基于無人機的自然場景抗干擾規劃系統設計

朱銘霞，杜 漸，王 哲

（國網江蘇省電力有限公司經濟技術研究院，江蘇南京 210000）

無人機具備機動靈活、成本低、智能化水平高、易控制等優點，這些優點體現在公共安全、消防、城市規劃、位置服務、旅游等各個領域，無人機在自然場景抗干擾規劃方面也顯示出其高度的智能性和靈活性。在傳統的自然景物抗干擾規劃系統中，主要采用無線電信息傳輸技術和電子眼手動故障排除來實現抗干擾規劃[1-3]。無線電信息傳輸技術在抗干擾規劃系統中能夠精準且快速地識別干擾信號，但是這種方法的控制靈敏度比較低，無法實現靈活地干擾識別與規劃；電子眼人工排查技術的靈活性雖然有所提升，但是需要通過工作人員的設備安裝與角度控制來完成在抗干擾規劃系統中的工作。

為了解決上述方法中存在的問題，文中將無人機引入自然場景三維建模系統中，進行抗干擾規劃。

1 系統硬件設計

文中選擇Parrot AR Drone 2.0 操作平臺作為無人機的運行平臺，此平臺是法國Parrot 公司的專業飛行器運行平臺，性能高且具備六軸飛行器的載體，控制平臺采用極輕的碳纖維材料，外殼重量僅286 g，還可以根據無人機飛行的場景不同更換外殼，達到保護操作平臺的作用，內部的處理器采用最新版本的AR Drone 2.0 處理器，支持飛行定位功能，且續航時間相對于上一代AR Drone 1.0 處理器延長了近30 分鐘。操作平臺的前端采用360°無死角高清攝像頭，后端采用一個超聲模塊，可以對飛行的高度以及飛行速度進行確定與測量。操作平臺中的芯片結構都是透明狀態的，其中的線路連接和芯片類型一目了然，有助于使用者對操作平臺的適應性改裝與故障更替[4]。

無人機內的板載運算器是無人機處理路徑和自然場景信息處理的主要載體，板載運算器的運算處理能力直接影響到無人機對自然場景抗干擾規劃程度。目前市面上的板載運算器CPU 運算處理平臺主要運用32 g 內存的處理空間，即以英特爾公司的芯片作為CPU 運算載體[5-6]。而文中考慮到板載運算器需要安裝在無人機中具有高空作業的標準，對板載運算器的功率損耗和體積有著一定的要求，為此，文中采用樹莓PI 輕量級的數據處理平臺作為板載運算器，該處理平臺的特點是體積小、運算能力強、重量輕、損耗低，該平臺的運算僅支持在ANXI-11 硬件平臺上運行，并且所提供的運算服務信號主要來源于自身的數據庫，可以運行一定的視覺算法，滿足對場外環境的實時計算與仿真計算，該算法的運行基于Cortex-20 六核三星處理器，與常規的運算平臺相比，運算速度提升了近10 倍[7-8]。樹莓PI 板載運算器與市面上常見的其他板載運算器的性能對比，如表1所示。

表1 板載運算器性能對比

無人機的傳感器是自然場景抗干擾規劃系統的信息采集裝置，需要在無人機平穩飛行的過程中對自然場外環境的速度、溫度、路徑、氣壓等因素進行采集上傳。文中為了實現更加精準的專業項目測量與信息采集，分別對不同的測量項目安裝不同類型的專業數據傳感器。針對無人機飛行狀態控制，文中應用慣性GPS 傳感器，此傳感器是維持無人機平穩飛行的關鍵因素，可以對無人機的飛行方向和空中的環境因素進行采集上傳，采用多軸技術，利用中央數據處理器對航線數據進行處理，方便無人機的智能平穩飛行[9-11]。針對自然場景的大氣環境，文中應用大氣監測傳感器，對空氣中的污染氣體、大氣壓強等空氣環境因素進行檢測。針對自然場景中的陸地環境，文中采用多探測傳感器，其具有超聲、雷達、紅外、激光等原理的地面仿真傳感功能，能夠利用不同的原理實現傳感數據的精準性、快速性以及廣泛性，多探測傳感器因其功能豐富，所以其內在的芯片電路也較為復雜，多探測傳感器的電路原理圖如圖1所示。

