Controllo di volo in tempo reale: calibrazione del sensore incorporato e acquisizione dati

Fonte: Ella M. Atkins, Dipartimento di Ingegneria Aerospaziale, Università del Michigan, Ann Arbor, MI

Panoramica

Il pilota automatico consente di stabilizzare l'aeromobile utilizzando i dati raccolti dai sensori di bordo che misurano l'orientamento, la velocità angolare e la velocità dell'aeromobile. Queste quantità possono essere regolate dal pilota automatico in modo che l'aeromobile segua automaticamente un piano di volo dal lancio (decollo) fino al recupero (atterraggio). Dati di sensori simili vengono raccolti per controllare tutti i tipi di aeromobili, dai grandi aerei da trasporto commerciale ad ala fissa agli elicotteri a rotore multiplo su piccola scala, come il quadricottero con quattro unità di spinta.

Con la posizione inerziale e la velocità catturate da un sensore come il Global Positioning System (GPS), il sistema di controllo del volo in tempo reale con pilota automatico consente a un velivolo multicottero o ad ala fissa di stabilizzare il suo assetto e la velocità dell'aria per seguire una traiettoria prescritta. L'integrazione dei sensori, la calibrazione, l'acquisizione dei dati e il filtraggio del segnale sono prerequisiti per gli esperimenti nel controllo del volo.

Qui descriviamo una suite di sensori che fornisce i dati necessari per il controllo del volo. Vengono descritte le interfacce di segnale e l'acquisizione dei dati su due diverse piattaforme di computer embedded e viene riepilogata la calibrazione del sensore. La media mobile a canale singolo e i filtri mediani vengono applicati a ciascun canale dati per ridurre il rumore del segnale ad alta frequenza ed eliminare i valori anomali.

In questo esperimento, viene dimostrata l'acquisizione dei dati e la calibrazione del sensore per il controllo del volo in tempo reale. Diversi articoli pubblicati hanno descritto i principi della raccolta e del controllo dei dati dei sensori e si sono recentemente concentrati sui sensori per piccoli veicoli aerei senza equipaggio (UAV) [1-3].

Gli aerei devono bilanciare le loro forze e i loro momenti attraverso l'aerodinamica e i sistemi di propulsione. Come mostrato nella Figura 1a,un velivolo ad ala fissa bilancia quattro forze in volo costante: portanza aerodinamica, resistenza aerodinamica, spinta del sistema di propulsione e peso. Gli aerei ad ala fissa si intonano verso l'alto o verso il basso, per salire o scendere, e rotolano a sinistra o a destra per svoltare verso una nuova direzione.

Come mostrato nelle figure 1b e 1c, un multicottero sospeso deve bilanciare la spinta verso l'alto generata dalle unità propulsori con il suo peso, mentre un multicottero che vola a una velocità apprezzabile ruota in modo che la sua spinta bilanci la resistenza aerodinamica. Per ottenere un volo stabile, l'aereo deve anche bilanciare i momenti su tutti e tre gli assi. Le rotazioni sono definite con le seguenti convenzioni per il volo tridimensionale (3D):

1. Roll (Φ) – rotazione attorno all'asse rivolto verso la parte anteriore del veicolo (x), con conseguente movimento da un lato all'altro
2. Pitch (θ) – rotazione attorno all'asse che va da sinistra a destra (y), con conseguente movimento di inclinazione in avanti e indietro
3. Imbardata (Ψ) – rotazione attorno all'asse verticale (z), che si traduce in un cambiamento di angolo di direzione

Un sistema di controllo di volo emette comandi del motore e della superficie di controllo che stabilizzano il rollio, il beccheggio, l'assetto di imbardata e le forze di bilanciamento dell'aeromobile, come mostrato nella Figura 1. I comandi devono essere aggiornati in modo affidabile e in tempo reale per garantire che l'aeromobile possa correggere disturbi come il vento. Per ottenere e mantenere un atteggiamento prescritto, il sistema di controllo deve mantenere una stima accurata dell'assetto dell'aeromobile (rollio, beccheggio, imbardata) e dei suoi cambiamenti di assetto nel tempo (velocità angolari). Poiché forze come la portanza e la resistenza dipendono in modo critico dal flusso d'aria, è necessario un rilevamento aggiuntivo per determinare la velocità dell'aria (V nella Figura 1) e la direzione del flusso d'aria rispetto all'aeromobile. Per seguire una traiettoria prescritta, l'aeromobile deve anche percepire la sua posizione attraverso un sensore come un GPS, I sensori dell'aeromobile che consentono il controllo del volo sono mostrati nella Figura 2.

