Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Science Education
Aeronautical Engineering

A subscription to JoVE is required to view this content.

 
Click here for the English version

Control de vuelo en tiempo real: calibración de sensores integrados y adquisición de datos

Overview

Fuente: Ella M. Atkins, Departamento de Ingeniería Aeroespacial, Universidad de Michigan, Ann Arbor, MI

Visión general

El piloto automático permite estabilizar las aeronaves utilizando los datos recopilados de los sensores a bordo que miden la orientación, la velocidad angular y la velocidad del aire de la aeronave. Estas cantidades pueden ser ajustadas por el piloto automático para que la aeronave siga automáticamente un plan de vuelo desde el lanzamiento (despegue) hasta la recuperación (aterrizaje). Se recopilan datos de sensores similares para controlar todo tipo de aeronaves, desde grandes aviones de transporte comercial de ala fija hasta helicópteros de múltiples rotores a pequeña escala, como el quadcopter con cuatro unidades de propulsión.

Con la posición inercial y la velocidad capturada por un sensor como el Sistema de Posicionamiento Global (GPS), el sistema de control de vuelo en tiempo real del piloto automático permite a un multicóptero o avión de ala fija estabilizar su actitud y velocidad de aire para seguir un Trayectoria. La integración de sensores, la calibración, la adquisición de datos y el filtrado de señales son requisitos previos para los experimentos de control de vuelo.

Aquí describimos un conjunto de sensores que proporciona los datos necesarios para el control de vuelo. Se describen las interfaces de señal y la adquisición de datos en dos plataformas informáticas integradas diferentes, y se resume la calibración del sensor. Los filtros de media móvil y mediana de un solo canal se aplican a cada canal de datos para reducir el ruido de la señal de alta frecuencia y eliminar los valores atípicos.

En este experimento, se demuestra la adquisición de datos y la calibración del sensor para el control de vuelo en tiempo real. Varios artículos publicados han descrito los principios de la recopilación y el control de datos de sensores, y recientemente se han centrado en sensores para pequeños vehículos aéreos no tripulados (UAV) [1-3].

Principles

Las aeronaves deben equilibrar sus fuerzas y momentos a través de sistemas aerodinámicos y de propulsión. Como se muestra en la Figura 1a, un avión de ala fija equilibra cuatro fuerzas en vuelo constante: elevación aerodinámica, arrastre aerodinámico, empuje del sistema de propulsión y peso. Aviones de ala fija, ya sea hacia arriba o hacia abajo, para subir o descender, y rodar a la izquierda o a la derecha para girar a un nuevo rumbo.

Como se muestra en las figuras 1b y 1c,un multicóptero flotante debe equilibrar el empuje hacia arriba generado por las unidades del propulsor con su peso, mientras que un multicóptero que vuela a una velocidad apreciable gira para que su empuje equilibre la resistencia aerodinámica. Para lograr un vuelo estable, las aeronaves también deben equilibrar los momentos sobre los tres ejes. Las rotaciones se definen con las siguientes convenciones para el vuelo tridimensional (3D):

  1. Rodar (o) – rotación sobre el eje que apunta hacia la parte delantera del vehículo (x), lo que resulta en movimiento de lado a lado
  2. Pitch (o) – rotación sobre el eje que corre de izquierda a derecha (y), lo que resulta en un movimiento de inclinación hacia adelante y hacia atrás
  3. Yaw (o) – rotación sobre el eje vertical (z), lo que da como resultado un cambio de ángulo de dirección

Un sistema de control de vuelo emite comandos de motor y superficie de control que estabilizan el balanceo, el paso, la actitud de guijada y las fuerzas de equilibrio de la aeronave, como se muestra en la Figura 1. Los comandos deben actualizarse de forma fiable y en tiempo real para garantizar que la aeronave pueda corregir perturbaciones como el viento. Para lograr y mantener una actitud prescrita, el sistema de control debe mantener una estimación precisa de la actitud de la aeronave (rollo, paso, guiso) así como sus cambios de actitud en el tiempo (velocidades angulares). Debido a que las fuerzas como la elevación y la resistencia dependen críticamente del flujo de aire, se requiere una detección adicional para determinar la velocidad del aire(V en la Figura 1)y la dirección del flujo de aire con respecto a la aeronave. Para seguir una trayectoria prescrita, la aeronave también debe detectar su posición a través de un sensor como un GPS, sensores de aeronave que permiten el control de vuelo se muestran en la Figura 2.

Una vez que los datos se adquieren de los sensores, las señales se filtran para reducir el impacto del ruido y los valores atípicos en la calidad de los datos procesados. A continuación, los datos se agregan en una estimación completa del estado de la aeronave, incluidas las posiciones 3D, las velocidades lineales, la orientación (actitud) y las velocidades angulares. El estado de la aeronave se envía al controlador de vuelo, que luego actualiza los comandos a los propulsores de la aeronave y / o superficies de control para configuraciones de ala fija.

