一種基于神經網絡的仿生無人機系統設計

羅 偲， 王 可， 宋建港， 劉永紅

(中國石油大學(華東) 機電工程學院， 山東 青島 266580)

0 引 言

近年來，隨著海上運輸業和石油鉆采業的不斷發展，如何在后勤保障不充分的條件下，實現遠海鉆井平臺周邊區域監控成為研究領域的熱點問題[1-2]。旋翼無人機由于具有體積小、機動性高和容易維修等特點，特別適用于危險環境抵近觀測、遠海采油作業平臺檢測和海洋溢油低空監測。如何利用無人機監控輸油管溢油、預防原油污染、維護用油安全具有重要的經濟和戰略意義。而現有無人機著陸系統不適用于在地質災害發生后地表形態發生變化、未知或特殊環境缺少前期著陸準備以及突發事件無法及時提供任務區域環境信息等情況下執行任務[3]。

飛鳥、昆蟲以及蝙蝠等在上億年進化歷史中，經過不斷自然選擇和進化，其在形態、運動方式、環境適應等方面，達到了幾乎完美的程度，這為無人機的設計提供了靈感和參照[1,4]。

本文根據旋翼無人機在非結構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，在一般旋翼無人機系統的基礎上，通過增加柔性夾持機構，運用改進的卷積神經網絡(Convolutional Neural Network，CNN)算法，實現了旋翼無人機在復雜地面環境下著陸的任務需求。

1 總體架構

根據仿生旋翼無人機的主要功能需求，設計了如圖1所示的硬件總體架構。其中，旋翼無人機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，地面模塊由遠程控制臺和手動遙控器組成。

圖1 硬件總體架構

2 硬件設計

本硬件架構設計的特點是擴展性好、通用性強、易于后期維護，同時可用于教學與科研[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邦理工學院開發的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上還冗余內置3組IMU，搭載了姿態傳感器、磁場羅盤、氣壓計等，方便遠程控制臺實時監控飛行器姿態[6]。飛行控制單元通過UART串行接口同機載處理器進行數據通信。

(2) 機載處理器。基于NIVIDIA Jetson TX2 的機載處理器是飛行平臺的核心運算模塊，幫助提高無人機的在軌計算能力，以完成BSP、深度學習庫、計算機視覺、GPU計算、多媒體處理等復雜人工智能實驗。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。網絡接口采用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) 數據通信單元。通信模塊使用CUAV公司的P9數據傳輸設備，發射功率為1 W，數據傳輸速率為276 Kbit/s，傳輸距離可達30 km。

(4) 地面遠程控制臺。旋翼無人機在飛行時通過機載數據通信單元同地面的遠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的飛行速度以及位姿數據信息。

3 軟件設計

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

圖3 視覺著陸系統的軟件主流程圖

旋翼無人機上的視覺傳感器會采集無人機下方的圖像。基于CNN的人工智能模塊會持續對著陸環境進行識別并控制無人機的位姿，該控制將輔助旋翼無人機在復雜地形下的自主著陸。其中，CNN是為分析二維形狀特征而設計的一個多層前饋網絡模型，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行特征提取，再如圖4所示依次傳輸到下一層。每個層級結構通過一組數字特征圖去獲取所采集圖像的最顯著的結構特征[10-11]。從而實現對著陸環境中的電線桿、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 仿生著陸機構設計

通過觀察鳥類標本的足部形態，測量其主要外形特征參數，建立了如圖6所示的仿生爪與末端機構相互作用的數學模型，分析了仿生爪各項特征參數對其著陸性能的影響，設計了仿生著陸機構。其中:著陸面半徑為R;機械爪每節厚度為H;長度為Li;接觸角為α;節偏轉角為θi。著陸爪在為保持無人機機身穩定需實現自鎖緊，提供附著力，節偏轉角需滿足如下要求[12]：

圖6 仿生著陸機構原理圖

通過將柔性仿生元件與彈簧進行連接，利用骨骼肌簡化力學模型，根據赫芝接觸關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。通過對表達式的分析，還可以確定著陸機構最大收縮力、最大收縮速度兩個特性參數[14]，從而優化了著陸機構設計(見圖7)。

圖7 仿生著陸機構設計

5 系統實現及性能測試

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

圖8 無人機地面站控制臺

圖9 仿生無人機著陸實驗

通過觀察無人機在三維空間中的位置響應曲線(見圖10)得出，當著陸指令發出后，無人機能夠準確識別出著陸點，并能平穩控制無人機穩定著陸。

圖10 仿生無人機位置響應曲線

6 結 語

研究面向無人機在遠海油氣田、鉆井平臺和船舶等非常規著陸環境下穩定著陸問題。采用理論分析、生物樣本觀察、建模仿真與樣機研制相結合的方法，以視覺環境感知建模技術為核心，構建新型爪式著陸系統，突破無人機在結構設計、加工方法、以及智能控制等方面的關鍵技術問題。為促進高適應性的無人機發展提供了技術及設備保障。