Una volta acquisiti i dati dai sensori, i segnali vengono filtrati per ridurre l'impatto del rumore e dei valori anomali sulla qualità dei dati elaborati. Quindi i dati vengono aggregati in una stima completa dello stato dell'aeromobile, comprese le posizioni 3D, le velocità lineari, l'orientamento (assetto) e le velocità angolari. Lo stato dell'aeromobile viene inviato al controllore di volo, che quindi aggiorna i comandi ai propulsori dell'aeromobile e / o alle superfici di controllo per le configurazioni ad ala fissa.

Sensori per aeromobili

Gli aeromobili, tra cui ad ala fissa e multicottero, si affidano a una suite di sensori nota come unità di misura inerziale (IMU) per determinare l'assetto dell'aeromobile 3D e la velocità angolare. Una IMU è tipicamente costituita da tre tipi di sensori: accelerometri per misurare l'accelerazione lineare; velocità giroscopi (giroscopi) per misurare la velocità angolare; e sensori di campo magnetico per misurare la direzione e la forza del campo magnetico locale. Un'IMU a tre assi, come illustrato nella Figura 3,è configurata con un sistema di coordinate di riferimento a tre assi. Un totale di nove elementi di rilevamento, tra cui tre accelerometri, tre giroscopi a tre velocità e un magnetometro a tre assi, forniscono misurazioni indipendenti dell'accelerazione lineare(ax, ay e az),della velocità angolare (ωx, ω y, ωz) e del campo magnetico(mx, my e mz). Un'IMU è tipicamente montata vicino al baricentro (CG) dell'aeromobile, con gli assi del sensore allineati con gli assi del corpo dell'aeromobile, come mostrato nella Figura 3.

Piccoli pacchetti di sensori IMU sono ora disponibili a basso costo. Ogni sensore emette una tensione analogica, che può quindi essere elaborata localmente o inviata direttamente a un computer di volo, come descritto di seguito. Un sistema di navigazione inerziale integrato (INS) combina un'IMU con un ricevitore GPS. Le unità GPS traducono internamente i segnali satellitari in stime della posizione inerziale sulla Terra, ad esempio latitudine, longitudine, altitudine e velocità lineare 3D dell'aeromobile rappresentato in un quadro di coordinate locali come NED (North-East-Down). Una IMU da sola è in grado di stabilizzare l'assetto dell'aeromobile; tuttavia, con un INS, un aereo può tracciare una traiettoria di volo prescritta.

Poiché le forze aerodinamiche dipendono fortemente dalla velocità dell'aria, gli aeromobili adala fissa V richiedono misurazioni del flusso d'aria per una buona prestazione del controllore di volo. Le misurazioni del flusso vengono raccolte utilizzando un sistema di dati dell'aria (ADS). Negli aerei su piccola scala, spesso viene misurata solo la velocità dell'aria. Negli aeromobili ad alte prestazioni sono necessarie misurazioni della direzione del flusso e della velocità.

Un sistema pitot-statico di base [4], che viene utilizzato per misurare la velocità dell'aeromobile, V, è mostrato nella Figura 4. Il tubo di Pitot stesso ha un foro centrale che si affaccia direttamente nel flusso in arrivo. Questo foro è collegato attraverso un tubo centrale a una porta di un sensore di pressione differenziale. Quattro fori equamente distanziati intorno all'esterno del tubo di Pitot sono collegati attraverso un singolo tubo periferico all'altra porta del sensore differenziale. Il tubo centrale misura il ristagno o la pressione totale, P_T, che è la pressione dell'aria in un punto in cui la velocità del flusso è zero. Il tubo esterno misura la pressione statica dell'aria, P_S, che è associata al flusso che si muove alla velocità dell'aria a flusso libero, V. La pressione combinata delle quattro porte periferiche fa la media delle quattro misurazioni della pressione statica per tenere conto del disallineamento del flusso con il tubo di Pitot e della turbolenza del flusso minore. La velocità dell'aria è calcolata dall'equazione di Bernoulli data la densità atmosferica ρ:

    (1)

La pressione dinamica (differenziale) misurata da un sistema di tubi di Pitot è quindi data da:

(2)

La velocità dell'aria, V, è quindi data da:

    (3)

Una sonda a cinque fori [5], mostrata nella Figura 5,fornisce la possibilità di misurare l'angolo e la velocità del flusso a flusso libero. Questa sonda, un'estensione del sistema pitot-statico di base, misura anche P_T da un tubo centrale. Altre quattro porte sopra e/o sotto e su entrambi i lati della porta centrale di pressione totale si collegano in genere a sensori di pressione assoluta. L'angolo di attacco, α, corrispondente all'angolo di passo θ durante il volo di livello, viene calcolato da una funzione che confronta le misurazioni della pressione superiore e inferiore:

    (4)

La funzione di calibrazione, , è determinata posizionando la sonda a cinque fori in una (piccola) galleria del vento, e quindi curvando i dati di pressione della galleria del vento su una serie di condizioni di angolo di attacco note tra i valori di volo minimi e massimi previsti per α. Allo stesso modo, l'angolo di flusso laterale (sideslip) β, che è tipicamente piccolo, viene calcolato da una funzione che confronta le misurazioni della pressione sinistra e destra:

(5)

Allo stesso modo, la funzione di calibrazione è determinata dai dati di pressione della galleria del vento raccolti su una serie di condizioni di angolo di slittamento tra i valori di volo minimi e massimi attesi per β.