Sensores de aeronaves

Las aeronaves, incluyendo de ala fija y multicóptero, se basan en un conjunto de sensores conocido como unidad de medición inercial (IMU) para determinar la actitud de la aeronave 3D y la velocidad angular. Una IMU normalmente consta de tres tipos de sensores: acelerómetros para medir la aceleración lineal; velocidad giroscopios (giroscopios) para medir la velocidad angular; y sensores de campo magnético para medir la dirección y la fuerza del campo magnético local. Una IMU de tres ejes, como se muestra en la figura 3,se configura con un sistema de coordenadas de referencia de tres ejes. Un total de nueve elementos de sensibilidad, incluidos tres acelerómetros, tres giroscopios de velocidad y un magnetómetro de tres ejes, proporcionan mediciones independientes de la aceleración lineal (ax, ay y az), la velocidad angular (x, á y, z), y proporciona mediciones independientes de la aceleración lineal(ax, ay y az),la velocidad angular (x, áy, z), y campo magnético (mx, my, y mz). Una IMU se monta típicamente cerca del centro de gravedad de la aeronave (CG), con los ejes del sensor alineados con los ejes de la carrocería de la aeronave, como se muestra en la Figura 3.

Los pequeños paquetes de sensores IMU ahora están disponibles a un bajo costo. Cada sensor emite una tensión analógica, que puede ser procesada localmente o enviada directamente a un ordenador de vuelo, como se describe a continuación. Un sistema de navegación inercial integrado (INS) combina una IMU con un receptor GPS. Las unidades GPS traducen internamente las señales de satélite a estimaciones de la posición inercial en la Tierra, por ejemplo, latitud, longitud, altitud y velocidad lineal 3D de la aeronave representada en un marco de coordenadas local como NED (North-East-Down). Una IMU por sí sola es capaz de estabilizar la actitud de los aviones; sin embargo, con un INS, un avión puede rastrear una trayectoria de vuelo prescrita.

Debido a que las fuerzas aerodinámicas dependen en gran medida de la velocidad del aire, las aeronaves de ala fija Vrequieren mediciones del flujo de aire para un buen rendimiento del controlador de vuelo. Las mediciones de flujo se recopilan mediante un sistema de datos de aire (ADS). En aviones de pequeña escala, a menudo sólo se mide la velocidad del aire. En aeronaves de alto rendimiento, se requieren mediciones de la dirección y la velocidad del flujo.

En la Figura 4se muestra un sistema básico de pitot-estático [4], que se utiliza para medir la velocidad del aire de la aeronave, V. El tubo pitot en sí tiene un agujero central que da directamente al flujo que se acerca. Este orificio está conectado a través de un tubo central a un puerto de un sensor de presión diferencial. Cuatro orificios igualmente espaciados alrededor del exterior del tubo pitot se conectan a través de un único tubo periférico al otro puerto del sensor diferencial. El tubo central mide el estancamiento o la presión total, PT, que es la presión del aire en un punto donde la velocidad de flujo es cero. El tubo exterior mide la presión de aire estática, PS, que se asocia con el flujo que se mueve a velocidad de aire de corriente libre, V. La presión combinada de los cuatro puertos periféricos promedia las cuatro mediciones de presión estática para tener en cuenta la desalineación del flujo con el tubo pitot, así como la turbulencia de flujo menor. La velocidad del aire se calcula a partir de la ecuación de Bernoulli dada la densidad atmosférica:

    (1)

La presión dinámica (diferencial) medida por un sistema de tubo pitot se da entonces por:

(2)

La velocidad del aire, V, se da entonces por:

    (3)

Una sonda de cinco orificios [5], que se muestra en la Figura 5,proporciona la capacidad de medir el ángulo de flujo y la velocidad de la corriente libre. Esta sonda, una extensión del sistema estático pitot de línea de base, también mide PT desde un tubo central. Otros cuatro puertos por encima y/o por debajo y a ambos lados del puerto de presión total central normalmente se conectan a sensores de presión absoluta. El ángulo de ataque, , que coincide con el ángulo de paso durante el vuelo de nivel, se calcula a partir de una función que compara las mediciones de presión superior e inferior:

    (4)

La función de calibración, , se determina colocando la sonda de cinco orificios en un túnel de viento (pequeño) y, a continuación, curva que ajusta los datos de presión del túnel de viento sobre una serie de condiciones de ángulo de ataque conocidas entre el vuelo mínimo y el máximo esperado valores para . Del mismo modo, el ángulo de flujo lateral (deslizamiento lateral), que suele ser pequeño, se calcula a partir de una función que compara las mediciones de presión izquierda y derecha:

(5)

Del mismo modo, la función de calibración se determina mediante datos de presión de túnel de viento de ajuste de curva recopilados en una serie de condiciones de ángulo de deslizamiento lateral conocidas entre los valores de vuelo mínimo y máximo esperados para el valor de vuelo mínimo y máximo esperado para el valor devuelo .

