冯志刚,舒 林
(沈阳航空航天大学 自动化学院,沈阳 110136)
基于ARM的航拍三轴云台控制系统设计与研究
冯志刚,舒 林
(沈阳航空航天大学 自动化学院,沈阳 110136)
随着机载云台技术的快速发展,搭载稳定云台的无人机具备快速目标搜索和跟踪能力。由于云台常在复杂环境下执行任务,不可避免地会受到风阻力、机械振动、负载扰动等多种因素影响。传统的云台控制系统采用经典的PID控制,但在复杂的环境中,由于外扰突变,传统的PID不能跟踪突变量的变化,造成控制系统控制精度下降和响应速率减慢。设计基于ARM的硬件平台,运用神经网络云台控制技术,在方向恒定、风速5.95 m/s情况下,云台的姿态角度误差在±5°以内,能够实现云台的稳定控制。
无人机;云台;PID;ARM;神经网络
陀螺稳定云台是随着陀螺仪的演变而发展,目前在国外,稳定云台广泛应用在军事上,其控制精度和其他各种性能指标都达到了很高的水平[1]。如以色列的ESP—600C型无人机机载光电侦察云台视轴稳定精度为 15 μrad、俯仰为+10°~-110°、方位转动为360°×N、最大角速度为50°/s、最大角加速度。以色列的COMPASS型无人机机载光电侦察云台视轴稳定精度为 25 μrad、俯仰为+35°~ -85°、方位转动为360°×N、最大角速度为60°/s[2]。
国内对稳定云台系统的研究起步相对比较晚,90 年代初才开始研制机载陀螺稳定云台。1987 年,哈工大研制的“GZT”型双轴位置转台,位置精度达到 0.1 s。同年,6354所与哈工大共同研制的CCGT型双轴测试转台,可以测定漂移为3.6 s/h的陀螺,精度达到了1.5 s[3]。1990年,303所成功研制出了SGT-1型三轴捷联惯性导航测试转台,该转台三轴回转精度达到了±2 s,相邻两轴垂直精度为±1 s,测角精度为1 s。
稳定云台系统控制精度越高,机载相机获取的低空遥感图像的质量就越清晰[4-6]。风阻力矩的影响使云台在工作时受到最多的影响。传统的云台控制系统采用经典的PID控制,控制器参数要实时调整,在复杂的环境中会导致控制系统外扰突变,由于PID不能跟踪突变量的变化,造成控制系统控制精度下降和响应速率减慢,不能满足对目标快速搜索和快速定位要求[7-9]。本文设计的新型云台控制系统采用神经网络控制技术,在外部存在风阻力矩的情况下,抑制转矩波动,提高了系统的鲁棒性和稳定性,实现云台的稳定控制。
本硬件控制系统采取STM32F103RCT6作为系统的主要控制芯片。STM32F103RCT6是一款高性能、低成本、低功耗专为嵌入式开发设计的芯片,时钟频率可达到72 MHz,处理速度快,用于执行神经网络控制算法。运用I2C接口可对陀螺仪加速度传感器进行快速读取,快速获得云台相机的姿态角信息。运用STM32F103片上12位逐次逼近型的ADC(模拟数字转化器)对电机转子测量电路的输入电压信号进行模数转化,进行比较最终得出电机转子的位置,进而对电机进行控制。硬件结构主要包括电源电路、直流无刷电机驱动电路、陀螺仪和加速度传感器采集电路、通信接口电路。云台整体控制系统的框图如图1所示。
图1 硬件系统框图
1.1 电源模块
电源模块采取二级降压模式,即先通过LM3150稳压到5 V后,再通过AMS117_3.3稳压到3.3 V对STM32F103RCT6进行供电。
LM3150是一款同步降压控制器,采用固定导通时间结构,仿纹波控制技术,降低了输出电压纹波,无需外置环路补偿,降低了设计复杂性。内部集成过压保护、短路保护、热关断。由于采用仿真纹波模式控制会产生相同的纹波信号,故对输出电容ESR的要求降低,应选择辅助并联电容,以便其有效阻抗不会负衰减输出纹波电压,故在输出端采用22 μF钽电容并联。为了降低启动应力和电流浪涌,在软启动端口(SS)接入15 nf电容,使稳压器逐步达到稳定状态。
利用AMS117_3.3稳压输出3.3V,该芯片输出电压可达到1%的精度,内部集成过热切断电路提供了过载过热保护,以防止环境温度过高造成的结温。输出端接入电容C8、C9减小噪声干扰,抑制自激振荡,输入端接入电容C6、C9有整流抑制干扰的作用。电源模块电路图如图2、图3所示。
图2 LM3150外围电路
图3 AMS117_3.3外围电路
1.2 姿态传感器电路
本系统所选择的运动传感器是 INVENSENSE 公司的 MPU6050,内置三轴加速度计和三轴陀螺仪,芯片内部配置有3个16位的ADC来转换内置的加速度计和陀螺仪的测量输出,精度非常高,且自带数字运动处理(DMP:Digital Motion Processing),可直接进行姿态计算,大大降低了MCU负担。选用该款 MEMS 传感器作为姿态检测单元,精度非常高,并且其电路也非常简单,单芯片结构使得 PCB 尺寸非常小。其电路图如图4所示。