L'IMU e l'ADS consentono a un aeromobile di percepire il suo atteggiamento, le velocità angolari e la velocità dell'aria (e potenzialmente la direzione). Un'unità GPS, in genere collegata tramite un INS standard o un'interfaccia separata solo GPS a un computer di volo, fornisce misurazioni della posizione inerziale e della velocità. Un'unità GPS [6] aggrega i dati del tempo di arrivo da più satelliti per stimare la posizione del ricevitore dalla triangolazione. Il GPS di base ha una precisione di posizione dell'ordine di 1-3 metri in aree aperte; la maggior parte degli UAV ospita unità GPS di base. Il GPS può anche ricevere segnali WAAS (Wide Area Augmentation System) [7] da una sorgente di segnale in una regione locale che riducono gli errori di stima della posizione a meno di un metro. Le posizioni GPS sono misurate nel sistema di coordinate della Terra, tipicamente LLA (Latitudine, Longitudine, Altitudine). Il GPS fornisce anche una misurazione locale della velocità 3D di un aereo rispetto alla Terra nei sistemi di coordinate terrestri NED (North-East-Down) o ENU (East-North-Up). Le unità GPS calcolano internamente le informazioni sulla posizione e sulla velocità e comunicano questi valori a un computer di volo di bordo.

Il GPS consente a un aereo di seguire un piano di volo descritto da waypoint in un frame di coordinate fisse sulla Terra. Molte missioni, ad esempio la sorveglianza di piccoli UAV, richiedono all'UAV di navigare rispetto a un ambiente locale. A tale scopo, l'UAV può ancora trasportare un ricevitore GPS, ma si affiderà a sensori di bordo come telecamere, radar o Lidar, per navigare rispetto a un ambiente locale. Molti ricercatori hanno studiato la navigazione UAV rispetto a un ambiente locale utilizzando sensori di bordo, come nelle applicazioni di ricerca e soccorso [8] e per la localizzazione di piccoli UAV in un ambiente urbano di canyon in cui la ricezione del segnale GPS è inaffidabile [9].

Acquisizione dati (DAQ) e calibrazione del sensore

Ogni sensore IMU e ADS emette una tensione analogica che passa attraverso un convertitore analogico-digitale (A/D), quindi un processore digitale o un microprocessore. La conversione A/D può essere eseguita direttamente sul computer di volo, oppure un microprocessore dedicato può eseguire la conversione A/D e ritrasmettere i dati. Poiché il segnale viene perso su lunghi fili del segnale, è vantaggioso eseguire la conversione A/D vicino alla sorgente del segnale del sensore. Pertanto, molte ICU moderne incorporano un microprocessore e trasmettono letture di tensione digitalizzate attraverso una connessione seriale (senza perdita di dati). Ad esempio, l'MPU-9250 ospita i nove sensori IMU (3 accelerometri, 3 giroscopi a velocità, magnetometro a 3 assi) e un microprocessore su un singolo circuito stampato. I dati raccolti vengono quindi distribuiti al computer di volo tramite una connessione seriale I2C [10].

In questa dimostrazione, illustriamo l'uso di una IMU con connessione I2C e la raccolta diretta di dati analogici sul computer di volo utilizzando due piattaforme di calcolo integrate: una Diamond Systems Athena II e una Beaglebone Blue. Sono stati selezionati per le loro diverse capacità di interfaccia hardware. Entrambi sono leggeri e hanno un fattore di forma ridotto appropriato per l'installazione su un piccolo UAV. L'Athena II è un prodotto consolidato; il suo punto di forza è nella risoluzione dei dati ad alta risoluzione (16 bit A / D), che con il leggero sistema operativo in tempo reale QNX Neutrino, assicura un'acquisizione dati affidabile fino a 3 kHz. Il Beaglebone Blue, che esegue una variante di Linux, ha un convertitore A / D a risoluzione inferiore, ma si interfaccia con una varietà di dispositivi seriali, incluso I2C. Il Beaglebone è a basso costo, ha un processore più veloce ed è compatibile con numerose applicazioni basate su Linux. È, quindi, una scelta migliore per scopi generali per esperimenti a basso costo. L'Athena II viene utilizzato in questo esperimento per dimostrare la sua utilità nell'acquisizione diretta dei dati dei sensori con l'applicazione all'acquisizione di dati di volo basata sulla ricerca, come in una piattaforma UAV sperimentale ad ala flessibile [11].