La IMU y el ADS permiten a un avión sentir su actitud, velocidades angulares y velocidad del aire (y potencialmente dirección). Una unidad GPS, normalmente conectada a través de un INS listo para usar o una interfaz separada solo GPS a un ordenador de vuelo, proporciona mediciones de la posición inercial y la velocidad. Una unidad GPS [6] agrega datos de tiempo de llegada de varios satélites para estimar la posición del receptor a partir de la triangulación. El GPS de línea base tiene una precisión de posición en el orden de 1-3 metros en áreas abiertas; la mayoría de los UAV alojan unidades GPS de línea de base. El GPS también puede recibir señales del Sistema de Aumento de Zona Amplia (WAAS) [7] de una fuente de señal en una región local que reducen los errores de estimación de posición a menos de un medidor. Las posiciones GPS se miden en el sistema de coordenadas de la Tierra, típicamente LLA (Latitud, Longitud, Altitud). El GPS también proporciona una medición local de la velocidad 3D de una aeronave en relación con la Tierra en sistemas de coordenadas basados en la Tierra NED (North-East-Down) o ENU (East-North-Up). Las unidades GPS calculan internamente la información de posición y velocidad y comunican estos valores a un ordenador de vuelo a bordo.

El GPS permite a un avión seguir un plan de vuelo descrito por waypoints en un marco de coordenadas fijo en la Tierra. Muchas misiones, por ejemplo, la pequeña vigilancia del UAV, requieren que el UAV navegue con respecto a un entorno local. Para este propósito, el UAV todavía puede llevar un receptor GPS, pero se basará en sensores a bordo como cámaras, radar o Lidar, para navegar con respecto a un entorno local. Muchos investigadores han estudiado la navegación UAV con respecto a un entorno local utilizando sensores a bordo, como en aplicaciones de búsqueda y rescate [8] y para la localización de pequeños UAV en un entorno de cañón urbano donde la recepción de señal GPS no es confiable [9].

Adquisición de Datos (DAQ) y Calibración de Sensores

Cada sensor IMU y ADS emite un voltaje analógico que pasa a través de un convertidor analógico a digital (A/D) y luego a un procesador digital o microprocesador. La conversión A/D se puede realizar directamente en el ordenador de vuelo, o un microprocesador dedicado puede realizar la conversión A/D y retransmitir datos. Debido a que la señal se pierde sobre los cables de señal largos, es ventajoso realizar la conversión A/D cerca de la fuente de señal del sensor. Por lo tanto, muchos IMI modernos incrustan un microprocesador y transmiten lecturas de voltaje digitalizadas a través de una conexión serial (sin pérdidas). Por ejemplo, el MPU-9250 aloja los nueve sensores IMU (3 acelerómetros, 3 giroscopios de velocidad, magnetómetro de 3 ejes) y un microprocesador en una sola placa de circuito impreso. A continuación, los datos recopilados se distribuyen al ordenador de vuelo a través de una conexión serie I2C [10].

En esta demostración, ilustramos el uso de una IMU con conexión I2C y la recopilación directa de datos analógicos en el ordenador de vuelo utilizando dos plataformas informáticas integradas: una Diamond Systems Athena II y una Beaglebone Blue. Fueron seleccionados debido a sus diversas capacidades de interfaz de hardware. Ambos son ligeros y tienen un pequeño factor de forma apropiado para la instalación en un pequeño UAV. El Athena II es un producto bien establecido; su fuerza es en resolución de datos de alta resolución (16 bits A/D), que con el ligero sistema operativo en tiempo real QNX Neutrino, asegura una adquisición de datos fiable de hasta 3 kHz. El Beaglebone Blue, que ejecuta una variante de Linux, tiene un convertidor A/D de menor resolución, pero se conecta a una variedad de dispositivos serie, incluyendo I2C. El Beaglebone es de bajo costo, tiene un procesador más rápido y es compatible con numerosas aplicaciones basadas en Linux. Por lo tanto, es una mejor opción de uso general para experimentos de bajo costo. El Athena II se utiliza en este experimento para demostrar su utilidad en la captura directa de datos de sensores con aplicación a la adquisición de datos de vuelo basados en la investigación, como en una plataforma UAV experimental de ala flexible [11].

Antes de la implementación para el control de vuelo, los sensores IMU y ADS deben calibrarse correctamente. La calibración de extremo a extremo representa el escalado de voltaje y el sesgo a medida que la salida del sensor físico pasa a través del convertidor A/D al ordenador y luego se traduce a unidades MKS (metro-kilogramo-segundo):

(6)

donde la señal adquirida, en voltios, se compensa por voltaje de sesgo, b, y luego se escala por factor m a una lectura de unidad MKS, . Las IME con una interfaz serie pueden proporcionar opciones para recopilar lecturas en voltios o unidades MKS basadas en la calibración del fabricante. Los datos del sensor adquiridos directamente para IMU o ADS requieren la lectura de un valor entero de cada canal A/D (en recuentos), que se traduce en una lectura de voltaje de punto flotante basada en la resolución del convertidor A/D (por ejemplo, 12 bits o 16 bits) y un rango de voltaje a escala completa. Para tener en cuenta las imprecisiones tanto en las calibraciones predeterminadas del sensor como en el proceso de conversión A/D, normalmente es ventajoso calibrar IMU y ADS una vez completamente integrados en la canalización DAQ.

