Разработка ключевых модулей системы управления беспилотным летательным аппаратом в среде Robot Operating System (ROS)

Автор: Мокронос К.К., Еремина В.В.

Журнал: Международный журнал гуманитарных и естественных наук @intjournal

Рубрика: Технические науки

Статья в выпуске: 10-5 (97), 2024 года.

Бесплатный доступ

В данной статье рассматривается интеграция ключевых компонентов системы управления беспилотным летательным аппаратом (БПЛА) с использованием Robot Operating System (ROS). Включены анализ и реализация фильтра Калмана, динамической системной модуляции (DSM) и адаптивного алгоритма 3DVFH+ для обеспечения точной оценки состояния, адаптивного управления и планирования траектории. Основное внимание уделено интеграции этих компонентов в единую робототехническую систему, что способствует повышению точности и безопасности управления БПЛА в динамичных условиях.

Бпла, фильтр калмана, динамическая системная модуляция, уклонение от препятствий, автономное управление

Короткий адрес: https://sciup.org/170207037

IDR: 170207037   |   DOI: 10.24412/2500-1000-2024-10-5-11-15

Текст научной статьи Разработка ключевых модулей системы управления беспилотным летательным аппаратом в среде Robot Operating System (ROS)

ROS предоставляет мощный и гибкий инструментарий для разработки сложных робототехнических систем, однако эффективное использование его возможностей требует детальной разработки и интеграции специализированных компонентов. В контексте данного исследования, направленного на создание автономной навигационной системы для беспилотных летательных аппаратов (БПЛА), необходимо разработать несколько ключевых модулей, работающих совместно в рамках единого алгоритма для обеспечения точной оценки состояния, адаптивного управления и эффективного планирования траектории полета [1-3].

Ключевыми компонентами системы являются:

  • -    Модуль фильтра Калмана - для обеспечения высокой точности и надёжности оценки состояния БПЛА на основе данных, поступающих с сенсоров.

  • -    Динамическая системная модуляция (DSM) - для адаптивной корректировки поведения БПЛА в реальном времени.

  • -    Адаптивный алгоритм 3DVFH+ - для планирования траектории движения и обхода препятствий в реальном времени.

Разработка основных компонентов системы

Во-первых, Фильтр Калмана, является ключевым компонентом для оценки состояния БПЛА, обеспечивая точные оценки на основе зашумленных данных датчиков. Он позволяет улучшить качество информации о положении, скорости и ускорении БПЛА, что критически важно для динамического управления и планирования пути.

Для начала рассмотрим вектор состояния x u который включает в себя положение и скорость вдоль осей X , Y и Z :

x pos

y pos xu

z u pos

x uvel y vel

z vel где X , y , z - координаты положе-u pos    u pos    u pos ния БПЛА по осям X, Y и Z; X., , y„ , z.,  - uvel     uvel    uvel компоненты скорости БПЛА по осям X, Y и Z;

Переходная матрица состояния F используется для прогнозирования следующего состояния системы на основе текущего состояния и временного шага:

’1 0 0 A t 0 0 ' 0 1 0 0 At 0 0 0 1 0 0 At F = 0 0 0 1 0 0 ,                                     (2) 0 0 0 0 1 0 _0 0 0 0 0 1 где, At - временной шаг дискретизации.

В матрице F диагональные элементы равны 1, означающие, что каждый компонент состояния сохраняет свою величину при отсутствии других воздействий, а элементы At учитывают вклад скорости в изменение положения за временной шаг.

Матрица управления B используется для определения влияния управляющих воздействий (ускорений) на состояние системы:

0.5 A t2

0

0

0

0.5 A t2

0

B =

0

0

0.5 A t 2

A t

0

0

0

A t

0

_    0

0

A t

Выражение 0.5 A 1 2 , матрицы B, в первых трех строках учитывают вклад ускорения в изменение положения, а элементы A t в последних трех строках учитывают вклад ускорения в изменение скорости.

Во-вторых, динамическая системная модуляция. Она представляет собой метод коррек- ции динамики БПЛА на основе оценок состояния для упреждающего решения потенциальных проблем с навигацией. Этот метод позволяет адаптировать поведение БПЛА в реальном времени, обеспечивая более точное и безопасное управление в динамических условиях.

DSM в нашем исследовании направлена на улучшение управления БПЛА путем предсказания его состояния и внесения соответствующих корректировок в управляющие воздействия. Это достигается за счет использования оценок состояния, предоставляемых фильтром Калмана, и вычисления оптимальных управляющих воздействий для достижения желаемого состояния.

