《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 嵌入式技術(shù) > 設(shè)計(jì)應(yīng)用 > 基于EKF的四旋翼姿態(tài)解算仿真與設(shè)計(jì)
基于EKF的四旋翼姿態(tài)解算仿真與設(shè)計(jì)
2017年電子技術(shù)應(yīng)用第9期
金舒燦1,,2,胡越黎1,2,3,張 賀1,2
1.上海大學(xué) 機(jī)電工程與自動(dòng)化學(xué)院,上海200072,;2.上海市電站自動(dòng)化技術(shù)重點(diǎn)實(shí)驗(yàn)室,上海200072,; 3.上海大學(xué) 微電子研究與開(kāi)發(fā)中心,,上海200072
摘要: 隨著電子技術(shù)的發(fā)展,四旋翼上的控制芯片處理速度越來(lái)越快,,使得運(yùn)行較復(fù)雜的姿態(tài)處理算法成為可能,。擴(kuò)展卡爾曼濾波(EKF)在無(wú)人機(jī)姿態(tài)解算領(lǐng)域也得到了應(yīng)用。推導(dǎo)了四旋翼的傳感器和EKF的數(shù)學(xué)模型,,并對(duì)其進(jìn)行了MATLAB仿真,。仿真結(jié)果表明,,擴(kuò)展卡爾曼濾波器能解算出比較好的姿態(tài)數(shù)據(jù)。最后在實(shí)際無(wú)人機(jī)上進(jìn)行了驗(yàn)證,。
中圖分類號(hào): TN911.72,;V249.32
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.166667
中文引用格式: 金舒燦,胡越黎,,張賀. 基于EKF的四旋翼姿態(tài)解算仿真與設(shè)計(jì)[J].電子技術(shù)應(yīng)用,,2017,43(9):127-131,,136.
英文引用格式: Jin Shucan,,Hu Yueli,,Zhang He. Simulation and design of quadrotor attitude algorithm based on EKF[J].Application of Electronic Technique,,2017,43(9):127-131,,136.
Simulation and design of quadrotor attitude algorithm based on EKF
Jin Shucan1,,2,Hu Yueli1,,2,,3,,Zhang He1,,2
1.School of Mechatronic Engineering and Automation,Shanghai University,,Shanghai 200072,China,; 2.Shanghai Key Laboratory of Power Station Automation Technology,,Shanghai 200072,China,; 3.Microelectronic Research and Development Center,Shanghai University,,Shanghai 200072,,China
Abstract: With the development of electronic technology, the processing speed of the control chip on the quadrotor is faster and faster, and it also helps us to apply the more complicated attitude algorithms.Extended Kalman Filter(EKF) has also been applied in the field of UAV attitude algorithms. The mathematical model of the sensor and the EKF based on quadrotor are deduced and MATLAB simulation is carried out in this paper. The simulation results show that the extended Kalman filter can obtain the better attitude data. Finally, the attitude algorithms is verified on the actual unmanned aerial vehicle.
Key words : quadrotor;sensor,;EKF,;MATLAB simulation

0 引言

    隨著越來(lái)越多的商業(yè)無(wú)人機(jī)廠商的興起,,四旋翼如今已經(jīng)走進(jìn)了人們的日常生活,在社會(huì)生活的很多方面都發(fā)揮了重要作用,,比如航拍,、農(nóng)業(yè)、交通檢測(cè),、搶險(xiǎn)救災(zāi),、地形勘測(cè)等領(lǐng)域。四旋翼作為一個(gè)研究平臺(tái),,在科研領(lǐng)域也獲得了廣泛的應(yīng)用[1-3],,一些研究者將一些先進(jìn)的控制技術(shù)應(yīng)用于四旋翼的飛行控制中,還有一些研究者著眼于使無(wú)人機(jī)更智能化,,研究了無(wú)人機(jī)的視覺(jué)導(dǎo)航[4],、智能飛行等。

    姿態(tài)解算對(duì)于四旋翼的控制有著非常重要的作用,。要使飛機(jī)能在空中平穩(wěn)的飛行,,精確的姿態(tài)解算不可或缺。常見(jiàn)的姿態(tài)解算算法有互補(bǔ)濾波,、卡爾曼濾波以及擴(kuò)展卡爾曼濾波等,。EKF雖然計(jì)算復(fù)雜,但精度高,,也受到了越來(lái)越多人的青睞,。本文首先推導(dǎo)了四旋翼的數(shù)學(xué)模型,;之后提出了微機(jī)電傳感器的線性數(shù)學(xué)模型,,并對(duì)傳感器進(jìn)行了仿真;介紹了擴(kuò)展卡爾曼濾波器的設(shè)計(jì)過(guò)程,,并在MATLAB仿真模型中驗(yàn)證了濾波的效果,;最后在實(shí)際飛機(jī)上進(jìn)行了驗(yàn)證。