Para la IMU, los voltajes del acelerómetro se escalan a una lectura en relación con la aceleración cero en metros por segundo cuadrado, y los voltajes giroscopios de velocidad se escalan a una lectura en relación con la velocidad angular cero en radianes por segundo. La calibración de un magnetómetro requiere un proceso más cuidadoso que tenga en cuenta las fuentes de perturbación locales [12]. En este experimento, ilustramos el uso de una tabla de tarifas para calibrar giroscopios de velocidad y acelerómetros. Tenga en cuenta que en entornos complejos, un magnetómetro puede no ser preciso a pesar de los mejores esfuerzos en la calibración; en estos casos, el encabezado se determina por medios alternativos, por ejemplo, la consideración del encabezado vectorial de velocidad GPS.

Filtrado de señales

Las señales del sensor inevitablemente contienen ruido eléctrico, así como ruido de fuentes físicas, como vibración estructural en vuelo. Este tipo de ruido normalmente toma la forma de valores atípicos individuales en los datos y el ruido de alta frecuencia; ambos se pueden atenuar con filtrado de señal de bajo nivel. En nuestros experimentos se aplican dos filtros de señal de sensor comúnmente aplicados [13]: un filtro de media móvil para atenuar el ruido de alta frecuencia y un filtro mediano para rechazar los valores atípicos de señal de señales secuenciales de un solo canal, o "sal y pimienta", de las imágenes. La media móvil simple estima la señal actual como el valor medio de los valores de datos n adquiridos más recientemente en un escenario de control en tiempo real; en el post-procesamiento, cada señal se estima a partir de un número igual de puntos de datos anteriores y futuros para evitar efectos de cambio de tiempo. Por lo tanto, la estimación de la media móvil no ponderada en tiempo real utilizable para el control de vuelo se da por:

(7)

donde hay un único valor de datos del sensor en el paso de tiempo k-i y es la estimación de la media móvil para el paso de tiempo k. Un gran valor para n elimina eficazmente el ruido de alta frecuencia, pero tiene las desventajas de introducir el retardo de tiempo en las estimaciones de señal. También puede filtrar señales reales y transitorias. Para minimizar el impacto de los datos antiguos en las estimaciones de media móvil, los datos a menudo se ponderan lineal o exponencialmente para que los puntos de datos más recientes influyan en los resultados de la media móvil más que los valores de datos más antiguos.

El filtro mediano para señales de un solo canal es sencillo. Los últimos valores de datos d sin procesar se recopilan en una matriz o conjunto, a continuación, se devuelve la mediana, es decir, el valor medio o el promedio de los dos valores medios dado un número par de valores:

(8)

donde hay un único valor de datos del sensor y es la mediana de salida filtrada en el paso de tiempo k. Los datos sujetos tanto al ruido de alta frecuencia como a los valores atípicos a menudo se procesan secuencialmente a través de filtros de media mediana y móvil. Para evitar que los valores atípicos influyan en el resultado de la media móvil, el filtro mediano se aplica normalmente primero. Los valores de n y d están definidos por el usuario, pero normalmente están en el intervalo [3, 10] a menos que los datos se adquieran a velocidades muy altas que en las decisiones de control.

Subscription Required. Please recommend JoVE to your librarian.

Procedure

Este procedimiento ilustrará la calibración y la integración de sensores IMU y ADS con computadoras de vuelo y demostrará el uso de la adquisición y procesamiento de datos INS y ADS integrada sin usar en una instalación de vuelo al aire libre. Se demuestra el control de vuelo de extremo a extremo para un quadrotor que opera en la instalación de prueba de vuelo con red M-Air de la Universidad de Michigan.

1. Calibración del sensor: Unidad de medición inercial (IMU)

La calibración del sensor es más eficaz cuando se realiza con el apoyo de equipos de prueba de alta calidad. Para la IMU de 3 ejes, calibrar el giroscopio de velocidad y el acelerómetro para cada eje por separado utilizando una tabla de velocidad de precisión(Figura 6). La tabla de velocidades gira con precisión a una velocidad angular definida por el usuario. El usuario emite una serie de comandos de velocidad, durante los cuales la IMU recopila los datos necesarios para la calibración del sensor. Por lo tanto, el experimento de calibración de un solo eje descrito a continuación se repite tres veces, una vez para cada eje del sensor IMU (x, y, z).

