrierter INS- und ADS-Datenerfassung und -verarbeitung in einer Außenfluganlage. Die End-to-End-Flugsteuerung für einen Quadrotor, der in der M-Air-Netztestanlage der University of Michigan betrieben wird, wird demonstriert.

1. Sensorkalibrierung: Trägidenmesseinheit (IMU)

Die Sensorkalibrierung ist am effektivsten, wenn sie mit Unterstützung von hochwertigen Prüfgeräten durchgeführt wird. Kalibrieren Sie für den 3-Achsen-IMU den Kurskreisel und den Beschleunigungsmesser für jede Achse separat mithilfe einer Genauigkeitstabelle(Abbildung 6). Die Rate-Tabelle dreht sich präzise mit einer benutzerdefinierten Winkelgeschwindigkeit. Der Benutzer gibt eine Reihe von Rate-Befehlen aus, bei denen die IMU die für die Sensorkalibrierung erforderlichen Daten sammelt. Das unten beschriebene Einachskalibrierungsexperiment wird daher dreimal wiederholt, einmal für jede IMU-Sensorachse (x, y, z).

  1. Montieren Sie die IMU so auf dem Rate-Tisch, dass die zu kalibrierende Sensorachse radial nach innen oder außen gerichtet ist.
  2. Messen Sie den Abstand vom Tabellenmittelpunkt zum Mittelpunkt des IMU-Centers. Dies ist der Referenzradius für kreisförmige Bewegungen.
  3. Montieren Sie den Datenerfassungscomputer, die IMU und den Akku direkt an der Tariftabelle, und verbinden Sie alle Komponenten direkt.
  4. Richten Sie eine Software ein, um IMU-Rate- und Beschleunigungsdaten zu erfassen.
  5. Während die Rate-Tabelle bewegungslos ist, zeichnen sich die Werte für die Aufzeichnungsrate und die Beschleunigungsrate-Bias-Werte aus.
  6. Führen Sie eine Reihe von Experimenten mit unterschiedlichen positiven und negativen konstanten Raten-Tabellenrotationsraten durch. Es wird erwartet, dass die Sensorkalibrierungen linear sind. Erfassen Sie Daten mit Raten von 0 (Baseline), 15, 30 und 60 Grad/Sekunde. Die Tabelle kann schneller drehen, aber die ausgewählten Werte reichen aus, um Signale abzudecken, die im typischen UAV-Flugbetrieb erwartet werden.
  7. Sammeln Sie Daten aus dem Rategyro und Beschleunigungsmesser, der für jeden oben aufgeführten Winkelgeschwindigkeitswert kalibriert wird. Jede Rotationsrate sollte festgelegt werden, bevor Daten erhoben werden, um sicherzustellen, dass eine konstante Rate beibehalten wird. Sammeln Sie Daten über 10 - 15 s, wobei eine Datenerfassungsrate von mindestens 30 - 100 Hz angenommen wird, um sicherzustellen, dass Störungen aus den endgültigen Kalibrierwerten herausgefiltert werden können.
  8. Trennen Sie die IMU aus der Rate-Tabelle, und entfernen Sie sie so, dass der kalibrierte Beschleunigungsmesser nach unten zeigt.
  9. Sammeln Sie +1g Daten über das Computersystem.
  10. Drehen Sie die IMU so, dass der akkumulierte Beschleunigungsmesser nach oben zeigt und -1g Daten über das Computersystem sammelt. Diese zusätzlichen Datenpunkte sind einfach zu erhalten und können verwendet werden, um jede lineare Kalibrierkurve zu validieren, die aus Ratentabellendaten von 1 g erhalten wird.  Der 1g-Wert ist besonders wichtig, um genau zu kalibrieren, da lineare Beschleunigungsmesserdaten verwendet werden, um die Richtung "nach unten" relativ zum Quadcopter-Körper zu bestimmen.
  11. Verarbeiten Sie die Daten. Entwickeln Sie lineare Kurvenanpassungen für Gyro- und Beschleunigungsmesser-Datenpunkte, die erfasste Spannungen mit MKS-Einheitenrotationsraten (Gyro) und linearen Beschleunigungen (Beschleunigungsmesser) in Beziehung stehen. Vergewissern Sie sich, dass der Kalibrierungsfehler ausreichend niedrig ist. Beachten Sie, dass die Rate-Tabelle eine direkte Steuerung der Winkelgeschwindigkeit für die Kreiselkalibrierung bietet. Die entsprechende Beschleunigung, a, induziert durch die Zentripetalkraft der kreisförmigen Bewegung, kann aus der angegebenen Winkelgeschwindigkeit und dem Radius r des IMU aus dem Ratentabellenzentrum berechnet werden:
    (9)