Prima dell'implementazione per il controllo di volo, i sensori IMU e ADS devono essere calibrati correttamente. La calibrazione end-to-end tiene conto del ridimensionamento della tensione e della polarizzazione mentre l'uscita del sensore fisico passa attraverso il convertitore A / D al computer e quindi viene convertita in unità MKS (metro-chilogrammo-secondo):

(6)

dove il segnale acquisito, in volt, è compensato dalla tensione di polarizzazione, b, e viene quindi scalato dal fattore m a una lettura dell'unità MKS, . Le ICU con un'interfaccia seriale possono fornire opzioni per raccogliere letture in volt o unità MKS in base alla calibrazione del produttore. I dati dei sensori acquisiti direttamente per IMU o ADS richiedono la lettura di un valore intero da ciascun canale A/D (in conteggi), che viene tradotto in una lettura della tensione in virgola mobile basata sulla risoluzione del convertitore A/D (ad esempio, 12 bit o 16 bit) e sull'intervallo di tensione su larga scala. Per tenere conto delle imprecisioni sia nelle calibrazioni predefinite dei sensori che nel processo di conversione A/D, è in genere vantaggioso calibrare IMU e ADS una volta completamente integrati nella pipeline DAQ.

Per l'IMU, le tensioni dell'accelerometro sono scalate a una lettura relativa all'accelerazione zero in metri al secondo al quadrato e le tensioni giroscopiche della velocità sono scalate a una lettura relativa alla velocità angolare zero in radianti al secondo. La calibrazione di un magnetometro richiede un processo più attento che tenga conto delle fonti di disturbo locali [12]. In questo esperimento, illustriamo l'uso di una tabella delle velocità per calibrare giroscopi e accelerometri. Si noti che in ambienti complessi, un magnetometro potrebbe non essere accurato nonostante i migliori sforzi di calibrazione; in questi casi, la direzione è determinata attraverso mezzi alternativi, ad esempio, la considerazione della direzione vettoriale della velocità GPS.

Filtraggio del segnale

I segnali dei sensori contengono inevitabilmente rumore elettrico e rumore proveniente da fonti fisiche, come le vibrazioni strutturali in volo. Tale rumore assume tipicamente la forma di singoli valori anomali nei dati e di rumore ad alta frequenza; entrambi possono essere attenuati con un filtraggio del segnale di basso livello. Nei nostri esperimenti vengono applicati due filtri di segnale sensore comunemente applicati [13]: un filtro medio mobile per attenuare il rumore ad alta frequenza e un filtro mediano per respingere i valori anomali del segnale dai segnali sequenziali a canale singolo, o "sale e pepe", dalle immagini. La media mobile semplice stima il segnale corrente come valore medio dei valori di n dati acquisiti più di recente in uno scenario di controllo in tempo reale; nella post-elaborazione, ogni segnale è stimato da un numero uguale di punti dati precedenti e futuri per evitare effetti di time-shift. La stima della media mobile non ponderata in tempo reale utilizzabile per il controllo di volo è quindi data da:

(7)

dove è un valore di dati di un singolo sensore al passo temporale k-i e è la stima della media mobile per il passo temporale k. Un grande valore per n elimina efficacemente il rumore ad alta frequenza, ma presenta gli svantaggi di introdurre il ritardo temporale nelle stime del segnale. Può anche filtrare i segnali reali e transitori. Per ridurre al minimo l'impatto dei vecchi dati sulle stime della media mobile, i dati vengono spesso ponderati in modo lineare o esponenziale in modo che i punti dati più recenti influenzino i risultati della media mobile più dei valori dei dati più vecchi.

Il filtro mediano per i segnali a canale singolo è semplice. Gli ultimi d valori di dati grezzi vengono raccolti in una matrice o in un insieme, quindi viene restituita la mediana, cioè il valore medio o la media dei due valori medi dato un numero pari di valori:

(8)

dove è un singolo valore di dati del sensore e è l'uscita filtrata mediana al passo temporale k. I dati soggetti sia al rumore ad alta frequenza che ai valori anomali vengono spesso elaborati in sequenza attraverso filtri mediano e media mobile. Per evitare che i valori anomali influenzino il risultato della media mobile, il filtro mediano viene in genere applicato per primo. I valori per n e d sono definiti dall'utente, ma sono in genere nell'intervallo [3, 10] a meno che i dati non vengano acquisiti a velocità molto elevate rispetto a quelle utilizzate nelle decisioni di controllo.

