羅 偲， 王 可， 宋建港， 劉永紅

(中國石油大學(xué)(華東) 機(jī)電工程學(xué)院， 山東 青島 266580)

0 引 言

近年來，隨著海上運輸業(yè)和石油鉆采業(yè)的不斷發(fā)展，如何在后勤保障不充分的條件下，實現(xiàn)遠(yuǎn)海鉆井平臺周邊區(qū)域監(jiān)控成為研究領(lǐng)域的熱點問題[1-2]。旋翼無人機(jī)由于具有體積小、機(jī)動性高和容易維修等特點，特別適用于危險環(huán)境抵近觀測、遠(yuǎn)海采油作業(yè)平臺檢測和海洋溢油低空監(jiān)測。如何利用無人機(jī)監(jiān)控輸油管溢油、預(yù)防原油污染、維護(hù)用油安全具有重要的經(jīng)濟(jì)和戰(zhàn)略意義。而現(xiàn)有無人機(jī)著陸系統(tǒng)不適用于在地質(zhì)災(zāi)害發(fā)生后地表形態(tài)發(fā)生變化、未知或特殊環(huán)境缺少前期著陸準(zhǔn)備以及突發(fā)事件無法及時提供任務(wù)區(qū)域環(huán)境信息等情況下執(zhí)行任務(wù)[3]。

飛鳥、昆蟲以及蝙蝠等在上億年進(jìn)化歷史中，經(jīng)過不斷自然選擇和進(jìn)化，其在形態(tài)、運動方式、環(huán)境適應(yīng)等方面，達(dá)到了幾乎完美的程度，這為無人機(jī)的設(shè)計提供了靈感和參照[1,4]。

本文根據(jù)旋翼無人機(jī)在非結(jié)構(gòu)化地形下定點降落的需求，通過借鑒自然界生物的著陸能力，在一般旋翼無人機(jī)系統(tǒng)的基礎(chǔ)上，通過增加柔性夾持機(jī)構(gòu)，運用改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)算法，實現(xiàn)了旋翼無人機(jī)在復(fù)雜地面環(huán)境下著陸的任務(wù)需求。

1 總體架構(gòu)

根據(jù)仿生旋翼無人機(jī)的主要功能需求，設(shè)計了如圖1所示的硬件總體架構(gòu)。其中，旋翼無人機(jī)的飛行模塊由飛行控制單元、人工智能單元、著陸單元以及動力系統(tǒng)，地面模塊由遠(yuǎn)程控制臺和手動遙控器組成。

圖1 硬件總體架構(gòu)

2 硬件設(shè)計

本硬件架構(gòu)設(shè)計的特點是擴(kuò)展性好、通用性強(qiáng)、易于后期維護(hù)，同時可用于教學(xué)與科研[5]。

(1) 飛行控制單元。飛行控制單元使用的是由瑞士蘇黎世聯(lián)邦理工學(xué)院開發(fā)的Pixhawk 4(見圖2)。

圖2 飛行控制單元接口示意圖

該飛行控制器采用是32 bit 的STM32F765處理器。同時Pixhawk 4上還冗余內(nèi)置3組IMU，搭載了姿態(tài)傳感器、磁場羅盤、氣壓計等，方便遠(yuǎn)程控制臺實時監(jiān)控飛行器姿態(tài)[6]。飛行控制單元通過UART串行接口同機(jī)載處理器進(jìn)行數(shù)據(jù)通信。

(2) 機(jī)載處理器?；贜IVIDIA Jetson TX2 的機(jī)載處理器是飛行平臺的核心運算模塊，幫助提高無人機(jī)的在軌計算能力，以完成BSP、深度學(xué)習(xí)庫、計算機(jī)視覺、GPU計算、多媒體處理等復(fù)雜人工智能實驗。處理器采用基于HMP Dual Denver 2/2 MB L2以及Quad ARM A57/2 MB L2，同時配備了256顆CUDA核心。網(wǎng)絡(luò)接口采用Realtek RTL 8153 接口；USB 接口提供2個USB 2.0 接口; 芯片尺寸: 58 mm×87 mm。

(3) 數(shù)據(jù)通信單元。通信模塊使用CUAV公司的P9數(shù)據(jù)傳輸設(shè)備，發(fā)射功率為1 W，數(shù)據(jù)傳輸速率為276 Kbit/s，傳輸距離可達(dá)30 km。

(4) 地面遠(yuǎn)程控制臺。旋翼無人機(jī)在飛行時通過機(jī)載數(shù)據(jù)通信單元同地面的遠(yuǎn)程控制軟件建立雙向連接。地面人員可以通過地面站自帶的顯示器得知旋翼無人機(jī)的飛行速度以及位姿數(shù)據(jù)信息。

