基于AI 图像识别的油电混动多旋翼无人机自动控制系统

饶成成

（广东电网有限责任公司机巡管理中心，广东广州 510000）

旋翼式无人机具备很多传统的固定翼无人机不具备的优良低空性能，所以旋翼式无人机被广泛地使用在社会的各个领域，例如农业监测和农药喷洒、地质勘探及测绘等[1]。然而，现有旋翼类无人机的实际应用情况，多以电动或油动旋翼类无人机为主，这些类型旋翼无人机存在一定缺陷。电动旋翼类无人机重载飞行时间较短，需要频繁更换电池，且其充电时间较长，需要备有多个电池。油动旋翼类无人机适合长时间重载飞行，但油机发生坠机事故的风险也较高[2-3]。

针对现有旋翼无人机动力不足而影响其使用性能的缺点，提出设计油电混合动力的多旋翼无人机控制系统。多旋翼无人机结构简单，受到广泛关注并得到广泛应用。但传统基于GPS 油电混合动力的多旋翼无人机控制精度较低，对无人机的控制无法达到设定目标，在此基础上提出一种基于AI 图像识别技术的多旋翼无人机油电混合动力自动控制系统。

1 硬件结构设计

多旋翼飞行器由机载控制系统、地面控制平台和动力系统组成，空载平台工作范围可控制飞行器自身姿态和航向；地面控制站任务是对多旋翼飞行器的飞行状态进行监控的同时，将飞行任务指令下发到飞行控制器；电力系统任务是对飞行器的运行提供电力[4]。飞行控制硬件系统的可靠性在很大程度上影响整个系统的稳定性与安全性，动力系统的优劣直接影响无人机运行时长[5]。

无人机飞行控制系统主要包括导航系统、飞行控制器、电源系统、无线通信模块、电机驱动系统，如图1 所示。

图1 控制系统总体结构

1.1 主控制器

主控机部分为飞行控制系统的核心，主控板的任务范围包括以下几个方面：采集与获取传感器数据信息，结合算法求出飞行器姿态、高度、位置等信息；接收遥控信号或下达的控制命令，再将其转换为对应的控制量，完成手动和自动操作并行；将获取储存的数据信息，借助无线方式传达到基站[6-8]。其参数设置为：

1）包括最基本的电路，如5 V 转3.3 V 电压稳定电路、复位电路以及启动选择电路；

2）所有通用I/O 口均可引出，便于连接外部设备；具有外接接口、支持模拟、下载以及调试功能；

3）具有电源指示LED 灯，以及连接到I/O 口用户可使用的LED 灯；

4）配置IIC 接口，有利于数据的存储；预留NandFlash 接口，增大储存空间；

5）配备SD 卡座，便于数据的储存和读取，外形尺寸小为60 mm×47 mm，便于嵌入使用。

1.2 GPS定位模块

对GPS 定位模块调和后，控制器能够获得定位点的纬度、经度信息。GPS 模块结构如图2 所示。

图2 GPS模块结构

GPS 由RX 远程模块、SAW 表面声波元件、LDO激光指示器控制器、PSU copacitors、Level converasion以及一系列接口组成，接口组成如表1 所示。

表1 GPS模块接口组成

1.3 油电混合自动控制动力模块

油电混合动力模块的组成包括油动和电动模块。将油电动力组合在一起，发挥其优势性能，是一种复合动力模块，隶属于油电混动多旋翼无人机自动控制系统[9-10]。油电混合动力模块按照连接方式的不同，分为串联式油电混合动力模块、并联式油电混合动力模块和混联式油电混合动力模块[11-12]。油电混合动力模块安置在多旋翼无人机上，多旋翼无人机的设计根据结构特点，设计成串联、并联和混联动力3 种布置形式。电机和油电混合动力模块的基本设计结构如图3、4 所示。

图3 电机模块构造

图4 油电混合动力结构

硬件系统设计中，包括机载系统、GPS 定位模块、油电混合动力模块以及基础电源电路、传感设备、检测设备等。采用传感器获取与存储数据，GPS定位模块通过控制器获得数据，处理器调和与数据处理，可获得定位点的纬度、经度信息[13]。将处理后的相关数据交付给控制系统，为油电混合动力模块提供基础数据。

