扑翼飞行器研究中动作捕捉系统的应用

王涵

（北京度量科技有限公司，北京 100101）

仿生扑翼飞行器是一种涵盖仿生学、空气动力学、控制和通信等多学科的技术，具有质量轻、灵活性好和隐蔽性好的特点，在军事和民用领域都受到极大关注。随着对鸟类、昆虫等生物飞行机理研究的深入，以及微形传感器、控制器和人工智能技术的发展，扑翼飞行器的研究不断取得新成果。

1 扑翼飞行器简介

空气动力学和仿生学研究表明，对于尺寸接近鸟类和昆虫的飞行器，以扑翼方式飞行具有更高的效率。由于扑翼飞行器系统复杂，从20世纪70年代才开始针对扑翼飞行器的系统性进行研究，经历了早期的低频大型扑翼到现在昆虫尺寸的高频扑翼的发展。目前比较有代表性的研究包括荷兰代尔夫特大学开发的仿蜻蜓微型扑翼飞行器DelFly[1]，美国Aero Vironment公司蜂鸟机器人Nano hummingbird[2]，哈佛大学的仿昆虫机器人[3]，德国Festo公司的仿海鸥扑翼机器人Smart-Bird[4]，加州理工大学的仿蝙蝠机器人等[5]。国内南京航空航天大学[6]、西北工业大学[7]、哈尔滨工业大学[8]、北京科技大学[9]等国内高校也都针对扑翼飞行器展开研究。

2 扑翼飞行器技术重点和难点

国内外的研究人员已经对扑翼飞行器进行了较多研究，并且设计开发了一些扑翼飞行器原型机。目前扑翼飞行器的技术重点包括飞行机理和动力学分析、扑翼飞行控制、能源和动力几个方面。在扑翼飞行器的开发过程中，需要准确获取实时位姿数据作为反馈输入，在验证阶段也需要获取扑翼的实时状态来评估机器人性能，都需要一种高精度的方案来获取扑翼的运动数据。光学动作捕捉系统是一种外置传感设备，利用场地周围布置的光学相机跟踪扑翼飞行器上的反光标识点，来确定飞行器的位置、速度和姿态等运动数据。由于动作捕捉系统具有精度高、实时性好和标识点对目标影响小等特点，广泛应用于国内外的扑翼飞行器项目中。

2.1 飞行机理和动力学分析

昆虫和鸟类的结构与飞行机理可以为仿生扑翼飞行器设计带来很大启发。吉林大学以雕鸮与长耳鸮2种静音鸮为研究对象，对比分析静音鸮的飞行声学特性、翅膀及羽毛的几何形态学特征以及飞行运动学特征，并将静音鸮的消音特征进行仿生应用研究[10]，为仿生降噪技术提供生物模型。实验中，在对象鸟类翅膀上的关键部位贴上反光标识点，包括腕关节、翅膀前缘根部及翅膀尾缘根部等部位。利用三维运动捕捉镜头定位标识点，对长耳鸮、雕鸮与雀鹰的扑翼运动学参数进行采集，并分析计算运动学参数（扑翼频率和关节角度等）与飞行轨迹（翼尖轨迹）。

亚利桑那大学研究了蜻蜓捕获猎物时的飞行模式[11]。实验使用了直径仅为750μm和1000μm的反光标识点，固定在蜻蜓的头部和身体上，利用动作捕捉系统来记录空间内蜻蜓飞行捕猎时身体运动状态。

由于扑翼飞行机理十分复杂，可以通过风洞试验等方式获取扑翼飞行器低雷诺数下的气动性能。代尔夫特理工大学为了使扑翼飞行器飞行性能更接近生物，针对其开发的DelFly II MAV扑翼机进行了风洞试验[12]。为了跟踪扑翼机在风洞中的飞行姿态，在机尾设计了4个红外LED主动标识点，动捕系统以120 Hz采集飞行器的位置和姿态数据。

2.2 飞行控制和轨迹规划

扑翼飞行器是非线性非定常的复杂系统，而且尺寸的小型化使传感器性能大幅下降，因此系统需要更稳定的控制器，对于自主飞行，需要更好的规划器。伊利诺伊大学香槟分校通过引入两阶段优化程序来规划扑翼飞行轨迹，从而改进了现有的飞行规划方法[13]。第一阶段通过使用实验飞行数据训练的数据驱动的固定翼近似模型来解决轨迹优化问题。该解决方案被用作第二阶段优化的初始假设，使用相同飞行数据训练的扑翼模型。实验中包含43组扑翼飞行器自由飞行试验的数据集由光学动作捕捉系统完成采集，通过将惯性传感器数据与动捕系统采集的位置数据融合进行姿态估计。

太原科技大学对扑翼飞行器的数学模型进行研究，并设计了一套以基于模型参考自适应算法的轨迹控制系统[14]。为了验证飞行器性能搭建了飞行实验平台。由于室外飞行干扰量大，且风向不定，前期实验选择在室内场馆无缝环境下进行。实验中在场地边布置了8个NOKOV动作捕捉镜头，如图1所示，通过捕捉飞行器上反光标识点来获取飞行器的刚体位姿信息，信息通过SDK上传到计算机端Matlab进行处理，实现对飞行器姿态的分析和算法参数优化。

图1 NOKOV动作捕捉镜头

3 扑翼飞行器发展趋势

3.1 小型化

华盛顿大学设计开发了一个昆虫大小的扑翼机器人[15]，仅重143 mg。机器人由4个向外张开的垂直翅膀驱动。与以前的双翼设计相比，这种布置可以实现绕垂直轴（转向）驱动的能力，并且提高负载能力，足够承载传感器包或电力系统等组件。研究人员进行了飞行中的转向驱动以及悬停位置控制实验。其中悬停控制实验使用动作捕捉数据作为反馈。动捕系统以240 Hz采集数据并发送到Simulink Real-Time。