Questa procedura illustrerà la calibrazione e l'integrazione dei sensori IMU e ADS con i computer di volo e dimostrerà l'uso dell'acquisizione e dell'elaborazione dei dati INS e ADS integrati in una struttura di volo all'aperto. Viene dimostrato il controllo di volo end-to-end per un quadrotor che opera nella struttura di test di volo con reti M-Air dell'Università del Michigan.

1. Calibrazione del sensore: unità di misura inerziale (IMU)

La calibrazione del sensore è più efficace se eseguita con il supporto di apparecchiature di test di alta qualità. Per l'IMU a 3 assi, calibrare separatamente il giroscopio e l'accelerometro della velocità per ciascun asse utilizzando una tabella della velocità di precisione (Figura 6). La tabella delle velocità ruota con precisione a una velocità angolare definita dall'utente. L'utente emette una serie di comandi di velocità, durante i quali l'IMU raccoglie i dati necessari per la calibrazione del sensore. L'esperimento di calibrazione ad asse singolo descritto di seguito viene quindi ripetuto tre volte, una volta per ogni asse del sensore IMU (x, y, z).

1. Montare l'IMU sulla tabella delle velocità in modo che l'asse del sensore da calibrare sia diretto radialmente verso l'interno o verso l'esterno.
2. Misurare la distanza dal centro del tavolo al centro del centro IMU. Questo è il raggio di riferimento per il movimento circolare.
3. Montare il computer DAQ, l'IMU e la batteria direttamente sulla tabella delle velocità e collegare direttamente tutti i componenti.
4. Configura il software per raccogliere i dati di velocità e accelerazione IMU.
5. Mentre la tabella dei tassi è immobile, registra i valori del giroscopio e dell'accelerometro.
6. Condurre una serie di esperimenti con diversi tassi di rotazione della tabella a velocità costante positiva e negativa. Le calibrazioni dei sensori dovrebbero essere lineari. Acquisisci dati a velocità di 0 (baseline), ±15, ±30 e ±60 gradi/secondo. La tabella può girare a velocità più elevate, ma i valori selezionati sono sufficienti per coprire i segnali previsti nelle tipiche operazioni di volo UAV.
7. Raccogli i dati dal giroscopio e dall'accelerometro da calibrare per ogni valore di velocità angolare sopra elencato. Ogni velocità di rotazione dovrebbe essere stabilita prima della raccolta dei dati per garantire il mantenimento di una velocità costante. Raccogliere dati superiori a 10 - 15 s, assumendo una velocità di raccolta dati di almeno 30 - 100 Hz, per garantire che i disturbi possano essere filtrati dai valori di calibrazione finali.
8. Scollegare e rimuovere l'IMU dalla tabella dei tassi e orientarla in modo tale che l'accelerometro calibrato punti verso il basso.
9. Raccogli +1g di dati attraverso il sistema informatico.
10. Capovolgere l'IMU in modo tale che l'accelerometro calibrato punti in alto e raccolga dati -1g attraverso il sistema informatico. Questi punti dati aggiuntivi sono semplici da ottenere e possono essere utilizzati per convalidare ogni curva di calibrazione lineare ottenuta dai dati della tabella dei tassi a ±1g.  Il valore di 1 g è particolarmente importante per calibrare con precisione perché i dati dell'accelerometro lineare vengono utilizzati per determinare la direzione "verso il basso" rispetto al corpo del quadricottero.
11. Elaborare i dati. Sviluppare curve lineari per i punti dati giroscopici e accelerometrici, che mettono in relazione le tensioni acquisite con le velocità di rotazione dell'unità MKS (giroscopio) e le accelerazioni lineari (accelerometro). Verificare che l'errore di calibrazione sia sufficientemente basso. Si noti che la tabella delle velocità fornisce il controllo diretto della velocità angolare per la calibrazione del giroscopio. L'accelerazione corrispondente, a, indotta dalla forza centripeta del moto circolare, può essere calcolata dalla velocità angolare specificata ω e dal raggio r dell'IMU dal centro della tabella dei tassi:
    (9)

2. Esperimenti di volo Quadrotor

Per la nostra serie finale di esperimenti, montiamo l'IMU e il sistema di Pitot su un quadrotor (mostrato nella Figura 7)e voliamo nella struttura di volo con reti M-Air dell'Università del Michigan. Il veicolo viene stabilizzato attraverso una porta del pacchetto autopilota open source Ardupilot al Beaglebone Blue (nessun microprocessore utilizzato) e configurato prima del volo attraverso il software della stazione di terra Mission Planner. Un'interfaccia trasmettitore/ricevitore radiocomando consente al pilota di fornire comandi "loop esterno" per l'altitudine del quadrotor, il movimento da lato a lato e la direzione della legge di controllo del volo "inner loop" di Ardupilot che regola l'angolo di rollio del quadrotor, l'angolo di beccheggio, l'angolo di imbardata (direzione) e l'altitudine. [14]