Для предсказания состояния можем воспользоваться дискретной моделью движения БПЛА, полученной с помощью метода Эйлера. Однако для более точного численного интегрирования возьмём дискретную модель, вычисленную с помощью метода Рунге-Кутты 4-го порядка ( RK4 ):

к 1 и = Fxu [ к ] + BUu [ к ]

к 2и = F (хи [ к ] + 0.5Д tk 1) + Би [ к ]

u  u     uu

.

к3 = F(x [к] + 0.5Д (к2и) + Бии[к]

u  u     uu

к 4 и = F (Хи [ к ] + Д tk 3 и) + Бии [ к ]

Предсказание состояния:

Х„ [ к +1] = Х„ [ к ] +—(к 1„ + 2 к 2„ + 2 к 3„ + к 4„).             (8)

u      u       u    u   uu

Эти шаги используются для более точного предсказания состояния Хи [ к + 1] на следующий временной шаг к + 1 .

В-третьих, адаптивный алгоритм 3 DVFH +, используется для планирования пути БПЛА в реальном времени. Он улучшает процесс обхода препятствий за счет динамической настройки параметров, таких как разрешение сетки и коэффициенты стоимости пути. Адаптивность алгоритма позволяет ему более эффективно реагировать на изменения в окружении и на поведение БПЛА.

Алгоритм 3DVFH+ использует гистограмму направлений для представления свободного пространства и препятствий в окружении БПЛА. Основные шаги алгоритма включают в себя: построение гистограммы направлений, фильтрацию и выбор оптимального направления движения.

Для построения гистограммы направлений используется информация от сенсоров, таких как лидар или радар. Основная идея заключается в том, чтобы преобразовать данные о расстояниях до препятствий в гистограмму направлений, которая представляет распределение свободных и занятых пространств вокруг БПЛА.

Допустим, у нас есть n точек данных, полученных от сенсоров, каждая из которых имеет координаты ( x i , y i , zt ) и расстояние до БПЛА di . Преобразование координат точек в угловое пространство:

0i = arctan 2( yi, xt)

ф = arctan 2( zt, ^/x2 + y2)

где 0 i - горизонтальный угол, а ф i - вертикальный угол точки i. Преобразование углов в индексы гистограммы:

index 0 =

О + n

ДО

index ф =

ф + 2

Дф

где ДО и Дф - угловые разрешения гистограммы по горизонтали и вертикали соответственно.

Заполнение гистограммы:

H (index0 ,index ф)+ =

di 2

где H (index о ,index ф ) - значение гистограммы в ячейке (index о ,index ф ) .

Затем, гистограмма фильтруется для сглаживания шумов и выделения свободных направлений. Это включает в себя применение фильтрации средних значений и пороговых значений.

Средняя фильтрация:

H '(index 0 ,index ф) = -12

k

k

i =— J =— 22

k

2 H(index0 + i,indexф + j).

k

Пороговая фильтрация:

H "(index0 ,indexф) = <

'0H'(index О ,indexф),

где H "(index 0 ,index ф ) = 0 , если H (index о ,index & ) т , а т - это пороговое значение для фильтрации.

Выбор оптимального направления основан на минимизации стоимости пути, которая учитывает расстояние до препятствий и целевое направление движения.

Заключение

В данной статье рассмотрена интеграция ключевых компонентов системы управления беспилотным летательным аппаратом с использованием Robot Operating System (ROS). Основное внимание было уделено фильтру Калмана, динамической системной модуля- ции и адаптивному алгоритму 3DVFH+. Эти модули обеспечивают точную оценку состояния, адаптивное управление и эффективное планирование пути, что позволяет БПЛА безопасно и эффективно маневрировать в сложных и динамичных условиях. Интеграция модулей в единую систему на базе ROS способствует улучшению модульности и масштабируемости разработки.

В дальнейших исследованиях планируется проведение всесторонних тестов разработанной системы и ее программной реализации в симуляционной среде для проверки её надёжности и эффективности.

Список литературы Разработка ключевых модулей системы управления беспилотным летательным аппаратом в среде Robot Operating System (ROS)

  • Еремина В.В., Мокронос К.К. Модернизация типового алгоритма уклонения от препятствий. I // Информатика и системы управления. - 2022. - № 1(71). - С. 27-40. EDN: JGMSTL
  • Еремина В.В., Мокронос К.К. Модернизация типового алгоритма уклонения от препятствий. II // Информатика и системы управления. - 2023. - № 2(76). - С. 6-17. EDN: QQPEIT
  • Еремина В.В., Мокронос К.К. Модернизация типового алгоритма уклонения от препятствий. III // Информатика и системы управления. - 2024. - № 2(80). - С. 40-54. EDN: CYWZWB
Статья научная