  1. Monte la IMU en la tabla de velocidades de modo que el eje del sensor que se está calibrando se dirija radialmente hacia adentro o hacia afuera.
  2. Mida la distancia desde el centro de la tabla hasta el centro del centro de IMU. Este es el radio de referencia para el movimiento circular.
  3. Monte el ordenador DAQ, la IMU y la batería directamente en la tabla de tarifas y conecte todos los componentes directamente.
  4. Configure software para recopilar datos de velocidad y aceleración de IMU.
  5. Mientras que la tabla de velocidad es inmóvil, giroscopio de tasa de registro, y valores de sesgo acelerómetro.
  6. Realice una serie de experimentos con diferentes tasas de rotación de tablas de tasa constante positivas y negativas. Se espera que las calibraciones del sensor sean lineales. Adquiera datos a velocidades de 0 (línea de base), 15, 30 y 60 grados/segundo. La tabla puede girar a velocidades más rápidas, pero los valores seleccionados son suficientes para cubrir las señales esperadas en las operaciones de vuelo típicas de UAV.
  7. Recopile datos del giroscopio de velocidad y el acelerómetro que se calibran para cada valor de velocidad angular mencionado anteriormente. Cada tasa de rotación debe establecerse antes de que se recopilen los datos para garantizar que se mantenga una velocidad constante. Recopile datos de más de 10 a 15 s, suponiendo una velocidad de recopilación de datos de al menos 30 - 100 Hz, para garantizar que las perturbaciones se puedan filtrar de los valores de calibración finales.
  8. Desconecte y retire la IMU de la tabla de velocidades y orientarla de tal modo que el acelerómetro que se está calibrando apunte hacia abajo.
  9. Recopilar +1g datos a través del sistema informático.
  10. Voltear la IMU de tal forma que el acelerómetro que se está calibrando apunta hacia arriba y recoger -1g datos a través del sistema informático. Estos puntos de datos adicionales son fáciles de obtener y se pueden utilizar para validar cada curva de calibración lineal obtenida a partir de datos de tabla de velocidades a 1 g.  El valor 1g es particularmente importante para calibrar con precisión porque los datos del acelerómetro lineal se utilizan para determinar la dirección "abajo" en relación con el cuerpo del quadcopter.
  11. Procesar los datos. Desarrolle curvas lineales para puntos de datos de giroscopio y acelerómetro, que relaciona n.o de tensiones adquiridas con velocidades de rotación de unidadES MKS (giroscopio) y aceleraciones lineales (acelerómetro). Confirme que el error de calibración es lo suficientemente bajo. Tenga en cuenta que la tabla de velocidades proporciona un control directo de la velocidad angular para la calibración del giroscopio. La aceleración correspondiente, a, inducida por la fuerza centrípeta del movimiento circular, se puede calcular a partir de la velocidad angular especificada y el radio r de la IMU desde el centro de la tabla de velocidades:
    (9)

2. Experimentos de vuelo de Quadrotor

Para nuestra serie final de experimentos, montamos el sistema IMU y pitot en un quadrotor (mostrado en la Figura 7)y volamos en las instalaciones de vuelo con red M-Air de la Universidad de Michigan. El vehículo se estabiliza a través de un puerto del paquete de piloto automático de código abierto Ardupilot al Beaglebone Blue (sin microprocesador utilizado) y configurado antes del vuelo a través del software de la estación terrestre Mission Planner. Una interfaz transmisor/receptor de radiocontrol permite al piloto proporcionar comandos de "bucle exterior" para la altitud del rotor cuádruple, movimiento de lado a lado y dirigirse a la ley de control de vuelo "bucle interno" de Ardupilot que regula el ángulo de giro del rotor cuádruple, ángulo de inclinación, ángulo de guia ( y la altitud. [14]

Debido a que un quadrotor no requiere retroalimentación de velocidad de aire para estabilizarse, Ardupilot sólo se basa en datos IMU más un sensor de presión para la altitud, que se calibra durante la inicialización del programa en relación con la presión de altitud de despegue, para estabilizar el vuelo dado entradas piloto. Una extensión totalmente autónoma de Ardupilot requiere datos de posición inercial del GPS u otro sistema de detección (por ejemplo, captura de movimiento de alta velocidad). Debido a que nuestros experimentos se realizaron con quadrotors en entornos restringidos, el sistema de datos de aire pitot no es necesario.  Sin embargo, los sistemas pitot son esenciales para aviones de ala fija y multicóptero que intentan rutas de vuelo precisas siguiendo entornos ventosos inciertos. [15, 16] El procedimiento de prueba de vuelo se divide en tres fases: pre-vuelo, prueba de vuelo y post-vuelo. Esta subdivisión es similar a los procedimientos seguidos por los pilotos de aeronaves tripuladas mediante el uso de listas de verificación de cabina bien establecidas. [17]

Pre-vuelo

  1. Cargue las baterías y pruébelas antes de la instalación.
  2. Establecer un entorno de prueba claro (interior o exterior) y marcar el área para asegurar que las personas no involucradas permanezcan claras.
  3. Asegúrese de que el equipo de pruebas de vuelo esté informado y calificado (entrenado) para realizar la prueba planificada.
  4. Si vuela al aire libre, asegúrese de que la aeronave y el piloto estén registrados y certificados según las regulaciones de la FAA. Se requiere un mínimo de tres personas para una prueba al aire libre: un piloto al mando (PIC), un observador visual (VO) y un operador de estación de tierra. Para nuestras pruebas, el quadrotor volará en una instalación con redes al aire libre. Dos operadores de atela se asegurarán de que el vehículo no pueda volar para las pruebas en interiores. Tenga en cuenta que no se aplican regulaciones específicas de la FAA a las pruebas de vuelo con red, ya que el UAV no ocupa un espacio abierto al aire libre.
  5. Encienda el ordenador de vuelo y el ordenador portátil de la estación de tierra.
  6. Recopile datos preliminares para asegurarse de que los sensores funcionan correctamente. El piloto y el equipo de soporte deben garantizar una comprensión clara del plan de vuelo y que los procedimientos de anulación/recuperación estén en su lugar.