Poiché un quadrotor non richiede il feedback della velocità dell'aria per stabilizzarsi, Ardupilot si basa solo sui dati IMU più un sensore di pressione per l'altitudine, che viene calibrato durante l'inizializzazione del programma rispetto alla pressione dell'altitudine di decollo, per stabilizzare il volo dati gli input del pilota. Un'estensione completamente autonoma di Ardupilot richiede dati di posizione inerziale dal GPS o da altri sistemi di rilevamento (ad esempio, motion capture ad alta velocità). Poiché i nostri esperimenti sono stati eseguiti con quadricottatori in ambienti vincolati, il sistema di dati dell'aria di Pitot non è necessario.  Tuttavia, i sistemi pitot sono essenziali per velivoli ad ala fissa e multicotteri che tentano traiettorie di volo precise seguendo ambienti ventosi incerti. [15, 16] La procedura di test di volo è divisa in tre fasi: pre-volo, test di volo e post-volo. Questa suddivisione è simile alle procedure seguite dai piloti di aeromobili con equipaggio attraverso l'uso di liste di controllo della cabina di pilotaggio ben consolidate. [17]

Pre-volo

1. Caricare le batterie e testarle prima dell'installazione.
2. Stabilire un ambiente di prova chiaro (interno o esterno) e contrassegnare l'area per garantire che le persone non coinvolte rimangano chiare.
3. Assicurati che il team di test di volo sia informato e qualificato (addestrato) per eseguire il test pianificato.
4. Se voli all'aperto, assicurati che l'aeromobile e il pilota siano registrati e certificati secondo le normative FAA. Per un test all'aperto è richiesto un minimo di tre persone: un pilota in comando (PIC), un osservatore visivo (VO) e un operatore della stazione di terra. Per i nostri test, il quadrotor volerà in una struttura a rete all'aperto. Due operatori di tether assicureranno che il veicolo non possa volare via per i test indoor. Si noti che nessun regolamento specifico della FAA si applica ai test di volo netted poiché l'UAV non occupa uno spazio esterno aperto.
5. Accendi il computer di volo e il laptop della stazione di terra.
6. Raccogliere dati preliminari per garantire che i sensori funzionino correttamente. Il pilota e il team di supporto devono garantire una chiara comprensione del piano di volo e che siano in atto procedure di aborto / recupero.

Test di volo

6. Avviare l'acquisizione dei dati sulla stazione di terra.
7. Verificare che l'area di volo sia chiara/sicura.
8. Propulsori/motori a braccio.
9. Avviare la sequenza di test di volo.
10. Condurre il test di volo, con il pilota che chiama ogni passaggio, incluso come minimo:
    decollo (lancio), modifiche alla modalità di volo, bersagli o manovre waypoint noti e atterraggio.  Assicurarsi che tutto il personale sia in servizio ed eseguire procedure di emergenza (terminazione del volo) secondo necessità. Waypoint e traiettorie sono specifici per ogni volo. Per l'esperimento quadrotor, seguiamo schemi trasversali e rettangolari moderatamente aggressivi a un'altitudine e una direzione costanti, seguiti da una salita / discesa e quindi da una sequenza di imbardata. Le velocità angolari e le accelerazioni lineari in questo volo sono facilmente identificabili nei dati e confermano che l'IMU e il controllore di volo funzionano correttamente.

Post-volo

11. Disarmare i motori per assicurarsi che non si accendono accidentalmente.
12. Salva e scarica i dati di volo nell'archivio.
13. Registra il volo in parole per il feedback del pilota, del VO e dell'operatore della stazione di terra.
14. Controllare le batterie e caricare secondo necessità.
15. Recupera l'attrezzatura e pulisci l'area per il prossimo occupante.

Calibrazione del sensore

Un esempio di grafico di calibrazione giroscopica della velocità è mostrato nella Figura 8. In questo caso, il giroscopio di velocità emette una lettura nominale (velocità zero) di 2,38 V. I dati di tensione giroscopica di velocità sono stati raccolti per sei diverse velocità di rotazione misurate in gradi al secondo e una curva lineare è stata adattata a questi dati. Come mostrato, l'adattamento lineare fornisce un'ottima approssimazione di tutti i punti dati raccolti.