3 軟件設(shè)計

本系統(tǒng)的軟件主流程如圖3所示，由獲取著陸區(qū)域圖像、尋找特征點、判斷定位信號質(zhì)量、獲取無人機(jī)位姿信息以及調(diào)整姿態(tài)等幾部分組成。著陸命令啟動后，需要先進(jìn)行圖像預(yù)處理，等程序完成后，視覺系統(tǒng)需要對輸入的圖像序列進(jìn)行無人機(jī)運動自估計和運動補(bǔ)償；最后，利用人工智能算法，對地形進(jìn)行分類，選擇適合作為著陸的區(qū)域和地點。

圖3 視覺著陸系統(tǒng)的軟件主流程圖

旋翼無人機(jī)上的視覺傳感器會采集無人機(jī)下方的圖像?；贑NN的人工智能模塊會持續(xù)對著陸環(huán)境進(jìn)行識別并控制無人機(jī)的位姿，該控制將輔助旋翼無人機(jī)在復(fù)雜地形下的自主著陸。其中，CNN是為分析二維形狀特征而設(shè)計的一個多層前饋網(wǎng)絡(luò)模型，由輸入層、卷積層、池化層、全連接層和輸出層組成，這種多層感知器對平移、縮放、傾斜等形式的變形具有較高的適應(yīng)性[7-9]。

采樣過程中，圖像的一部分作為第1層輸入，通過卷積核對局部進(jìn)行特征提取，再如圖4所示依次傳輸?shù)较乱粚印Ｃ總€層級結(jié)構(gòu)通過一組數(shù)字特征圖去獲取所采集圖像的最顯著的結(jié)構(gòu)特征[10-11]。從而實現(xiàn)對著陸環(huán)境中的電線桿、高塔、深坑、水田以及其他威脅特征的辨識和檢測(見圖5)。

圖4 基于CNN的圖像采集及分類過程

圖5 著陸中障礙物識別

4 仿生著陸機(jī)構(gòu)設(shè)計

通過觀察鳥類標(biāo)本的足部形態(tài)，測量其主要外形特征參數(shù)，建立了如圖6所示的仿生爪與末端機(jī)構(gòu)相互作用的數(shù)學(xué)模型，分析了仿生爪各項特征參數(shù)對其著陸性能的影響，設(shè)計了仿生著陸機(jī)構(gòu)。其中:著陸面半徑為R;機(jī)械爪每節(jié)厚度為H;長度為Li;接觸角為α;節(jié)偏轉(zhuǎn)角為θi。著陸爪在為保持無人機(jī)機(jī)身穩(wěn)定需實現(xiàn)自鎖緊，提供附著力，節(jié)偏轉(zhuǎn)角需滿足如下要求[12]：

圖6 仿生著陸機(jī)構(gòu)原理圖

通過將柔性仿生元件與彈簧進(jìn)行連接，利用骨骼肌簡化力學(xué)模型，根據(jù)赫芝接觸關(guān)系著陸架與地面之間的作用力可表示為[13]：

其中:P為赫芝彈簧力；a為接觸加速度。通過對表達(dá)式的分析，還可以確定著陸機(jī)構(gòu)最大收縮力、最大收縮速度兩個特性參數(shù)[14]，從而優(yōu)化了著陸機(jī)構(gòu)設(shè)計(見圖7)。

圖7 仿生著陸機(jī)構(gòu)設(shè)計

5 系統(tǒng)實現(xiàn)及性能測試

為了驗證此套設(shè)計方案的合理性，搭建了一套完整的仿生旋翼無人機(jī)著陸系統(tǒng)，采用ROS操作系統(tǒng)編寫了無人機(jī)控制系統(tǒng)(見圖8)。該平臺對無人機(jī)在著陸過程中的姿態(tài)角度以及降落速度進(jìn)行動態(tài)系統(tǒng)測試[15]。在開放環(huán)境中搭建復(fù)雜著陸環(huán)境，并進(jìn)行著陸實驗(見圖9)。

圖8 無人機(jī)地面站控制臺

圖9 仿生無人機(jī)著陸實驗

通過觀察無人機(jī)在三維空間中的位置響應(yīng)曲線(見圖10)得出，當(dāng)著陸指令發(fā)出后，無人機(jī)能夠準(zhǔn)確識別出著陸點，并能平穩(wěn)控制無人機(jī)穩(wěn)定著陸。

圖10 仿生無人機(jī)位置響應(yīng)曲線

6 結(jié) 語

研究面向無人機(jī)在遠(yuǎn)海油氣田、鉆井平臺和船舶等非常規(guī)著陸環(huán)境下穩(wěn)定著陸問題。采用理論分析、生物樣本觀察、建模仿真與樣機(jī)研制相結(jié)合的方法，以視覺環(huán)境感知建模技術(shù)為核心，構(gòu)建新型爪式著陸系統(tǒng)，突破無人機(jī)在結(jié)構(gòu)設(shè)計、加工方法、以及智能控制等方面的關(guān)鍵技術(shù)問題。為促進(jìn)高適應(yīng)性的無人機(jī)發(fā)展提供了技術(shù)及設(shè)備保障。