Prueba de vuelo

  1. Inicie la adquisición de datos en la estación terrestre.
  2. Confirme que el área de vuelo está despejada/segura.
  3. Propulsores/motores de brazo.
  4. Inicie la secuencia de prueba de vuelo.
  5. Realizar la prueba de vuelo, con el piloto llamando a cada paso, incluyendo como mínimo:
    despegue (lanzamiento), cambios en el modo de vuelo, objetivos o maniobras conocidos de waypoint, y aterrizaje.  Asegúrese de que todo el personal esté en la tarea y ejecute los procedimientos de emergencia (terminación de vuelo) según sea necesario. Los waypoints y trayectorias son específicos de cada vuelo. Para el experimento de rotor, seguimos patrones cruzados y rectangulares moderadamente agresivos a una altitud y rumbo constantes, seguidos de una subida/descenso y luego una secuencia de guiñada. Las velocidades angulares y las aceleraciones lineales en este vuelo se identifican fácilmente en los datos, y confirman que la IMU y el controlador de vuelo funcionan correctamente.

Post-vuelo

  1. Desarma los motores para asegurar que no se encenderán accidentalmente.
  2. Guarde y descargue los datos de vuelo en el almacenamiento de archivos.
  3. Registre el vuelo en palabras por la retroalimentación del piloto, el VO y el operador de la estación terrestre.
  4. Compruebe las baterías y cártelas según sea necesario.
  5. Recuperar el equipo y limpiar el área para el siguiente ocupante.

Un avión de ala fija logra un vuelo constante equilibrando cuatro fuerzas: elevación aerodinámica, resistencia aerodinámica, empuje y peso del sistema de propulsión. Para lograr un vuelo estable, también debe equilibrar los momentos sobre los tres ejes, el eje de balanceo, paso y guiñada. Todas las rotaciones se definen como ángulos sobre estos ejes con cambios en el eje de balanceo que causan movimiento de lado a lado, cambios en el eje de inclinación que causan movimiento de inclinación hacia adelante y hacia atrás y cambios en el eje de guiñada que causan cambios de rumbo.

Con el fin de estabilizar la aeronave a cualquier cambio repentino como ráfagas de viento, un sistema de control de vuelo emite comandos de motor y superficie de control que deben actualizarse en tiempo real. Por lo tanto, el sistema de control utiliza varios sensores para mantener una medición precisa de la altitud actual, es decir, los ángulos de balanceo, paso y guiso, así como la velocidad del aire. Una vez que los datos se adquieren de los sensores, las señales se filtran para reducir el impacto del ruido y los valores atípicos en la calidad de los datos procesados. A continuación, los datos se agregan en una estimación completa del estado de la aeronave y se utilizan para el control de vuelo.

Tanto los aviones de ala fija como los multicóptero confían en este sistema de control para monitorear y controlar la altitud de las aeronaves. Ambos también utilizan el barrido del sensor conocido como unidad de medición inercial o IMU.

Una IMU normalmente consta de tres tipos de sensores: acelerómetros para medir la aceleración lineal, giroscopios de velocidad para medir la velocidad angular y sensores de campo magnético para medir la dirección y la fuerza del campo magnético local. Una IMU a menudo se combina con un sistema GPS y se monta cerca del centro de gravedad de la aeronave con el eje del sensor alineado con el eje del cuerpo de la aeronave.

En este laboratorio, demostraremos la calibración de una IMU simple utilizando una tabla de velocidad de precisión. A continuación, montaremos la IMU calibrada en un multicóptero y realizaremos una prueba de vuelo para ver los datos en tiempo real y filtrar.

En la primera parte del experimento, calibraremos la IMU que contiene un giroscopio de velocidad y un acelerómetro para cada eje utilizando una tabla de velocidad de precisión. La tabla de velocidades gira con precisión a una velocidad definida por el usuario después de una serie de comandos de velocidad. Esto nos permite determinar la relación entre la lectura de voltaje y la velocidad.

Para empezar, monte la IMU en la tabla de velocidad con tornillos y oriente, como que el eje del sensor que se está calibrando en este caso el eje X, esté directamente radialmente hacia adentro o hacia afuera. Mida la distancia desde el centro de la tabla hasta el centro de IMU y utilice esta medida como radio de referencia para el movimiento circular. La IMU está montada en una placa de adquisición de datos. Conecte los componentes directamente.

Ahora, configure el software para recopilar los datos de velocidad y aceleración de IMU. Realice una serie de experimentos con diferentes tasas de rotación de tablas de velocidad constante positivas y negativas con cero utilizado como medición de línea base. Mientras la tabla de velocidad es inmóvil, registre el giroscopio de velocidad y el acelerómetro por valores S. A continuación, inicie la prueba y recopile los datos.

Una vez probadas todas las velocidades angulares para esa orientación, desenganche la IMU y vuelva a colocarla de tal forma que el acelerómetro esté orientado hacia arriba. Vuelva a conectarlo y, a continuación, inicie la prueba para recopilar datos de -1 G. Después de eso, voltee la IMU para que el acelerómetro esté orientado hacia abajo y recopile datos +1 G.

Cuando haya completado la calibración del eje X, vuelva a colocar la IMU de modo que el sensor del eje z esté orientado a la radial hacia afuera y repita todas las pruebas, recordando colocar la IMU hacia arriba y hacia abajo para calibrar el acelerómetro. Realice el mismo procedimiento para el sensor del eje Y.