Risultati dei test di volo

La figura 9 mostra i dati grezzi e filtrati di un set di dati di accelerazione laterale di 30 s per un quadrotor che vola in un ambiente interno. I valori di filtro d e n sono relativamente grandi per illustrare chiaramente l'impatto del processo di filtraggio. Come mostrato, il rumore dei dati grezzi è attenuato. Tuttavia, un notevole ritardo temporale è presente nei dati filtrati, ad esempio nella tendenza di accelerazione positiva (attenuata) poco prima di t= 5 s.  Per questo grafico, si nota un piccolo pregiudizio negativo nella tendenza generale dell'accelerazione; ciò è probabilmente dovuto a un leggero passo nel supporto IMU rispetto al piano del propulsore del quadrotor tale che una piccola componente di accelerazione gravitazionale è notata nella misurazione dell'accelerazione dell'asse x.  Tale offset è comune quando si allineano i sensori solo attraverso l'ispezione visiva.

Figura 1. Forze fondamentali che agiscono sugli aerei. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 2. Pipeline di dati dai sensori al controllo di volo. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 3. Sensori IMU (Inertial Measurement Unit) e convenzioni degli assi. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 4. Sistema di tubi di Pitot per la misurazione della velocità dell'aria(V). Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 5. Sistema di sonde a cinque fori per la misurazione della velocità dell'aria(V),dell'angolo diattacco (a)e dell'angolo di slittamento laterale(b). Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 6.  Calibrazione del sensore IMU con una tabella delle velocità ad asse singolo.  Come mostrato, la tensione giroscopica della velocità dell'asse zpuò essere calibrata direttamente per ogni velocità angolare comandata, w, e l'accelerometro dell'asse xpuò essere calibrato dall'accelerazione centripeta data la velocità angolare w e il raggio misurato r dal centro della tabella dei tassi al centroide IMU.  L'IMU può essere ruotata e rimontata per calibrare le misure dagli altri assi del giroscopio e dell'accelerometro. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 7. Piattaforma Quadrotor con Beaglebone Blue utilizzata per i test di volo. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 8.  Esempio di calibrazione dell'esempio di tasso giroscopico. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 9.  Esempio Quadrotor Lateral (x) Accelerometer Data Excerpt per un volo indoor utilizzando un filtro mediano con d= 8 e filtro medio mobile con finestra n= 15.  I dati grezzi sono indicati dalla tendenza blu e i dati filtrati sono mostrati in arancione. Fare clic qui per visualizzare una versione più grande di questa figura.

Figura 10. Esempio di gps UAS piccolo ad ala fissa, accelerometro e dati di test di volo giroscopico di velocità.  I dati grezzi (non filtrati) vengono presentati per illustrare la necessità di filtrare il segnale. Fare clic qui per visualizzare una versione più grande di questa figura.

Qui abbiamo descritto i sistemi di sensori, l'acquisizione dei dati e il processo di filtraggio del segnale necessari per consentire il controllo del volo in tempo reale degli aeromobili ad ala fissa e ad ala rotante. Questa pipeline di dati è un elemento essenziale di tutti i sistemi di pilota automatico di aeromobili con e senza equipaggio. I multicotteri richiedono autopiloti per stabilizzarsi e gli aeromobili di tutti i tipi si affidano in modo critico all'acquisizione dei dati in tempo reale e al controllo del volo per tutte le operazioni mentre ci muoviamo verso sistemi aerei sempre più autonomi che conducono missioni che coinvolgono la raccolta di dati aerei e il trasporto di carichi utili. Mentre i pacchetti di sensori standard possono essere integrati, l'affidabilità è fondamentale per comprendere le capacità e le limitazioni dei sensori in ambienti diversi. Ad esempio, forti precipitazioni o ghiaccio possono bloccare i tubi di Pitot e le strutture dei canyon urbani possono bloccare i segnali GPS.

Inoltre, atteggiamenti insoliti possono richiedere l'estensione ai calcoli di stima dello stato basati sulle rappresentazioni dell'atteggiamento dell'angolo di Eulero. Esiste un compromesso intrinseco tra la resilienza ottenuta attraverso l'integrazione di sensori aggiuntivi e il costo e il peso aggiuntivi necessari per supportare sensori ridondanti. I piccoli UAV a basso costo continueranno probabilmente a utilizzare la suite di sensori di base per il controllo del volo qui descritta. Mentre gli aerei più affidabili, come il trasporto commerciale e gli aerei da combattimento, basano le loro stime di stato su sensori simili a quelli descritti qui, si basano sulla tripla ridondanza e sulla diversità dei sensori per garantire che il controllore di volo dell'aeromobile possa fare affidamento su una stima accurata dello stato nonostante il potenziale di guasti dei sensori o condizioni ambientali estremamente impegnative.

La Figura 10 mostra le cronologie temporali GPS e (grezze) IMU di esempio tratte da un piccolo test di volo UAS ad ala fissa. I dati GPS mostrano il modello di vagabismo locale pilotato manualmente da un pilota attraverso un collegamento di controllo radio. Le cronologie temporali dell'IMU grezze mostrano il segnale ma mostrano anche un rumore sostanziale del segnale.  Questo rumore deriva principalmente dalle vibrazioni strutturali della cellula indotte dall'unità di propulsione (motore) ed è tipico per i piccoli UAS ad ala fissa con strutture leggere in legno o composito.  Si noti che i dati sono stati raccolti dopo aver isolato vibrazionalmente l'IMU dalla struttura con supporti in gomma, fornendo una forte motivazione per il filtraggio del segnale.  Nei dati di risposta temporale, il decollo (lancio) avviene subito dopo t= 100 s, e l'atterraggio è visto nei "picchi" dei dati di grande magnitudo che si verificano poco prima di t= 450 s.

RICONOSCIMENTI

Riconosciamo il signor Prashin Sharma, il signor Matthew Romano e il dottor Peter Gaskell dell'Università del Michigan per la loro assistenza nella creazione e nella conduzione di esperimenti.

1. Langelaan, J.W., Alley, N., and Neidhoefer, J., 2011. Wind field estimation for small unmanned aerial vehicles. Journal of Guidance, Control, and Dynamics, 34(4), pp.1016-1030.
2. Hallberg, E., Kaminer, I., and Pascoal, A., 1999. Development of a flight test system for unmanned air vehicles. IEEE Control Systems, 19(1), pp.55-65.
3. Kim, J.H., Sukkarieh, S., and Wishart, S., 2003. July. Real-time Navigation, Guidance, and Control of a UAV using Low-cost Sensors. In Field and Service Robotics, Springer, pp. 299-309.
4. Gracey, W., 1956. Wind-tunnel investigation of a number of total-pressure tubes at high angles of attack-subsonic, transonic, and supersonic speeds (No. NACA-TN-3641). National Aeronautics and Space Administration (NASA) Langley Research Center, Hampton, VA. (http://www.dtic.mil/get-tr-doc/pdf?AD=ADA377664)
5. Morrison, G.L., Schobeiri, M.T., and Pappu, K.R., 1998. Five-hole pressure probe analysis technique. Flow Measurement and Instrumentation, 9(3), pp.153-158.
6. Farrell, J. and Barth, M., 1999. The global positioning system and inertial navigation. New York, NY, USA, McGraw-Hill.
7. Enge, P., Walter, T., Pullen, S., Kee, C., Chao, Y.C., and Tsai, Y.J., 1996. Wide area augmentation of the global positioning system. Proceedings of the IEEE, 84(8), pp.1063-1088.
8. Goodrich, M.A., Morse, B.S., Gerhardt, D., Cooper, J.L., Quigley, M., Adams, J.A., and Humphrey, C., 2008. Supporting wilderness search and rescue using a camera‐equipped mini UAV. Journal of Field Robotics, 25(1‐2), pp.89-110.
9. Rufa, J.R., and Atkins, E.M., 2016. Unmanned aircraft system navigation in the urban environment: A systems analysis. Journal of Aerospace Information Systems, 13(4), pp.143-160.
10. Paret, D. and Fenger, C., 1997. The I2C bus: from theory to practice. John Wiley & Sons, Inc.
11. S. Cesnik, C.E., Senatore, P.J., Su, W., Atkins, E.M., and Shearer, C.M., 2012. X-HALE: A very flexible unmanned aerial vehicle for nonlinear aeroelastic tests. AIAA Journal, 50(12), pp.2820-2833.
12. Vasconcelos, J.F., Elkaim, G., Silvestre, C., Oliveira, P., and Cardeira, B., 2011. Geometric approach to strapdown magnetometer calibration in sensor frame. IEEE Transactions on Aerospace and Electronic Systems, 47(2), pp.1293-1306.
13. Bovik, A., Huang, T.S., and Munson, D., 1983. A generalization of median filtering using linear combinations of order statistics. IEEE Transactions on Acoustics, Speech, and Signal Processing, 31(6), pp.1342-1350.
14. Beard, R.W. and McLain, T.W., 2012. Small unmanned aircraft: Theory and practice. Princeton University Press.
15. Yeo, D., Shrestha, E., Paley, D.A., and Atkins, E.M., 2015. An empirical model of rotorcraft UAV downwash for disturbance localization and avoidance. In AIAA Atmospheric Flight Mechanics Conference, AIAA.
16. Yeo, D., Sydney, N., and Paley, D.A., 2016. Onboard flow sensing for rotary-wing UAV pitch control in wind. In AIAA Guidance, Navigation, and Control Conference.
17. Degani, A. and Wiener, E.L., 1993. Cockpit checklists: Concepts, design, and use. Human Factors, 35(2), pp.345-359.
18. Yeo, D., Henderson, J., and Atkins, E., 2009, August. An aerodynamic data system for small hovering fixed-wing UAS. In AIAA Guidance, Navigation, and Control Conference.