由于引脚VLOGIC为I2C输出提供逻辑电平,故采用10 μF和0.1 μF电容并联去掉信号中的高频部分和低频部分,保证信号在传输的过程中不失真。INT管脚与STM32F103RCT6相连,故串联1K电阻进行电平匹配。MPU6050内部低压差线性稳压器(LD0)输出在REGOUT,电荷泵输出在CPOUT,故采用10 μF和0.1 μF电容并联去掉信号中的杂波。
图4 姿态传感器电路
1.3 电机驱动电路
使用L6234电机驱动芯片完成对直流无刷电机驱动,该芯片采用半桥电机驱动模式,每个半桥有两个功率DMOS晶体管组成,漏极端击穿电压高,可以承受很大电流,并且兼容TTL电平CMOS电平。驱动电路如图5所示。
L6234采用两相导通三相六状态工作方式,使用3组半桥来驱动无刷直流电机。3组半桥分别为3路输入控制信号IN1、IN2、IN3和3路使能信号EN1、EN2、EN3,3路输出信号OUT1、OUT2、OUT3分别与电机的A、B、C三相连接,用于驱动三项无刷直流电机。其中电路中的BAV99起到限幅和保护的作用,参考电压引脚VERF通过1 μF电容连接到地用于增强驱动电路的稳定性。
图5 电机驱动电路
采用无刷直流电机对云台的轴进行驱动,故云台控制实质是无刷直流电机控制。考虑到定子绕组的三相无刷直流电机在任一时刻只有两相导通且三相电流之和为零,取输入样本矢量
Xi={iA(k),iB(k),iA(k-1),iB(k-1),uAG(k-1),uBG(k-1)}
(1)
其中,uAG、uBG分别为A、B相绕组端点对地的电压。
输出样本为6个功率开关的状态,直接检测功率开关的导通情况比较麻烦,可由传感器测得转子位置信号,根据无刷直流电机的换相逻辑得到在不同转子位置下的功率开关状态,导通为1、关断为0。Yi作为训练样本的输出矢量,即
Yi={S1,S2,S3,S4,S5,S6}
(2)
其中,S1、S3、S5分别对应于A、B、C三相桥臂上桥功率开关导通信号;S2、S4、S6分别对应于A、B、C三相桥臂下桥功率开关导通信号[10-13]。送样就可用电机相电压、相电流为输入、换向信号为输出来建立网络模型。如图6所示。
本文采用三层RBF网络拓扑结构。其中输入层为6个神经元,输出层6神经元代表六路换相信号。选取高斯函数为RBF神经网络的径向基函数,表达式为
(3)
式中,Ci=[ci1,ci2,…,cin]T为高斯函数中心,bi表示RBF神经网络基宽即方差。
图6 RBF网络拓扑空间
(4)
本文采取梯度迭代法寻找参数ωi,ci,bi使目标函数最小。
数据中心ci梯度为
(5)
隐含层宽度bi梯度为
(6)
权值wi的梯度为
(7)
数据中心,数据中心宽度,输出权值的调节量分别为
(8)
(9)
(10)
其中:η是学习效率,动量因子是α,它的作用是提高神经网络的收敛质量[14-15]。
本系统采用的是RBF神经网络控制无刷电机换相,用ST公司的STM32F103RCT6执行神经网络控制算法,其高速运算能力为电机在线控制提供可靠保障。图7为神经网络控制算法软件流程图。
本实验在方向恒定、风速5.95 m/s环境中进行,根据姿态角波动曲线和抽样的姿态角数据可知:默认俯仰角、滚转角、偏航角的稳定角度均为0°,在无外部扰动情况下,由于云台自身结构原因,角度存在一定范围的误差,在可接受范围。在给定的有风环境下,俯仰角和滚转角发生轻微波动,偏航角的波动剧烈使得云台变得不可控,无法达到稳定状态。使用云台神经网络控制技术后,云台姿态角度趋近于稳定状态,误差保证在±5°以内,在可接受范围内,能够实现在外部存在风阻力矩的情况下云台的稳定控制。
图7 神经网络控制算法软件流程图
图8 实验云台和控制板以及航拍云台系统
图9 不存在风阻力矩情况下的欧拉角曲线
图10 存在风阻力矩情况下欧拉角曲线
图11 存在风阻力矩情况下经过神经网络控制后欧拉角曲线
本文主要研究云台控制系统,设计了一种基于神经网络控制技术的云台稳定控制系统。以STM32F103RCT6为主要控制单元,从硬件和软件两方面对该系统进行了详细阐述。最后实验结果表明STM32F103RCT6数据处理单元能够正确获取数据,在外界存在风阻力矩情况下使用神经网络控制算法后能够正常运行,控制输出稳定满足系统设计要求指标。
[1]钟名宏.无刷直流电机正弦波驱动电源研究及设计[D].赣州:江西理工大学,2014.