1 四旋翼的數(shù)學(xué)模型

    四旋翼飛行器可以在機(jī)體坐標(biāo)系和慣性坐標(biāo)系下分別建立其動(dòng)力學(xué)模型[5],。通常在機(jī)體坐標(biāo)系中建立它的動(dòng)力學(xué)方程,最主要的原因是傳感器所測(cè)量的值就是相對(duì)于機(jī)體坐標(biāo)系的,,所以自然而然要在機(jī)體坐標(biāo)系中建立方程。

    在建立物理模型之前,,需要建立兩個(gè)不同的笛卡爾參考坐標(biāo)系——慣性坐標(biāo)系和機(jī)體坐標(biāo)系,。本文采用歐拉角的方式描述四旋翼的姿態(tài)。姿態(tài)角就是用來(lái)描述兩個(gè)坐標(biāo)系的位置關(guān)系,。

1.1 姿態(tài)角的描述

    歐拉角是一種描述剛體相對(duì)于一個(gè)給定參考坐標(biāo)系位置的方式,。按照慣例采用的旋轉(zhuǎn)順序是z-y-x,相對(duì)應(yīng)的角度分別為yaw、pitch,、roll,。3個(gè)基本旋轉(zhuǎn)矩陣的乘積就是兩個(gè)坐標(biāo)系之間的轉(zhuǎn)換矩陣,如式(1)所示[6],。

jsj2-gs1.gif

1.2 動(dòng)力學(xué)方程

    對(duì)于四旋翼飛行器,,在機(jī)體坐標(biāo)系下,使用牛頓-歐拉公式[7]可得到剛體質(zhì)心的動(dòng)力學(xué)矩陣表達(dá)形式:

jsj2-gs2.gif

    四旋翼飛行器為欠驅(qū)動(dòng)系統(tǒng),,控制輸入量只有4個(gè),,即4個(gè)旋翼的轉(zhuǎn)速。本文選取的4個(gè)變量為3個(gè)姿態(tài)角(橫滾角,、俯仰角,、偏航角)和飛行高度。還要選擇合適的控制變量,,使得動(dòng)力學(xué)方程相對(duì)于控制變量是線性的,。                                             

    根據(jù)式(2),可以得到四旋翼在機(jī)體坐標(biāo)下的數(shù)學(xué)模型[7]

jsj2-gs3.gif

2 傳感器模型

    四旋翼上的傳感器為導(dǎo)航和姿態(tài)控制系統(tǒng)提供信息,。目前傳感器都采用的是微機(jī)電系統(tǒng)(MEMS)技術(shù),,通常把飛機(jī)上的傳感器合稱為慣性導(dǎo)航單元(IMU)。IMU主要有以下幾部分組成:加速度計(jì),、陀螺儀,、磁力計(jì)。

    一個(gè)典型的三軸微機(jī)電傳感器的線性模型[8]為:

     jsj2-gs4.gif

其中,,xi為各軸的輸入值,,yi為輸出值,,bi為在各軸上的偏差,,vi為在軸上的高斯噪聲分布,Si為標(biāo)量因子,,Mij為軸與軸之間的敏感度,。

    式(4)是一個(gè)對(duì)MEMS傳感器建模的一般公式,即陀螺儀,、加速度計(jì),、磁力計(jì)以及氣壓計(jì)都可以用這個(gè)公式來(lái)表示。下文在MATLAB仿真建模時(shí),,就是根據(jù)上面的數(shù)學(xué)模型設(shè)計(jì)的,。

    完整的測(cè)量方程組如式(5)所示,ya,、yg,、ym分別表示加速度計(jì)、陀螺儀和磁力計(jì)的輸出。

    jsj2-gs5.gif

3 EKF姿態(tài)解算

    應(yīng)用標(biāo)準(zhǔn)卡爾曼濾波器的一個(gè)主要的限制是,,它要求動(dòng)力學(xué)方程和測(cè)量方程相對(duì)于狀態(tài)變量來(lái)說(shuō)都是線性的,。但是在實(shí)際應(yīng)用中這樣的要求通常是不滿足的,所以應(yīng)用標(biāo)準(zhǔn)卡爾曼濾波受到了很大的限制,。而擴(kuò)展卡爾曼濾波就是為了克服標(biāo)準(zhǔn)卡爾曼濾波器的這個(gè)缺點(diǎn)而提出的,,它能適用于當(dāng)系統(tǒng)和測(cè)量模型是非線性的情況[9-12]