2 软件设计

2.1 PID控制算法

PID控制算法是对飞行器自动控制中相关数据参数的校正与处理。在控制中，PID 算法的表达式为：

式中，P(t) 代表控制器的输出；kp代表数据控制器的比例系数；T1代表初始控制器积分时间；TD代表最终的控制器积分时间[14-16]。

对式（1）进行离散化处理操作，通过差分方程代替微分方程的方式，将微分项用增量式、积分项求和，得到：

式中，k代表采样序号；E(k-1)代表第k-1 次采样偏差；T代表控制器积分时间。

通过PID 控制算法有效缩短无人机多旋翼控制时间，更好地实现精确化控制。

2.2 基于AI图像识别的无人机多旋翼控制

AI 图像识别技术借助计算机对图像进行处理，使计算机能像人一样辨别图像。AI 图像识别原理如图5 所示。

图5 Al图像识别原理

在图像识别过程中，首先获取图像信息，通过传感器把声音、光线等信息转换为电子信号；然后进行图像信息的预处理，主要是指对图像进行去噪、变换和平滑等操作；提取图像特征。最后设计分类器和分类判定，其中设计分类器是基于训练的识别，并对图像的大小、形状、颜色等特征进行分析、判断，输出识别结果[17]。

根据无人机航向、姿态等信息，采用PID 控制算法，设计多旋翼控制流程，如图6 所示。

图6 多旋翼控制流程

利用遥控器或地面站发出指令，飞行器接收到指令信号后由控制器控制，控制器接收传感器数据后解算出的姿态、航向、高度和位置等信息，将期望值和反馈值进行差分运算，得到偏差量，借助相关控制算法计算出控制量对应的PWM 信号，电调按照不同的PWM 输出电流对电机相应的转速进行相关控制，改变六旋翼的姿态效果。姿态的变化能够对其位置产生影响，位移的变化最终也是借助姿态的变化体现，姿态与位移相互联系。垂直提升和下降依靠控制油门大小进行控制。

2.3 自动控制流程

多旋翼无人机控制流程，如图7 所示。

图7 多旋翼无人机控制流程

主控制器元件开始运行后，接口配置、传感器、控制装置元件也被启动，获取初始化数据，检测机体状态与通信数据，若出现异常，则报警；飞行器自检过程完成后，能够对地面站发出的控制指令进行接收，控制器采集到传感器的数据信息，经由滤波融合等相关处理过程之后，进行飞行器的姿态、位置、高度等信息的解算操作，将得到的信息和给定值作比较，借助PID 控制算法计算出控制数据，完成飞行任务。

3 实 验

3.1 实验操作

选择DJIM600Pro 型无人机，设置在飞行器控制器内的模拟器，模拟调参软件，创建虚拟3D 环境，将无人机飞行数据传达到PC 机。对无人机飞行姿态进行实时监控，得到无人机经纬度坐标、实时仿真速度、无人机与起飞点的相对距离等飞行数据。

3.2 实验结果与分析

设定控制多旋翼无人机的选择角度为120°，以实际转动为对照组，对比基于传统GPS 油电混合多旋翼无人机自动控制系统与基于AI 图像识别油电混合多旋翼无人机自动控制系统的无人机旋转角与对照组旋转角的关系。比较两种控制系统下无人机飞行自动控制的精度。

两种系统旋转角对比结果如图8 所示。

图8 两种系统旋转角对比结果

由图8 可知，从0 旋转到120°情况下，基于GPS定位下控制下无人机的旋转角超过120°，基于AI 图像识别的选择角与对照组差值小于基于GPS 的旋转角。由此可知，使用基于AI 图像识别控制系统旋转角控制效果较好。

分别使用两种系统分析控制时间，对比结果如表2 所示。

表2 两种系统控制时间对比

由表2 可知，使用GPS 系统在不同旋转角度下与实际所用时间不一致。当旋转角度依次为20°、40°、60°、80°、100°、120°时，控制时间比实际所用时间分别多0 ms、2 ms、3 ms、4 ms、5 ms、8 ms。而采用所提系统在旋转角度为40°、80°、120°时，控制时间比实际所用时间均多1 ms。

4 结束语

基于AI 图像识别的油电混动多旋翼无人机自动控制系统，通过对主控制器和GPS 定位模块，以及控制无人机多旋翼旋转角度的设计，将油电混合，结合PID 控制算法校正无人机飞行数据，改善传统系统耗时长的问题，在AI 图像识别原理基础上，控制无人机多旋翼，完成油电混动多旋翼无人机自动控制系统设计。然而该系统也存在一定缺点，在以后研究中也要注意对不足之处的改善。