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:
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