    EKF進(jìn)行線性化的操作是通過(guò)計(jì)算狀態(tài)矩陣和測(cè)量矩陣的雅克比矩陣來(lái)進(jìn)行的,。針對(duì)連續(xù)EKF,,定義雅克比矩陣的式子為:

     jsj2-gs6-7.gif

    根據(jù)方程組(3),可計(jì)算它們的雅克比矩陣,。

    對(duì)測(cè)量方程進(jìn)行線性化,,得到一個(gè)10×10的稀疏矩陣:

    jsj2-gs8.gif

其中,J1為加速度傳感器方程相對(duì)于線速度u,、v,、w的偏導(dǎo)數(shù),J2為加速度傳感器方程相對(duì)于角速度p,、q,、r的偏導(dǎo)數(shù),J3為磁力計(jì)相對(duì)于歐拉角的偏導(dǎo)數(shù),,Ja為標(biāo)量是對(duì)高度變量的偏導(dǎo)數(shù),。計(jì)算的表達(dá)式如方程組(9)所示。

     jsj2-gs9.gif

    同理,,對(duì)狀態(tài)方程進(jìn)行線性化,,結(jié)果也為一個(gè)10×10的稀疏矩陣,具體計(jì)算的各項(xiàng)在這里就不一一列出,。

    上面就是通過(guò)雅克比矩陣線性化后的狀態(tài)轉(zhuǎn)移矩陣和測(cè)量矩陣,,可將新的F和H代入卡爾曼濾波的方程組中。

    EKF的數(shù)學(xué)描述就是在當(dāng)前時(shí)刻估計(jì)的狀態(tài)上,,采用泰勒級(jí)數(shù)展開(kāi),,并且去掉高階項(xiàng),基本上只取一階的泰勒式子,。線性化的方式就是針對(duì)轉(zhuǎn)移矩陣和測(cè)量矩陣,,計(jì)算它們的雅克比矩陣。所以它的計(jì)算量比標(biāo)準(zhǔn)卡爾曼濾波大很多,,因?yàn)樗獙?shí)時(shí)更新和計(jì)算狀態(tài)轉(zhuǎn)移矩陣和測(cè)量矩陣,。

4 仿真實(shí)驗(yàn)

    根據(jù)上面所建立的四旋翼、傳感器和EKF的數(shù)學(xué)模型,,在MATLAB上用Simulink搭建其模型,。

    所搭建的整體仿真模型如圖1所示,由輸入信號(hào)、PID控制器,、四旋翼仿真模型,、傳感器仿真模塊(On-board IMU)、EKF濾波器模塊,、狀態(tài)顯示等模塊組成,。根據(jù)實(shí)驗(yàn)室所搭建的無(wú)人機(jī),進(jìn)行相應(yīng)的估計(jì),,選擇近似的參數(shù),,一些主要參數(shù):m=1.023 kg,Ixx=Iyy=9×10-3,,Izz=1.8×10-2,,Jm=3.4×10-5,L=18 cm,。

jsj2-t1.gif

    當(dāng)四旋翼處于懸停時(shí),,即給定的3個(gè)歐拉角為0,則經(jīng)過(guò)傳感器仿真模塊on-board IMU后,,得到的傳感器的模擬圖像為圖2所示,,因?yàn)閭鞲衅鞲鬏S的數(shù)據(jù)處理方式相同,所以這里只給出了加速度計(jì)X軸的仿真圖,。

jsj2-t2.gif

    經(jīng)過(guò)擴(kuò)展卡爾曼濾波后,,可以從中解算出方程中的狀態(tài)變量,仿真結(jié)果如圖3~圖5所示,。

jsj2-t3.gif

jsj2-t4.gif

jsj2-t5.gif    

    由圖像可知,,信號(hào)經(jīng)過(guò)傳感器仿真模塊后,信號(hào)變“差”了,,這正是本設(shè)計(jì)模擬實(shí)際傳感器希望達(dá)到的效果,,這種信號(hào)更貼近實(shí)際四旋翼采集的傳感器信號(hào),只不過(guò)這里的噪聲是人為添加的,。當(dāng)這種有著噪聲的信號(hào)經(jīng)過(guò)EKF濾波后,,信號(hào)相對(duì)來(lái)說(shuō)變得干凈了,,且能反映出信號(hào)變化的大體趨勢(shì),,并且穩(wěn)定在期望值附近,誤差也較小,,表明擴(kuò)展卡爾曼濾波確實(shí)起到了效果,,能濾除噪聲,解算出正確的姿態(tài)角,。

    在實(shí)驗(yàn)室搭建的無(wú)人機(jī)[13]上進(jìn)行了EKF濾波實(shí)驗(yàn),,測(cè)試無(wú)人機(jī)在懸停時(shí)的濾波效果。

    圖6~圖8記錄了無(wú)人機(jī)在懸停時(shí)解算出的線速度,可以看出各軸線速度值比較穩(wěn)定,,在0值附近上下小幅度浮動(dòng),。

jsj2-t6.gif

jsj2-t7.gif

jsj2-t8.gif

5 結(jié)論

    本文根據(jù)傳感器和EKF的數(shù)學(xué)模型,在MATLAB搭建了它們的仿真模型,,對(duì)傳感器和擴(kuò)展卡爾曼濾波進(jìn)行了仿真驗(yàn)證,。仿真實(shí)驗(yàn)是假設(shè)四旋翼在懸停狀態(tài)下,即3個(gè)歐拉角都為0,。經(jīng)過(guò)傳感器模塊后,,發(fā)現(xiàn)本來(lái)是很光滑的信號(hào)變成了有很多毛刺的信號(hào)。因?yàn)楦鶕?jù)傳感器的數(shù)學(xué)模型,,在仿真模塊中加入了延遲,、偏差、標(biāo)定因子,、各個(gè)軸之間的影響因子等變量,,所以信號(hào)就變得不光滑了。然后將信號(hào)送入到EKF模塊,,并結(jié)合四旋翼的控制量,,解算出在機(jī)體坐標(biāo)系下的狀態(tài)變量。從仿真結(jié)果可以看出,,解算出來(lái)的狀態(tài)變量變得較為平滑,,且大體上都在0附近,符合預(yù)期的值,,說(shuō)明EKF濾波起到了效果,。最后也在實(shí)際的無(wú)人機(jī)上進(jìn)行了驗(yàn)證。

參考文獻(xiàn)

[1] Li Yibo,,Song Shuxi.A survey of control algorithms for quadrotor unmanned helicopter[C].2012 IEEE fifth International Conference on Advanced Computational Intelligence(ICACI).Nanjin,,Jiangsu,China:IEEE,,2012:365-369.

[2] Zhang Xiaodong,,Li Xiaoli,Wang Kang.A survey of modelling and identification of quadrotor robot[C].Abstractand Applied Analysis,,2014.

[3] 蔡偉平,,胡越黎,楊文榮,,等.四旋翼雙環(huán)滑模姿態(tài)控制系統(tǒng)設(shè)計(jì)與仿真[J].電子技術(shù)應(yīng)用,,2015,41(7):150-153.

[4] MEIER L,,TANSKANEN P,,HENG L.PIXHAWK:A micro aerial vehicle design for autonomous flight using onboard computer vision[J].Autonomous Robots,,2012,33(1):21-39.

[5] MAHONY R,,KUMAR V,,CORKE P.Modeling,estimation,,and control of quadrotor[J].IEEE Robotics & Automation,,2012,19(3):20-32.

[6] 秦永元.慣性導(dǎo)航(第2版)[M].北京:科學(xué)出版社,,2014.

[7] BOUABDALLAH S.Design and control of quadrotors with application to autonomous flying[D].Lausanne:Lausanne Polytechnic University,,2007.

[8] ASCORTI L.An application of the extended Kalman filter to the attitude control of a quadrotor[D].Milano:Politecnico Di Milano,2013.

[9] 鄒波,,張華,,姜軍.多傳感器融合的改進(jìn)擴(kuò)展卡爾曼濾波定姿[J].計(jì)算機(jī)應(yīng)用研究,2014,,31(4):1035-1038.

[10] 劉洪劍,,王耀南,譚建豪,,等.基于加速度變?cè)肼旹KF的無(wú)人機(jī)姿態(tài)融合算法[J].2016,,30(3):333-341.

[11] TARHAN M,ALTUG E.EKF based attitude estimation and stabilization of a quadrotor UAV using vanishing points in catadioptric images[J].Journal of Intelligent & Robotic Systems,,2011,,62(3):587-607.

[12] MUNGUIA R F,GRAU A.A practical method for implementing an attitude and heading reference system[J].International journal of advanced robotic systems,,2014,,11(1):1-12.

[13] 黃建,胡越黎,,楊文榮,,等.組合導(dǎo)航系統(tǒng)在四旋翼無(wú)人機(jī)上的實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用,2015,,41(5):167-170.



作者信息:

金舒燦1,,2,胡越黎1,,2,,3,張  賀1,,2

(1.上海大學(xué) 機(jī)電工程與自動(dòng)化學(xué)院,,上海200072;2.上海市電站自動(dòng)化技術(shù)重點(diǎn)實(shí)驗(yàn)室,,上海200072,;

3.上海大學(xué) 微電子研究與開(kāi)發(fā)中心,上海200072)

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。