En la siguiente parte del experimento, montaremos la IMU en el quadrotor y la volaremos dentro de una instalación de vuelo con red. Una interfaz del receptor del transmisor de control radial permite al piloto proporcionar comandos para la altitud, el rumbo, el ángulo de giro, el ángulo de inclinación y el ángulo de guiso.

Antes de arrancar, cargue todas las baterías y pruebe los componentes antes de la instalación en el quadrotor. A continuación, prepare el vuelo asegurándose de que al menos tres personas, el piloto al mando, el observador visual y el operador de la estación terrestre estén informados sobre los planes de vuelo. Lleve el quadrotor a la instalación de vuelo con red y póntelo en una tabla de aterrizaje plana.

La prueba de vuelo comienza con el despegue desde el origen subiendo a una altitud de 1,5 m. A continuación, ejecutaremos un patrón de vuelo de dos metros cuadrados con una velocidad de referencia de 0,5 m/s. El quadrotor se detiene antes de cada cambio de posición. A continuación, ejecutaremos segmentos de recorridos de mayor velocidad a 0,5, 1 y 1,5 m/s para demostrar cómo la velocidad afecta al exceso.

Para comenzar la prueba de vuelo, inicie la adquisición de datos en la estación terrestre. Después de confirmar que el área de vuelo está despejada, arma los motores. Ahora, inicie la secuencia de prueba de vuelo con el piloto llamando a cada paso antes de realizarlos comenzando con el despegue. Asegúrese de anunciar todos los cambios en el modo de vuelo, objetivos de waypoint conocidos o maniobras.

Una vez ejecutado el plan de vuelo, avise al resto del equipo de vuelo del descenso final y aterrizaje del quadcopter. Luego, desarma los motores del quadcopter. Guarde y descargue todos los datos de vuelo y registre el vuelo en el libro de registro de vuelos. Finalmente, recupere todo el equipo y despeje el área para el siguiente usuario.

Ahora vamos a interpretar los resultados. Comenzando con los datos de calibración para la IMU, primero mostramos una gráfica de velocidad de rotación de la tabla de velocidad frente a la tensión del giroscopio. Tenga en cuenta que la tabla de velocidades proporciona un control directo de la velocidad angular para la calibración del giroscopio. Un ajuste lineal a los datos permite el cálculo de la velocidad a partir de la tensión del giroscopio. En este caso, el giroscopio de velocidad emite una lectura nominal de velocidad cero de 2,38 voltios.

Por último, echemos un vistazo a los datos de vuelo. Aquí mostramos un conjunto de datos de aceleración lateral de 30 segundos para el quadrotor utilizando nuestra IMU calibrada. Esta gráfica muestra las mediciones de aceleración sin procesar y filtradas de la IMU frente al tiempo. Los datos se filtraron para eliminar el ruido de la medición. Puede ver que los datos de ruido sin procesar están atenuados. Sin embargo, un retraso de tiempo está presente en los datos filtrados.

En resumen, aprendimos cómo los sistemas de control de aeronaves utilizan varios sensores para medir la altitud actual y la velocidad del aire durante el vuelo. Luego calibramos un giroscopio de velocidad y un acelerómetro y los montamos en un quadrotor antes de realizar experimentos de vuelo.

Subscription Required. Please recommend JoVE to your librarian.

Results

Calibración del sensor

En la Figura 8se muestra un ejemplo de una gráfica de calibración de giroscopio de velocidad. En este caso, el giroscopio de velocidad emite una lectura nominal (velocidad cero) de 2,38 V. Se recopilaron datos de voltaje giroscopio de velocidad para seis velocidades de rotación diferentes medidas en grados por segundo, y se ajustaba una curva lineal a estos datos. Como se muestra, el ajuste lineal proporciona una muy buena aproximación de todos los puntos de datos recopilados.

Resultados de las pruebas de vuelo

Las figuras 9 muestran los datos sin procesar y filtrados de un conjunto de datos de aceleración lateral de 30 s para un quadrotor que vuela en un entorno interior. Los valores de filtro d y n son relativamente grandes para ilustrar claramente el impacto del proceso de filtrado. Como se muestra, el ruido de datos sin procesar se atenúa. Sin embargo, un retraso de tiempo notable está presente en los datos filtrados, por ejemplo, en la tendencia de aceleración positiva (atenuada) justo antes de t5 s.  Para esta gráfica, se observa un pequeño sesgo negativo en la tendencia general de aceleración; esto es probablemente debido a un ligero paso en el montaje IMU en relación con el plano del propulsor del quadrotor de tal manera que un pequeño componente de aceleración gravitacional se observa en la medición de aceleración del eje x.  Este desplazamiento es común cuando se alinean sensores sólo a través de la inspección visual.


Figura 1. Fuerzas Fundamentales Actuando en Aeronaves. Haga clic aquí para ver una versión más grande de esta figura.


Figura 2. Tubería de datos desde sensores hasta control de vuelo. Haga clic aquí para ver una versión más grande de esta figura.


Figura 3. Sensores de la Unidad de Medición Inercial (IMU) y Convenciones de Eje. Haga clic aquí para ver una versión más grande de esta figura.