[2]JIANCHENG FANG,HONGWEI SUN,JUANJUAN CAO,et al.A novel calibration method of magnetic compass based on ellipsoid fitting[C].Instrumentation and Measurement,IEEE Transaction on.2011,60(6):2053-2061.
[3]郭炳坤.无人机三轴稳定云台智能控制算法的研究[D].厦门:集美大学,2013.
[4]IVO BONIOLO,STEFANO CORBETTA,SERGIO M.Savaresi.Attitude estimation of a motorcycle in a Kalman filtering framework[J].IFAC Proceedings Volumes,2010:779-784.
[5]N MICHAEL,D MELLINGER,Q LINDSEY,V KUMAR.The GRASP multiple micro UAV testbed[J].IEEE Robotics and Automation Society,2010,17(3):56-65.
[6]LI XIAN-TAO,ZHANG BAO,MAO DA-PENG,et al.The two-stage ADRC of aerial photoelectrical stabilized platform[J].Journal of Optoelectronics Laser,2013,24(12):2270-2277.
[7]HELIO J C BARBOSA,AFONSO C LEMONGE.A new adaptive penalty scheme for genetic algorithms[J].Information Sciences,2003,156:215-252.
[8]ASTROM K J,AGGLUND T.The future of PID control[J].Control Engineering Pratice,2001,9(11):1163-1175.
[9]PARK,D H WON,M S KANG.RIC.Robust internal-loop compensatory based flight control of a quad-rotor type UAV[C].IEEE International Conference on Intelligent Robots and Systems,2005:1024-1030.
[10]C DIAO,B XIAN,B ZHAO,et al.An output feedback attitude tracking controller design for quadrotor unmanned aerial vehicles using quaternion[C].2013 IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS),2013:3051-3056.
[11]张俊玲,赵林.计算机控制技术发展现状及趋势研究[J].河南科技,2014,13(7):9.
[12]朱俊杰.无位置传感器无刷直流电机关键控制技术研究[D].长沙:中南大学,2014.
[13]马敏娟.直流无刷电动机调速系统的研究[D].长春:长春理工大学,2012.
[14]MEI Y,ZHAO H Y,GUO S Y.The analysis of image stabilization technology based on small-UAV airborne video[C].Proceedings of IEEE International Conference on Computer Science and Electronics Engineering,2012,580-589.
[15]WANG PING,WANG WEI,DING JIN-WEI,et al.Vibration dampling design for airborne electro-optical surveillance platform[J].Optics and Precision Engineering,2011,19(1):83-89.
(责任编辑:刘划 英文审校:齐义文)
Design and research of aerial triaxial PTZ control system based on ARM
FENG Zhi-gang,SHU Lin
(College of Automation,Shenyang Aerospace University,Shenyang 110136,China)
With the rapid development of airborne pan-tilt-zoom (PTZ) technology,the steady PTZ can make UAV have fast target search and tracking capabilities.As the PTZ often performs tasks in complex environments,it will inevitably be affected by wind resistance,mechanical vibration,load disturbance and other factors.The traditional PTZ control system adopts the classical PID control.However,in complex environments,the traditional PID cannot track the change of the mutation quantity due to the external disturbance,which results in decreased control accuracy and slow response speed.The design in this paper is based on ARM hardware platform and uses the neural network PTZ control technology.In the case of constant wind direction and wind speed 5.95 m/s,the stable control of the PTZ can be achieved in the design with the PTZ attitude angle error within plus or minus five degrees.
UAV;PTZ;PID;ARM;neural network
2017-03-28
辽宁省高等学校优秀人才支持计划第二层次(项目编号:LJQ2014017)
冯志刚(1980-),男,河北石家庄人,副教授,主要研究方向:传感器信息处理,E-mail:fzg1023@yeah.net。
2095-1248(2017)03-0070-06
TP29
A
10.3969/j.issn.2095-1248.2017.03.010