面向旋翼無人機的高精度組合導航模塊設計與評估*

唐海亮,張提升,包林封,牛小驥

(武漢大學衛星導航定位技術研究中心,武漢 430079)

隨著旋翼無人機的發展,其應用已經不局限于傳統的消費市場,在高壓電力巡檢[1-2]、農業植保[3]、交通運輸[4]以及安防[5]等專業領域中也得到了廣泛應用。專業領域需要旋翼無人機的定位導航組件具有高精度、高可靠、低成本等特點。國內外組合導航定位技術研究及相關產品大多面向車載,基于旋翼無人機的組合導航研究文獻及產品較少。王辰熙等人[6]采用多個慣性傳感器與ublox的M8N接收機模塊研發了一款無人機平臺的組合導航系統,其方案定位精度為米級,且系統的成本較高,體積和功耗較大。ublox的M8U、泰斗微電子的N303-3AR、夢芯科技的MXT909均為低成本MEMS(Micro-Electro-Mechanical Systems,微機電系統)慣導與全球衛星導航系統GNSS(Global Navigation Satellite System)單頻定位接收機的組合導航模塊。然而,這些組合導航模塊一方面定位精度只能到米級,不能滿足高精度導航定位需求;另一方面它們主要面向車載導航需求,沒有針對旋翼無人機強振動等情況進行專門的研究和分析。

本文針對旋翼無人機的特殊應用場景,設計了低成本、高精度、高穩定的組合導航模塊,尤其是針對旋翼無人機強振動情況進行了專門的分析和系統優化。首先,介紹低成本高精度組合導航模塊的系統設計方案;然后,針對旋翼無人機的特殊動態特征及其高精度的需求,提出了模塊性能優化關鍵技術;接著,開展了旋翼無人機飛行實驗,分析了IMU白噪聲參數對MEMS慣導和組合導航性能的影響,評估了組合導航模塊在旋翼無人機上的定位精度,最后給出結論。

1 低成本高精度組合導航模塊設計

低成本高精度GNSS/INS組合導航模塊采用STM32F767VG[7]核心處理器,InvenSence的單芯片慣性測量單元MEMS IMU(Inertial Measurement Unit)ICM-20602[8],ublox的GNSS單頻實時動態RTK(Real-Time Kinematic)定位模塊NEO-M8P[9]。處理器利用有源晶振維持本地時間,通過UART接口采集NEO-M8P的NMEA格式GNSS定位結果,通過I2C接口采集ICM-20602的慣導原始數據。NEO-M8P配置為GPS加北斗雙系統模式,充分利用亞太地區北斗衛星導航定位系統的優勢。通過結合NEO-M8P的1PPS脈沖信號和ICM-20602的采樣脈沖信號,實現慣導數據與GNSS時間的精確同步。慣導數據(50 Hz)和GNSS定位結果(1 Hz)分別進入解算引擎,完成組合導航更新解算,輸出高數據率的位置、速度、姿態等導航定位信息。

圖1 硬件系統結構框圖

實時組合導航算法采用計算量小且設計簡潔的松組合[10-12]形式。使用擴展卡爾曼濾波器EKF(Extended Kalman Filter)對GNSS定位結果和慣性導航系統INS(Inertial Navigation System)導航結果進行數據融合。系統狀態參數x由INS誤差狀態組成,可以表示為

x=[δrnδvnψbgba]T

(1)

式中,δrn,δvn,ψ分別表示位置誤差、速度誤差和姿態角誤差;bg,ba分別為陀螺零偏和加速度計零偏,作為增廣狀態進行在線估計和補償。低成本MEMS IMU做比例因子誤差估計,對導航性能改善有限,且會明顯增加計算量,因此在算法中未做考慮。

Kalman濾波器時間更新狀態方程為

xk=φk,k-1xk-1+Gk,k-1wk-1

(2)

式中,φk,k-1為k-1時刻到k時刻的系統轉移矩陣;Gk,k-1為系統噪聲驅動矩陣;wk-1為系統噪聲矩陣,由MEMS慣導的器件噪聲決定。特別的,本文采用的系統噪聲矩陣為

w=[wvwψwgbwab]T

(3)

其中,wv為加速度計白噪聲(速度隨機游走VRW),wψ為陀螺白噪聲(角度隨機游走ARW),wgb和wab分別為陀螺和加速度計零偏噪聲。

GNSS定位結果作為Kalman濾波器的觀測量,可以對INS的結果進行更新修正。Kalman的更新觀測方程為

zk=Hkxk+vk

(4)

式中,zk為觀測向量;Hk為量測矩陣;vk為觀測噪聲,即GNSS定位結果的噪聲。

受旋翼無人機螺旋槳轉動影響,MEMS IMU數據中存在大量的高頻振動,因此INS機械編排中的姿態和速度解算使用雙子樣機械編排算法,來提高提高INS的穩定性和精度。同時,由于NEO-M8P接收機的RTK解算和輸出數據延時,GNSS定位結果一般會在整秒之后延遲一段時間才收到。測試表明接收機NEO-M8P提供的NMEA消息比整秒時刻延遲200 ms左右。而INS機械編排的數據率為50 Hz,即周期為20 ms。因此GNSS輸出延遲已經達到了大約10個慣導歷元,如果不做專門考慮,會嚴重影響組合導航精度。因此,模塊采用章紅平等提出的狀態轉移算法延時更新[13],能夠顯著減小GNSS定位結果延時對組合導航定位精度的影響。

2 模塊性能優化關鍵技術

低成本MEMS慣導的性能及穩定性都會因旋翼無人機平臺的高頻振動而發生顯著惡化。為了保證組合導航的精度和穩定性,本文分別從慣導原始數據采集和組合導航IMU白噪聲參數調整兩個方面對組合導航模塊進行優化。

2.1 慣導原始數據采集

旋翼無人機所特有的高頻振動是這一載體的真實運動,為了采集旋翼無人機高頻振動信息,必須保證慣導的數據采樣率足夠高。然而,導航解算更新率與計算量成正比,為了確保導航模塊的實時性,在慣導原始數據采樣率足夠高的條件下,通過求平均值的方式將高頻的慣導數據降采樣,進行低頻的INS機械編排,不會明顯影響組合導航的性能[14]。綜合MCU計算資源消耗和組合導航性能,以1 kHz的原始采樣率采集MEMS慣導數據,然后通過求平均降采樣到50 Hz進行慣導解算,能夠實現嵌入式平臺的實時高精度組合導航。

在進行組合導航解算時,只有確保GNSS和IMU原始數據時間同步(即兩種數據打上共同的時標),才能滿足高精度的需求。晶振時鐘信號的隨機誤差較小,但存在較大的累計誤差[15]。GNSS定位模塊NEO-M8P的時間脈沖信號1PPS的精度為30 ns,1PPS時鐘誤差不隨時間積累。基于這兩種信號的特點,本文提出一種利用1PPS信號對晶振頻率誤差漂移進行線性比例補償的方法,可以得到誤差不累積的精確本地時間。在MEMS慣導采樣脈沖觸發下,記錄對應本地時間作為慣導數據采樣時間,從而實現慣導數據和GNSS時間的精確同步。

圖2為慣導數據采集示意圖,本地時間依靠有源晶振提供的1 MHz頻率的32位定時器維持。每完成一次慣導數據采集,MEMS慣導會產生一個脈沖。GNSS定位模塊則每個整秒時刻產生一個PPS脈沖。每一個脈沖都會觸發MCU得到一個定時器的計數值(C1、C2、C3,對應T1、T2、T3時刻 )。利用連續兩次PPS之間的定時器計數差值,得到線性比例系數Sc,如式(2)。利用計數值C1和C2,整秒時間T1,同時補償晶振的頻率漂移誤差,即得到同步后的慣導數據時間T2,如式(3)所示。

(5)

T2=T1+(C2-C1)Sc×10-6

(6)

圖2 慣導原始數據采集示意圖

如圖3(a),如果不補償晶振的頻率漂移,以1PPS作為參考,每秒內最后一個IMU采樣間隔大約漂移10 μs。經過補償晶振頻率漂移,如圖3(b),慣導采樣時間間隔波動范圍大約為±2 μs。經過這種時間同步技術,能夠使慣導原始數據和GNSS數據時間在硬件層面上實現精確同步,為組合導航的高精度解算提供保障。

圖3 晶振補償前后的IMU數據時間間隔

2.2 IMU白噪聲參數調整

對長時間的靜態慣導數據進行Allan方差分析[16],是評估慣性器件性能的一種標準方式。通過Allan方差曲線可以得到IMU的隨機漂移誤差噪聲大小,比如常見的白噪聲和零偏噪聲。以加速度計為例,圖4為MEMS加速度計的Allan方差曲線,其中曲線左側斜率為-1/2的部分表示加速度計白噪聲(即速度隨機游走VRW),讀取τ=1處的σA≈7×10-4m/s2,有如下關系

(7)

式中N表示加速度計白噪聲,那么可以計算得到加速度計白噪聲為

(8)

圖4 MEMS加速度計的Allan方差曲線

3 測試與評估

受限于載重能力,旋翼無人機平臺無法安裝高精度導航設備作為參考系統。經過硬件擴展,安裝較高精度的慣導模塊ADIS16460[17]到現有的組合導航硬件模塊上。硬件系統同時采集ADIS16460和ICM-20602兩種IMU的數據,以ADIS16460慣導和GNSS后處理RTK進行松組合反向平滑的結果作為參考真值。測試場地為武漢大學某空曠操場,使用天寶Net-R9接收機作為RTK參考基站,基站設在武漢大學某高層建筑樓頂,RTK基線長度小于1 km。如圖5為測試使用的旋翼無人機實物圖,旋翼無人機為大疆經緯M100,組合導航模塊安裝在無人機平面上,GNSS天線為華信無人機天線,模塊通過移動電源供電,數據通過硬件系統的TF卡記錄。

圖5 無人機平臺實物圖

3.1 IMU白噪聲參數評估

圖6給出了兩組不同IMU白噪聲參數分別進行組合導航解算得到的位置誤差曲線。由圖6(a)可以看出,基于標稱的IMU白噪聲參數,在旋翼無人機上出現了異常的位置誤差,高程誤差顯著增大,水平方向也存在一定的誤差波動。經驗表明,加速度計白噪聲對組合導航高程方向影響較大,陀螺白噪聲則對水平方向影響較大。圖6(b),經過對IMU白噪聲參數放大處理,整體的組合導航位置誤差在精度范圍之內。以加速度白噪聲為例(陀螺白噪聲放大10倍),統計加速度白噪聲參數變化對組合導航位置精度的影響。如表1,給出了不同加速度白噪聲參數下,分別進行組合導航統計的位置誤差RMS值。統計表明,在合理范圍之內,加速度白噪聲參數越大,組合導航的位置誤差越小。

圖6 慣導隨機游走對組合導航的影響

加速度白噪聲/((m/s)/h)水平誤差/m垂向誤差/m0.150.013 00.065 60.30.011 60.046 20.60.009 40.030 11.20.007 90.019 5

從卡爾曼濾波的角度來看,放大慣導的IMU白噪聲參數,相當于對慣導的信賴降低,從而增加對GNSS定位的信賴。通過后處理仿真GNSS中斷[18]的方法,可以評估IMU白噪聲參數對慣導性能的影響。以加速度計白噪聲(VRW)為例,進行多次仿真中斷GNSS測試,每次中斷時間為10 s。圖7是GNSS仿真中斷的典型位置誤差漂移曲線,表2給出了INS漂移RMS統計結果。由表2可以看出,在GNSS失效時,加速度白噪聲參數越大,INS位置誤差漂移越大。

圖7 仿真GNSS中斷的組合導航位置誤差

速度隨機游走/((m/s)/h)水平漂移/m垂向漂移/m0.32.860.960.62.951.211.23.361.472.44.21.8

可以說明,對于旋翼無人機平臺,高頻的振動會導致MEMS慣導性能下降,需要在組合導航算法中合理的放大IMU白噪聲參數來平衡慣導與GNSS的權重。如果IMU白噪聲參數設置過小,則會造成組合導航過度信任了被無人機振動干擾的慣導,從而導致定位誤差增大;而如果白噪聲參數設置過大,則會降低GNSS信號中斷時慣導獨立推算的性能。經過對比可以發現,對白噪聲參數進行10倍左右的放大,可以在保證組合導航應有精度的同時,也能夠保證慣導獨立工作的性能。

3.2 組合導航定位精度評估

為了驗證組合導航模塊的導航定位精度,分別采用GNSS定位模塊的RTK和普通單點定位(SPP)兩種模式的定位結果與MEMS慣導進行組合導航解算。如圖8(a)和圖8(b),分別為兩種模式定位結果的組合導航結果的位置誤差曲線。基于SPP的組合導航結果位置精度為米級,高程方向的誤差甚至達到了5 m以上,這也是現有低成本組合導航模塊的精度水平。由于RTK在諸如電離層改正、衛星鐘差改正[19]等方面的優勢,可以達到厘米級的絕對定位精度。使用RTK進行組合導航的位置誤差統計值(RMS)為,北向0.023 m,東向0.030 m,高程0.033 m。統計表明,本文設計的組合導航模塊定位精度可以達到厘米級,能夠為旋翼無人機提供穩定的高精度導航定位服務。

圖8 GNSS定位結果的影響

4 總結

本文基于低成本GNSS定位模塊和MEMS慣導,設計了適用于旋翼無人機的GNSS/INS組合導航模塊。針對旋翼無人機強振動的特點,設計了能充分保障慣導精度的IMU原始數據采集方案和組合導航Kalman濾波算法參數優化調整策略。在典型旋翼無人機振動條件下,分析對比了組合導航IMU白噪聲參數對于MEMS慣導性能和組合導航位置精度的影響。測試結果表明,對IMU白噪聲參數進行10倍左右的放大,能夠兼顧GNSS信號穩定時的組合導航精度和GNSS信號遮擋時的慣導性能。基于典型旋翼無人機實測數據評估了本文中GNSS/INS組合導航模塊的定位性能,在GNSS觀測條件良好的條件下其定位精度為厘米級,在GNSS短時間(10 s)遮擋時其慣導獨立推算精度為米級。本文設計的面向旋翼無人機的組合導航模塊,有效克服了載體劇烈振動對導航性能的影響,在選用低成本硬件的同時,保證了高精度的導航定位性能,為旋翼無人機的高精度導航提供了一套參考方案。