哈佛大学开发了一种受生物启发的3.2 g小型飞行器[16]，能够同时进行主动（飞行）和被动（滑行）飞行。集成电子设备提供无线通信、传感和基本的开环飞行控制，使飞行测试迭代快速，并提供额外的动力学数据。实验中在飞行器上粘贴3个标识点，以100 Hz采集位置和姿态数据（远高于飞行器的动态速度）。

3.2 高机动性

蜂鸟可以保持稳定悬停，在受到危险时可以快速向后平移，并伴有180°的偏航转向，然后在不到10次的翼拍内瞬间稳定姿势。考虑40 Hz的翼拍频率，这种攻击性机动在0.2 s内完成。受蜂鸟在这种极端机动中接近最高性能的启发，普渡大学开发了一种飞行控制策略[17]，并通过实验证明这种可操纵性可以通过一个12 g的蜂鸟机器人实现。机器人只配备2个驱动器，驱动一对高达40 Hz的拍动翅膀。该混合控制策略结合基于模型的非线性控制与无模型强化学习，在标称飞行条件下使用基于模型的非线性控制，其中动态模型相对准确。在极端机动过程中，当建模误差变得难以控制时，使用经过模拟训练和优化的无模型强化学习策略来“破坏”系统，使其在机动过程中达到峰值性能。混合政策体现了一种接近蜂鸟的策略。使用光学动捕系统以200 Hz提供蜂鸟机器人的位置反馈，并以500 Hz在机载电脑进行数据融合。

3.3 智能化

大多数扑翼机器人需要人员操作或协助下才能起飞。东京都立大学开发了一个可以自主起飞的微型扑翼飞行器原型机[18]。飞行器采用简单的扑翼机构和轻量化设计，可以使用简单的拍动机构和轻量化设计，通过超过自身重量来产生推力。起飞实验结果表明，扑翼机器人能够在没有辅助的情况下从地面自行起飞。为了对扑翼飞行器进行全局定位，使用了动作捕捉系统，将扑翼飞行器的头部去掉，并用1个反光标识点代替，这样不会改变机器人重心和惯性矩。

由于微型扑翼机器人机翼周围低雷诺数的非定常流动，使其动力学随时间变化且高度非线性，导致微型扑翼飞行器自主飞行难以实现。首尔大学提出了一种使用机器学习的基于模型的微型扑翼飞行器控制策略[19]，构建了一个地面站，用于记录飞行数据和控制输入，并使用神经网络训练动力学模型。然后，将模型预测控制（MPC）应用于训练好的模型。实验中使用光学动作捕捉系统获取飞行器的位置、姿态、速度和角速度数据，数据进行低通滤波去除扑翼动作造成的数据抖动。

如果没有足够的有效载荷能力来携带必要的电子元件，昆虫尺寸的扑翼飞行器就无法自主飞行。香港城市大学设计了一个380 mg并有115 mg负载能力的微型扑翼机器人[20]。在进行有效载荷悬停实验使，利用外部动作捕捉系统实时采集飞行器的位姿，数据作为控制系统的反馈输入。电源和控制信号利用1根钢丝绳传输至飞行器。

扑翼的机械复杂性通常会导致关于俯仰和横滚轴的较大扭矩偏差变化，导致未正确配平的飞行器在自由飞行中快速旋转。通过观看高速视频进行手动修剪既繁琐又容易出错。华盛顿大学提出一种使用来自运动捕捉相机的反馈来确定和校正偏置扭矩的修整设备[21]，不需要用户的任何视觉反馈，也不需要破坏损坏机器人的空中飞行。动作捕捉系统以240 Hz发送四元数数据，进行校正。研究人员在2个不同的小型扑翼机器人上验证了该设备。在使用该设备进行调整后，机器人都以开环的方式垂直起飞，并且能够在反馈控制下自由飞行，不会发生翻滚。

3.4 集群

NASA开发了一种仿生扑翼机器人Marsbee[22]，用于火星探索。火星车搭载多个Marsbee机器人，以火星车作为基站，每个Marsbee机器人带有1个相机，利用无人机群生成地表的3D拓扑图，用于火星车的轨迹规划，解决了单一火星车视野的局限性。地面验证实验在一个真空仓中进行，场地周围布置的动作捕捉系统用于捕捉机器人轨迹。

韩国科学技术院进行了多扑翼飞行器的自主编队飞行研究[23]。设计了一种路径跟随控制器，使每个扑翼飞行器具有时间无关的圆形路径、预设的半径，并且具有恒定的前飞速度和高度。由于不同扑翼飞行器的飞行特性存在差异，方向控制的增益是针对每个飞行器单独调整的，该增益利用柔性膜翼中张力的变化产生非线性滚动力矩。通过控制所需半径而不是前向飞行速度来保持圆形路径的旋转速度恒定，从而使2个最近的扑翼飞行器之间的编队角保持在90°。为了获取每个飞行器的位置和姿态信息，应用了外部运动捕捉系统，通过捕捉扑翼飞行器上的3个标识点（尾翼2个，躯干前部1个），来对飞行器进行室内定位。

4 结束语

扑翼飞行是人类最熟悉也是最复杂的一种飞行方式，考虑其隐蔽性好、灵活和体积小等特点，未来在军事和民用领域都会大放异彩。目前世界已经有很多性能优秀的扑翼飞行器原型机，但是仍有很多问题需要解决。动作捕捉系统在之前的研究中，用于运动分析、作为控制系统反馈信号，或者是验证机器人性能，都起到了重要作用，未来也会持续为扑翼飞行器的研究助力。