2. Quadrotor-Flugexperimente

Für unsere letzte Versuchsreihe montieren wir das IMU- und Pitot-System auf einem Quadrotor (siehe Abbildung 7) und fliegen in der M-Air-Netzfluganlage der University of Michigan. Das Fahrzeug wird durch einen Port des Ardupilot Open Source Autopilot-Pakets zum Beaglebone Blue (kein Mikroprozessor verwendet) stabilisiert und vor dem Flug durch die Mission Planner Bodenstationssoftware konfiguriert. Eine Funksteuerungs-Sender/Empfänger-Schnittstelle ermöglicht es dem Piloten, "äußere Schleife"-Befehle für Quadrotor-Höhe, Seiten-zu-Seite-Bewegung und Überschrift zu Ardupilots "innere Schleife" Flugsteuerungsgesetz zur Regelung quadrotor Rollwinkel, Steigungswinkel, Gähnwinkel ( Überschrift) und Höhe. [14]

Da ein Quadrotor keine Fluggeschwindigkeitsrückmeldung benötigt, um sich zu stabilisieren, stützt sich Ardupilot nur auf IMU-Daten sowie einen Drucksensor für die Höhe, der während der Programminitialisierung relativ zum Starthöhendruck kalibriert wird, um den Flug zu stabilisieren, der gegeben ist. Piloteingänge. Eine vollständig autonome Erweiterung von Ardupilot erfordert Trägzpositionsdaten von GPS oder einem anderen Sensorsystem (z. B. Hochgeschwindigkeits-Bewegungserfassung). Da unsere Experimente mit Quadrotoren in eingeschränkten Umgebungen durchgeführt wurden, ist das Pitot-Luftdatensystem nicht notwendig.  Pitot-Systeme sind jedoch unerlässlich für Festflügelflugzeuge und Multikopter, die nach unsicheren windigen Umgebungen präzise Flugrouten versuchen. [15, 16] Das Flugtestverfahren gliedert sich in drei Phasen: Pre-Flight, Flight Test und Post-Flight. Diese Unterteilung ähnelt den Verfahren, die von Piloten bemannter Flugzeuge durch die Verwendung gut etablierter Cockpit-Checklisten befolgt werden. [17]

Pre-Flight

  1. Laden Sie Batterien auf und testen Sie sie vor der Installation.
  2. Richten Sie eine klare Testumgebung (innen oder außen) ein und markieren Sie den Bereich, um sicherzustellen, dass unbeteiligte Personen frei bleiben.
  3. Stellen Sie sicher, dass das Flugtestteam für die Durchführung des geplanten Tests informiert und qualifiziert (trainiert) ist.
  4. Wenn Sie im Freien fliegen, stellen Sie sicher, dass das Flugzeug und der Pilot gemäß den FAA-Vorschriften registriert und zertifiziert sind. Für einen Open-Air-Test sind mindestens drei Personen erforderlich: Ein Pilot im Kommando (PIC), ein visueller Beobachter (VO) und ein Bodenstationsbetreiber. Für unsere Tests fliegt der Quadrotor in einer Netzanlage im Freien. Zwei Tether-Betreiber werden sicherstellen, dass das Fahrzeug nicht für Innentests wegfliegen kann. Beachten Sie, dass für Netzflugtests keine spezifischen FAA-Vorschriften gelten, da das UAV keinen offenen Außenbereich belegt.
  5. Schalten Sie flugcomputer und Laptop der Bodenstation ein.
  6. Sammeln Sie vorläufige Daten, um sicherzustellen, dass die Sensoren ordnungsgemäß funktionieren. Das Piloten- und Supportteam muss für ein klares Verständnis des Flugplans sorgen und sicherstellen, dass Abbruch-/Wiederherstellungsverfahren vorhanden sind.

Flugtest

  1. Starten Sie die Datenerfassung auf der Bodenstation.
  2. Bestätigen Sie, dass der Flugbereich klar/sicher ist.
  3. Armstrahlruder/Motoren.
  4. Initiieren Sie die Flugtestsequenz.
  5. Führen Sie den Flugtest durch, wobei der Pilot jeden Schritt ausruft, einschließlich als Minimum:
    Start (Start), Flugmodusänderungen, bekannte Wegpunktziele oder Manöver und Landung.  Stellen Sie sicher, dass alle Mitarbeiter im Einsatz sind und Notfallverfahren (Flugbeendigung) nach Bedarf ausführen. Wegpunkte und Flugbahnen sind für jeden Flug spezifisch. Für das Quadrotor-Experiment folgen wir mäßig aggressiven Kreuz- und rechteckigen Mustern in konstanter Höhe und Richtung, gefolgt von einem Aufstieg/Abstieg, dann einer Gähnsequenz. Die Winkelraten und linearen Beschleunigungen in diesem Flug sind in den Daten leicht zu erkennen und bestätigen, dass IMU und Flugcontroller ordnungsgemäß funktionieren.