Figura 4. Sistema de tubo Pitot para medición de velocidad de aire (V). Haga clic aquí para ver una versión más grande de esta figura.


Figura 5. Sistema de sonda de cinco orificios para velocidad de aire (V), ángulo de ataque(a ) y ángulo de deslizamiento lateral (b) Medición. Haga clic aquí para ver una versión más grande de esta figura.


Figura 6.  Calibración del sensor IMU con una tabla de velocidad de un solo eje.  Como se muestra, la tensión del giroscopio de velocidad del eje zse puede calibrar directamente para cada velocidad angular comandada, w, y el acelerómetro del eje xse puede calibrar a partir de la aceleración centrípeta dada la velocidad angular w y medida radio r desde el centro de la tabla de tarifas hasta el centroide IMU.  La IMU se puede girar y volver a montar para calibrar las mediciones de los otros ejes de giroscopio y acelerómetro de velocidad. Haga clic aquí para ver una versión más grande de esta figura.


Figura 7. Plataforma Quadrotor con Beaglebone Blue utilizado para pruebas de vuelo. Haga clic aquí para ver una versión más grande de esta figura.


Figura 8.  Ejemplo de calibración de ejemplo de giroscopio de velocidad. Haga clic aquí para ver una versión más grande de esta figura.


Figura 9.  Ejemplo Quadrotor Lateral (x) Extracto de datos del acelerómetro para un vuelo interior utilizando un filtro mediano con d.8 y filtro de media móvil con ventana n.o15.  Los datos sin procesar se indican mediante la tendencia azul y los datos filtrados se muestran en naranja. Haga clic aquí para ver una versión más grande de esta figura.


Figura 10. Ejemplo de pequeño UAS GPS de ala fija, acelerómetro y datos de prueba de vuelo de giroscopio de velocidad.  Los datos sin filtrar se presentan para ilustrar la necesidad de filtrado de señal. Haga clic aquí para ver una versión más grande de esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Applications and Summary

Aquí describimos los sistemas de sensores, la adquisición de datos y el proceso de filtrado de señales necesarios para permitir el control de vuelo en tiempo real de aeronaves de ala fija y rotativa. Esta canalización de datos es un elemento esencial de todos los sistemas de piloto automático de aeronaves tripuladas y no tripuladas. Los multicóptero requieren que los pilotos automáticos se estabilicen, y los aviones de todo tipo dependen críticamente de la adquisición de datos en tiempo real y el control de vuelo para todas las operaciones a medida que avanzamos hacia sistemas de aeronaves cada vez más autónomos que realizan misiones que implican datos aéreos recogida y transporte de carga útil. Aunque los paquetes de sensores listos para usar se pueden integrar, la confiabilidad es fundamental para comprender las capacidades y limitaciones del sensor en diferentes entornos. Por ejemplo, la precipitación pesada o el hielo pueden bloquear los tubos de pitot, y las estructuras urbanas del cañón pueden bloquear las señales GPS.

Además, las actitudes inusuales pueden requerir la extensión de los cálculos de estimación del estado que dependen de las representaciones de actitud de Euler Angle. Existe un equilibrio inherente entre la resiliencia obtenida a través de la integración de sensores adicionales y el costo y peso adicionales necesarios para soportar sensores redundantes. Es probable que los UAV pequeños de menor costo continúen empleando el conjunto de sensores de línea de base para el control de vuelo descrito aquí. Si bien los aviones más fiables, como el transporte comercial y los aviones de combate, basan sus estimaciones estatales en sensores similares a los descritos aquí, dependen de la triple redundancia y la diversidad de sensores para garantizar que el controlador de vuelo de la aeronave pueda confiar en un estimación precisa del estado a pesar de la posibilidad de fallas en los sensores o condiciones ambientales extremadamente desafiantes.

La Figura 10 muestra historiales de tiempo de GPS y IMU (crudos) tomados de una pequeña prueba de vuelo UAS de ala fija. Los datos GPS muestran el patrón de vaitering local que un piloto vuela manualmente a través de un enlace de control de radio. Las historias de tiempo de IMU crudas muestran la señal, pero también exhiben un ruido de señal sustancial.  Este ruido es el resultado principalmente de las vibraciones estructurales del fuselaje inducidas por la unidad de propulsión (motor) y es típico para la UAS pequeña de ala fija con estructuras ligeras de madera o compuestas.  Tenga en cuenta que los datos se recopilaron después de aislar vibracionalmente la IMU de la estructura con soportes de goma, proporcionando una fuerte motivación para el filtrado de señales.  En los datos de respuesta de tiempo, el despegue (lanzamiento) se produce justo después de t100 s, y el aterrizaje se ve en los "picos" de datos de gran magnitud que ocurren justo antes de t450 s.

Reconocimientos

Reconocemos al Sr. Prashin Sharma, al Sr. Matthew Romano y al Dr. Peter Gaskell de la Universidad de Michigan por su ayuda en la creación y realización de experimentos.

Subscription Required. Please recommend JoVE to your librarian.

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.

Transcript

Please note that all translations are automatically generated.

Click here for the English version.

Tags

Valor vacío Emisión ,

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter