梳理完控制以及飞行力学的一些基本原理之后就该正式进入无人机导航制导与控制的讨论了导航制导与控制是无人机系统中最复杂的分系统其功能可以有多种划分方法本文中我们就以下面框图所示的划分方法为例对无人机导航制导与控制系统的基本原理和常用方法做一下介绍和归纳
由于GPS室内定位甚至自动驾驶在生活中的广泛应用导航制导控制这几个词也越来越为大众所熟悉和使用但是对于这些词的定义我们日常生活中的使用和理解方法可能与无人机语境有所不同所以有必要对其在本系列文章中的含义做一下解释
导航即无人机获得自己当前在某个参照系下的位置速度等信息必要时还需要获得当前相对于某个参照系的姿态姿态角速度等信息例如采用纯惯性导航可以获得无人机在某个惯性系下的位置速度和加速度以及相对于该惯性系的姿态角和角速度GPS导航系统则可以提供无人机在WGS84坐标系下的速度位置和航向角等信息而借助如ViconUWB等室内定位系统则可以获得无人机相对于室内某个坐标系的速度位置等信息因此简要概括导航的主要工作就是要知道自己在哪知道自己的姿态
制导即无人机发现或外部输入目标的位置速度等信息并根据自己的位置速度以及内部性能和外部环境的约束条件获得抵达目标所需的位置或速度指令例如按照规划的航路点飞行时计算无人机径直或者沿某个航线飞抵航路点的指令采用基于计算机视觉目标跟踪的光学制导时根据目标在视场中的位置以及摄像头可能存在的离轴角计算跟踪目标所需的过载或者姿态角速度指令而当预装或SLAM获得的地图中存在需要规避的障碍物或禁飞区时根据无人机飞行性能计算可行的规避路线或者速度指令因此简要概括制导的主要工作就是要知道目标在哪如何抵达目标
控制即无人机根据当前的速度姿态等信息通过执行机构作用来改变姿态速度等参数进而实现稳定飞行或跟踪制导指令例如当固定翼无人机需要爬升高度时计算需要的俯仰角和俯仰角速度指令以及为了让空速不至于大幅降低所需的油门指令当沿着航线飞行但是存在侧风时计算所需的偏航角指令以利用侧滑抵消侧风影响或者当多旋翼无人机的某个旋翼失效时计算如何为剩余旋翼分配指令以尽可能实现稳定飞行因此简要概括控制的主要工作就是改变飞行姿态跟踪制导指令
虽然理论上导航制导和控制这三者各司其职只是在指令计算和执行上有顺承关系但是在实际系统中三者可能会有很多交叉因素例如导航系统中所测量或估计出的角速度既要用于导航系统的速度和位置估计又要用于姿态控制而在一些高机动性的飞行器如直接碰撞杀伤的动能拦截器等和空天飞行器如升力体再入返回的制导控制上也有制导与控制一体化设计的趋势但在本文中仍然根据无人机的固有特性尽量将三者作为具有独立功能的分系统看待其中导航系统原理可以大致分为以下几个类型
基于绝对参考系的导航如惯性导航磁罗盘导航等惯性导航运用牛顿力学原理通过构建一个与机体固联的惯性平台从而根据加速度计测量的惯性加速度计算在某惯性参考系下的速度和位置根据陀螺仪测量所得的角速度计算机体相对于惯性平台的姿态角从而只需要加速度计和陀螺仪满足一定的精度要求就可以在不需要外部信息的情况下获得机体相对于惯性参考系的速度位置和姿态角之所以将与机体固联的移动参照系成为惯性平台是因为早期的平台式惯性导航设备中确实存在一个物理上的框架该框架基于陀螺进动原理始终与惯性系或当地铅锤坐标系保持平行高精度的平台惯导系统可以长期不需要外部信息进行导航例如有些核潜艇所装备的惯导系统可以保证水下航行数月的导航误差在数海里的量级
虽然平台惯导的精度很高但是由于系统复杂且体积巨大不便于在小型飞行器上装备随着计算机技术和导航器件技术的发展捷联惯导越来越多地被使用与平台惯导所用的物理平台不同捷联惯导的陀螺仪和加速度计都与机体固连因此采用虚拟的数学惯性平台即惯性器件测量所得数据都会经过坐标变换的数学运算转换到惯性坐标系下由于去掉了物理平台捷联惯导系统的体积大幅缩减特别是近二十年来快速发展的MEMS微机电系统器件已经可以将捷联惯导系统的体积缩小到几立方厘米的量级
当然惯性导航并非完美由于导航过程依赖惯性器件的输出数据坐标变换以及数值积分所以器件误差和数值计算的截断误差会不断累积在缺乏额外的相对于绝对坐标系的信息时该误差无法被修正因此惯导系统通常作为飞行器的主要导航系统但同时还需要其他导航信息对惯导结果进行修正
几乎其他所有导航方法都可以用于修正惯导系统误差甚至是惯导系统本身如AHRS航姿参考系统这种系统除了采用陀螺仪积分得出姿态角还能根据加速度计测量的重力方向以及磁罗盘测量的磁航向对姿态角结果进行修正从而在陀螺仪精度不高的情况下获得长期稳定的姿态角输出不过由于低精度器件所得的姿态角结果短期和长期均有不同程度的误差该系统无法进行精确的航位推算
基于距离测量的导航如卫星导航室内定位等这类导航方式一般是通过测量飞行器与已知精确位置的参考点之间的距离从而解算出飞行器位置例如卫星导航系统就是通过接收多颗卫星发射出来的星历信息从中得出时间差并根据光速计算出距离从而解算出飞行器在WGS84坐标系下的位置和经纬高度信息同样采用类似方式的还有室内定位应用中很火的WIFI定位和UWB定位技术均是利用信号强度或发送接收的时间差计算飞行器与各参考点之间的距离从而解算飞行器实时位置
基于特征匹配的导航如地形匹配运动捕捉系统等这类导航方式通常是通过飞行器实时提取地磁地貌图像等特征并与特征库进行比对或进行相应计算从而得到飞行器位置速度等信息实现导航功能如巡航导弹中所使用的地形匹配方法和现在比较火的SAR合成孔径雷达地貌匹配方法都是通过提取飞行路径上的一维或二维地形地貌信息并与数字高程地图库进行比对从而获知当前位置速度等信息这在卫星导航信号丢失时的长期导航具有重要意义运用计算机视觉技术通过识别已知位置上的标记物特征完成位置速度估计的方法也归属此类还有另一类导航方法就是类似于Vicon的运动捕捉系统这种系统则是通过已知位置的光学等传感器识别飞行器上设置的标记物从而解算出飞行器实时位置速度
而既然说到基于特征就不得不关注计算机视觉在导航中的应用例如在消费级无人机上运用多年的稀疏光流算法就是根据灰度图像中特征点的运动计算出无人机的运动速度近年来火爆的SLAM则更是将计算机视觉发挥到极致这种算法通过将运动中实时采集的图像特征性信息与惯导等系统信息进行融合从而可以在未知环境中一边完成周围场景的三维模型重建一边进行自身在场景中相对位置和速度的解算
说回无人机的导航当前多数无人机采用惯导卫星导航组合作为基本的导航方式可以保证绝大多数场景下的稳定导航大型军用无人机由于对导航系统的轻量化和成本要求不高为了实现较高的导航精度其通常仍采用光纤激光陀螺和石英加速度计组成的高精度惯导系统而中小型和民用无人机则采用更轻小更廉价但是精度较低的MEMS器件组成惯导或航姿参考系统与卫星导航组合后仍能提供有效的导航信息输出
而在某些特殊应用场景下卫星导航信号会丢失如微型无人机在室内和城市楼群之间飞行这时就需要其他的导航方式进行辅助常用的比如气压计的使用就可以以较低的综合成本获得低精度的海拔高度误差100米量级和较高精度的相对高度信息误差01米量级无人机在室内飞行时可以架设前文提到的WIFIUWB或Vicon等需要复杂外部设备的室内定位系统或者外部设置已知位置的标记物通过无人机的视觉系统完成识别和自身定位而在极为特殊的场景下如各种高危未知环境的勘测使得常用辅助导航系统都难以使用时就不得不祭出SLAM这一杀手锏了SLAM技术正处于高速发展中且已经有多种实用的方案出现了完美的SLAM系统可以完成科幻电影里那种放出去几驾微型无人机自由飞行配合一个便携地面站便可以实时地重建周围环境的3D模型这种性能在未来五年之内肯定可以实现当然绝大多数辅助的导航方式都难以输出用于制导控制的高频率200Hz以上导航信息因此通常情况下仍是将辅助导航系统与惯性导航相结合
下面来讨论无人机的制导现阶段大多数军用还是民用无人机在自动飞行过程中仅需完成航路点或航线的跟踪因此制导策略相对简单多旋翼无人机跟踪航路点时只需要将飞行速度方向对准下一个航路点跟踪航线也仅需首先飞到航线上距离当前位置最近的点即可而这项任务对于固定翼无人机相对复杂因为固定翼无人机的速度方向需要通过航向来改变而航向则需要通过滚转来改变这就使得滚转角与速度方向之间形成了近似二阶环节的过程这通常可以运用导弹的比例导引法来实现航路点跟踪比例导引法的基本原理就是让飞行器速度矢量在空间中的转动角速度正比于飞行器与目标间的视线角变化率对于航路点这一静止目标只需要无人机与航路点之间的距离足够就可以保证准确抵达下一个航路点而对于航线跟踪则需要选择一个虚拟的目标点使得无人机首先向航线靠近然后再逐步将方向对准航线方向例如现在被广泛使用的L1制导算法就是在航线上选择与无人机距离为L1的参考点然后根据速度方向与到参考点连线方向之间的夹角计算横向机动的需用过载进而实现航线跟踪
而随着无人机在多种场景下应用的不断深入除了航路点和航线的跟踪以外无人机抵达目标的最优路径选择障碍物或禁飞区规避以及多机协同工作所需要的制导策略越来越复杂我们知道最优控制方法在航天器轨道转移火箭入轨制导等问题中起到了良好的效果但是对于大气中飞行的无人机路径规划基于间接法的最优控制问题很难求解因此无人机路径规划往往采用基于网格地图的搜索算法或者蚁群算法遗传算法等特殊的路径优化方法例如在基于概率地图的搜索算法中首先运用随机概率方法在自由空间任务空间中除去障碍物后的空间中选取采样点并选取距离当前点最近的k个点构成当前点的临近点集然后利用局部规划器将当前点与其临近点集中的所有点用直线段连接起来同时进行相交检验将不与障碍物相交的直线段保留下来构成一个图作为初始路径完成路径规划的学习阶段在查询阶段运用优化方法对上述图进行搜索从而得到由图的边构成的从出发点到目的点并满足优化目标的路径
另一类常用的算法并不是基于网格地图进行搜索例如人工势场法其基本思想是将无人机的运动设计成一种在抽象的人造引力场中的运动如下图所示目标物对无人机产生引力而障碍物对无人机产生斥力通过求解目标和所有障碍物对无人机产生的合力就可以得到无人机运动速度或加速度指令相对于大多数搜索算法人工势场法运算量更小且得到的轨迹更平滑
以上这两类制导算法通常适用于一架无人机的航路跟踪或路径规划而当设计无人机编队甚至集群时问题复杂程度则骤增对于集群中的某个无人机来说其他无人机既是可以协作和互通信息的伙伴同时又是快速移动的障碍物而整个集群的路径规划有需要考虑集群以及其中每一架无人机特性所形成的约束条件或者当集群处于协同作战模式时又需要对目标自发形成各角度的全向饱和攻击当然这其中需要解决的问题正是当前研究的热点
最后再讨论一下无人机的控制导航系统获得了无人机当前位置速度和姿态信息制导系统完成路径规划和制导指令生成而控制的任务就是精确快速稳定地跟踪收到的制导指令因此控制也是最关键的环节最常用的控制算法还是历久弥新的PID通过将被控参数参考值与当前值误差的比例积分和微分进行适当组合便能够完成大部分近似线性系统的有效控制
而事实上现在工程中所使用的很多PID算法早已经不是基本的构型了常用的改进方式主要有以下几种
增益调度既然PID控制器设计过程一般是在某个平衡点处做系统的小扰动线性化方程平心而论工程中还真不都是这么按流程来各种野路子都有进而完成设计的那么只要在正常工作范围对于无人机来说可以是飞行包线内选取足够的平衡点并根据每个平衡点的模型选择合适的PID控制参数这样就可以在控制器工作中通过插值等方式选择相应平衡点附近的控制参数这种变参数的方法就是一种增益调度方法而基于增益调度的PID控制器就可以针对具有一定非线性特性的系统进行控制这种方法在飞行控制中已应用多年
参数自适应比如以系统积分误差性能指标为准则搜索使得误差性能指标为最小的参数作为控制器参数又或者基于神经网络和遗传算法的参数自适应等不过这些方法在工程中使用的比较少
串级通过将被控系统分为内外环只需要内外环的固有频率有一定的差别比如说内环频率是外环的五倍以上无人机的姿态响应和位置响应一般可以满足即可用实现快变量和慢变量的分别控制通过简单的调参就可以实现快速的内环响应和精确的外环控制并具有比单个控制器更好的抗干扰性能
积分抗饱和PID控制中的积分作用虽然可用消除稳态误差但是积分退饱和过程带来的超调往往较大因此可用在被控参数的误差较大时停止误差的积分过程或者对误差的积分值进行限幅这样就可以显著地降低超调量缩短过程的稳定时间
不完全微分虽然被控参数一般不会出现突变但是参考值却经常会出现突变这使得误差的微分也会突变为了降低这种突变造成的控制量幅值可以采用不完全微分策略即微分只作用于被控参数如飞行控制中的角速度阻尼
PID算法的改进方式还有很多难以细数不过这种改进终归难以解决所有问题例如被控对象的高度非线性强耦合性时变性等特性因此新的控制方法层出不穷下面列举几种较为实用的其他控制方法
反馈线性化利用数学变换的方法和微分几何学的知识将状态和控制变量转变为线性形式然后利用常规的线性设计的方法进行设计将设计的结果通过反变换转换为原始的状态和控制形式反馈线性化可以将存在通道间耦合的非线性系统变换为解耦的线性系统方便外环的线性控制器设计不过该方法应用中或多或少会存在建模误差因此设计时要重点考虑鲁棒性的因素
滑模变结构这种方法不需要对被控对象进行精确建模而是在动态过程中根据系统当前的状态如偏差及其各阶导数等有目的地不断变化迫使系统按照预定滑动模态的状态轨迹运动由于滑动模态可以进行设计且与对象参数及扰动无关这就使得滑模控制具有快速响应对应参数变化及扰动不灵敏无需系统在线辨识物理实现简单等优点但是基本的滑模变结构算法存在控制参数抖振的问题需要再趋近率设计时进行适当的优化策略
反步控制其基本思路是将复杂的系统分解成不超过系统阶数的多个子系统然后通过反向递推为每个子系统设计部分李雅普诺夫函数和中间虚拟控制量直至设计完成整个控制器反步方法运用于飞控系统控制器的设计可以处理一类非线性不确定性因素的影响而且已经被证明具有比较好稳定性及误差的收敛性
自适应逆与动态逆的思想类似这种方法运用各种自适应逆滤波网络如LMS滤波器网络神经网络等去拟合出被控对象的逆系统从而将控制器与被控对象构成的前向通道变换成一一映射的线性化解耦系统而之所以称为自适应则是这个拟合出逆系统的网络可以在线学习被控对象的特性这种方法在仿真中可以取得比传统控制方法优越很多的效果但是由于滤波器网络可能存在无法检出的内部缺陷所以在某些状态组合下可能会出现故障包括深度神经网络在内的所有神经网络都潜在此风险
本文简要梳理了可用于无人机的导航制导和控制的方法策略或算法其中部分算法将在后续的仿真系统相应的文章详细介绍并在代码中体现