Nach dem Flug

  1. Entwaffnen Sie Motoren, um sicherzustellen, dass sie nicht versehentlich einschalten.
  2. Speichern und herunterladen Sie Flugdaten in die Archivierung.
  3. Protokollieren Sie den Flug in Worten nach rückmeldungm Piloten, VO und Bodenstationsbetreiber.
  4. Überprüfen Sie die Batterien und laden Sie nach Bedarf auf.
  5. Stellen Sie Ausrüstung wieder her, und reinigen Sie den Bereich für den nächsten Insassen.

Ein Festflügelflugzeug erreicht einen gleichmäßigen Flug, indem es vier Kräfte ausbalanciert: aerodynamischer Lift, aerodynamischer Luftwiderstand, Schub antrieb und Gewicht. Um einen stabilen Flug zu erreichen, muss er auch Momente über alle drei Achsen, die Rolle, die Tonhöhe und die Gähnachse ausbalancieren. Alle Drehungen sind definiert als Winkel um diese Achse mit Änderungen in der Rollenachse, die eine Seiten-zu-Seite-Bewegung verursachen, Änderungen an der Steigungsachse, die vorwärts- und rückwärts geneigte Bewegung verursachen, und Änderungen in der Gähnachse, die Richtungsänderungen verursachen.

Um das Flugzeug für plötzliche Veränderungen wie Windböen zu stabilisieren, gibt ein Flugsteuerungssystem Motor- und Steueroberflächenbefehle aus, die in Echtzeit aktualisiert werden müssen. So verwendet das Steuerungssystem verschiedene Sensoren, um eine genaue Messung der aktuellen Höhe, d. h. der Roll-, Pitch- und Gähnwinkel, sowie der Luftgeschwindigkeit zu halten. Sobald Daten von den Sensoren erfasst werden, werden die Signale gefiltert, um die Auswirkungen von Rauschen und Ausreißern auf die verarbeitete Datenqualität zu reduzieren. Die Daten werden dann in einer vollständigen Schätzung des Flugzeugzustands aggregiert und für die Flugsteuerung verwendet.

Sowohl Festflügelflugzeuge als auch Multikopter verlassen sich auf dieses Steuerungssystem, um die Flughöhe zu überwachen und zu steuern. Beide verwenden auch Sensor Sweep bekannt als inertial E-Einheit oder IMU.

Ein IMU besteht in der Regel aus drei Sensortypen: Beschleunigungsmesser zur Messung der linearen Beschleunigung, Geschwindigkeitsgyroskope zur Messung der Winkelgeschwindigkeit und Magnetfeldsensoren zur Messung der Richtung und Stärke des lokalen Magnetfeldes. Eine IMU wird oft mit einem GPS-System gekoppelt und in der Nähe des Schwergewichtsschwerpunkts mit der Sensorachse an der Achse des Flugzeugkörpers ausgerichtet montiert.

In diesem Labor zeigen wir die Kalibrierung einer einfachen IMU mithilfe einer Präzisionsrate-Tabelle. Anschließend montieren wir die kalibrierte IMU an einem Multicopter und führen einen Flugtest durch, um Echtzeit- und Filterdaten anzuzeigen.

Im ersten Teil des Experiments kalibrieren wir den IMU, der einen Ratenkreisel und Beschleunigungsmesser für jede Achse enthält, mithilfe einer Präzisionsrate-Tabelle. Die Rate-Tabelle dreht sich nach einer Reihe von Rate-Befehlen präzise mit einer benutzerdefinierten Geschwindigkeit. Dies ermöglicht es uns, die Beziehung zwischen der Spannungsanzeige und der Geschwindigkeit zu bestimmen.

Zunächst montieren Sie die IMU mit Schrauben auf den Rate-Tisch und richten Sie sie so aus, dass die sensorische Achse, die in diesem Fall die X-Achse kalibriert wird, direkt radial nach innen oder außen gerichtet ist. Messen Sie den Abstand vom Tabellenmittelpunkt zum IMU-Mittelpunkt, und verwenden Sie diese Messung als Referenzradius für kreisförmige Bewegungen. Die IMU ist auf einer Datenerfassungsplatine montiert. Verbinden Sie die Komponenten direkt.

Richten Sie nun die Software ein, um die IMU-Rate- und Beschleunigungsdaten zu erfassen. Führen Sie eine Reihe von Experimenten mit unterschiedlichen positiven und negativen konstanten Raten-Tabellenrotationsraten mit Null als Basismessung verwendet. Während die Rate-Tabelle bewegungslos ist, notieren Sie den Kurskreisel und Beschleunigungsmesser nach S-Werten. Starten Sie dann den Test, und sammeln Sie die Daten.

Sobald alle Winkelgeschwindigkeiten auf diese Ausrichtung getestet wurden, lösen Sie die IMU und positionieren Sie sie so, dass der Beschleunigungsmesser nach oben ausgerichtet ist. Fügen Sie es erneut an, und starten Sie dann den Test, um -1 G-Daten zu sammeln. Danach kippen Sie die IMU so, dass der Beschleunigungsmesser nach unten ausgerichtet ist und +1 G-Daten sammeln.

Wenn Sie die Kalibrierung der x-Achse abgeschlossen haben, positionieren Sie den IMU so neu, dass der Z-Achsensensor orientalisch radial nach außen gerichtet ist, und wiederholen Sie alle Tests, und denken Sie daran, die IMU nach oben und unten zu positionieren, um den Beschleunigungsmesser zu kalibrieren. Führen Sie das gleiche Verfahren für den y-Achsensensor aus.

Im nächsten Teil des Experiments werden wir die IMU auf dem Quadrotor montieren und innerhalb einer Netzfluganlage fliegen. Eine radiale Steuerung Senderempfänger Schnittstelle ermöglicht es dem Piloten, Befehle für Höhe, Überschrift, Rollwinkel, Steigungswinkel und Gähnwinkel zur Verfügung zu stellen.

Laden Sie vor dem Start alle Batterien auf und testen Sie die Komponenten vor der Installation auf dem Quadrotor. Dann bereiten Sie den Flug vor, um sicherzustellen, dass mindestens drei Personen, der Kommandant, der visuelle Beobachter und der Betreiber der Bodenstation, über die Flugpläne informiert werden. Bringen Sie den Quadrotor in die Netzfluganlage und stellen Sie ihn auf ein flaches Landebrett.

Der Flugtest beginnt mit dem Start vom Ursprungsklettern auf 1,5 m Höhe. Anschließend führen wir ein zwei Meter großes Flugmuster mit einer Referenzgeschwindigkeit von 0,5 m/s aus. Der Quadrotor pausiert vor jedem Positionswechsel. Anschließend führen wir Segmente mit höheren Geschwindigkeitsüberschreitungen bei 0,5, 1 und 1,5 m/s aus, um zu demonstrieren, wie sich Geschwindigkeitsüberschüsse überdasen.

Um den Flugtest zu starten, starten Sie die Datenerfassung auf der Bodenstation. Nachdem Sie bestätigt haben, dass der Flugbereich frei ist, bewaffnen Sie die Motoren. Beginnen Sie nun die Flugtestsequenz, wobei der Pilot jeden Schritt ausruft, bevor er sie ab dem Start durchführt. Achten Sie darauf, alle Flugmodus-Änderungen, bekannte Wegpunktziele oder Manöver anzukündigen.

Nachdem der Flugplan ausgeführt wurde, informieren Sie den Rest des Flugteams über die endgültige Abfahrt und Landung des Quadcopters. Entwaffnen Sie dann die Motoren am Quadcopter. Speichern und laden Sie alle Flugdaten herunter und protokollieren Sie den Flug im Fluglogbuch. Schließlich, alle Geräte wiederherstellen und den Bereich für den nächsten Benutzer löschen.

Lassen Sie uns nun die Ergebnisse interpretieren. Beginnend mit den Kalibrierdaten für die IMU zeigen wir zunächst ein Diagramm der Drehzahl der Geschwindigkeitstabelle im Vergleich zur Kreiselspannung. Beachten Sie, dass die Rate-Tabelle eine direkte Steuerung der Winkelgeschwindigkeit für die Kreiselkalibrierung bietet. Eine lineare Anpassung an die Daten ermöglicht die Berechnung der Geschwindigkeit aus Derelkreisspannung. In diesem Fall emittiert der Kurskreisel einen nominalen Nulldrehzahlwert von 2,38 Volt.

Sehen wir uns schließlich die Flugdaten an. Hier zeigen wir mit unserem kalibrierten IMU einen 30-Sekunden-Querbeschleunigungsdatensatz für den Quadrotor. Dieses Diagramm zeigt rohe und gefilterte Beschleunigungsmessungen aus dem IMU im Vergleich zur Zeit. Die Daten wurden gefiltert, um Geräusche aus der Messung zu entfernen. Sie können sehen, dass Rohrauschendaten abgeschwächt werden. In den gefilterten Daten ist jedoch eine Zeitverzögerung vorhanden.

Zusammenfassend haben wir gelernt, wie Flugzeugsteuerungssysteme verschiedene Sensoren verwenden, um die aktuelle Höhe und Fluggeschwindigkeit während des Fluges zu messen. Wir kalibrierten dann einen Ratenkreisel und Beschleunigungsmesser und montierten sie auf einem Quadrotor, bevor wir Flugexperimente durchführten.

This content is Free Access.

RECOMMEND JoVE