圖1 多探測傳感器的電路原理圖

2 系統軟件設計

文中設計的無人機自然場景抗干擾規劃系統的軟件基本構架如圖2 所示。軟件程序的啟動與運行均在無人機操作平臺的Windows 用戶界面中實現，軟件的實現過程需要依靠4 個單元模塊分別對無人機的不同功能進行控制，單元模塊分別為無人機狀態管理模塊、數據信號管理模塊、自然場景干擾模擬模塊和抗干擾規劃模塊。無人機狀態管理模塊主要負責控制無人機的飛行狀態，并對無人機內的設備運行狀態進行監控，使無人機設備實現精準化的自檢和校準；數據信號管理模塊主要是對傳感器所采集到的數據進行計算處理，將傳感器的數據轉化為圖像模式或數字模式，使工作人員能夠更加直觀地了解自然場景的干擾因素；自然場景干擾模擬模塊主要是模擬自然場景的干擾信息，通過模擬干擾指令產生實際需要的操作信號和干擾信號；抗干擾規劃模塊主要是解決自然環境中存在的干擾因素，具有一定的交互性和智能性[12-13]。

圖2 軟件基本流程圖

運行軟件首先要檢查無人機等設備的運行狀態，對相關設備進行數據測試，執行操作系統的自檢和設備校準功能，確保軟件系統的運行穩定可靠。通過軟件系統對無人機的飛行狀態進行控制，并協調傳感器所傳達的數據形式[14]，判斷傳輸信息是否具有干擾性，在必要的情況下需要啟動自然場景干擾模擬模塊，對信號的傳輸內容進行模擬。再利用無人機的GPS 定位功能對測試環境的位置實時定位，實時傳達監測結果并等待抗干擾指令的接收。

文中的數據處理模塊應用了多目標粒子群算法，可以對同時存在的干擾因素高效率地進行信息處理與規劃。假設外環境中的干擾因素群有n個干擾因子，在無人機探索干擾因子空間過程中，干擾群中的每一個干擾因子都可以認為是無人機探索空間中的干擾因素，設其中的一個干擾因子為i，無人機所標記的干擾因子可以表示為：

根據多目標粒子群中的算法，需要根據相應的目標函數計算出干擾因素所在場外環境中的局部位置，在無人機對干擾因素x識別的過程中不斷更新干擾群的最佳位置。干擾群的最佳位置可以表達為：

在多目標粒子群算法中，粒子具有一定的運動性，粒子與粒子之間可以產生替代，而場外因素也可以具備替代關系，由新型的干擾因素替代原干擾因素，且新型的干擾因素具有一定的遺傳特性，干擾因素的基礎會隨著其他因素的替代而傳遞。干擾因素的替代可以定義為：

式中，c代表新型干擾因素，c1代表原干擾因素，r代表隨機干擾值，o、p分別代表無人機的運算參數值和場外環境的適應參數[15-16]。應用多目標粒子群算法對場外環境的干擾因素識別判斷的具體流程可以歸納為：初始無人機粒子群算法的參數設定，重新制定無人機的飛行范圍和干擾因素的探索范圍，并設定迭代次數對場外環境的位置信息進行有規律性的運算；計算無人機當前飛行區域內的干擾因素值，根據公式不斷地更新干擾因素，同時也需要更新干擾因素群，確定最新狀態下的干擾因素位置，得到運算的適應值；最后通過迭代運算對最終的干擾因素進行判斷識別，傳輸到無人機的控制平臺，對干擾因素數據進行處理和規劃。

3 實驗研究

文中方法研究了基于無人機的自然場景抗干擾規劃系統，能夠較靈活和智能化地實現抗干擾的規劃。文中通過3 種方法（該文方法、電子眼人工排查系統和無線電信息傳輸系統）的對比實驗進行結果比較，驗證該文所研究的系統與傳統系統所具備的靈活性以及智能性。

為了確保實驗過程中不出現因環境因素所導致的偶然性誤差，該實驗在同一實驗環境下進行3 種方法的比較，實驗環境的模擬圖如圖3 所示。

圖3 實驗環境模擬圖

實驗過程中需要對不同系統進行多項目的干擾測試，測試干擾模擬信號源時，需要干擾無人機的通信性能，將干擾信息以一定的射頻輸出，針對不同的方法采用不同的射頻輸出干擾信號。再測試無人機的信道核心功能，選取幾組具有代表性的干擾信號和干擾條件，通過軟件系統的操控設置好干擾信號發射器的發射頻率。最后對無人機操控平臺所接收的場外環境干擾信號分析抗干擾規劃內容。如圖4 所示為操作平臺控制無人機的交互界面。

圖4 操作平臺控制無人機的交互界面

文中首先對3 種系統方法的靈活程度進行比較，在實驗環境中隨機散入5 個干擾因素，利用系統的靈活程度完成對干擾因素的探測與抗干擾規劃。實驗結果如圖5 所示。

圖5 抗干擾性實驗結果對比圖

根據圖中的對比內容可知，文中設計系統的采集干擾因素的效率更好，可以體現出文中系統的靈活性。系統選用Parrot AR Drone 2.0 操作平臺對無人機進行控制，可以小角度地調控無人機的飛行方向，還采用多類型的傳感器對自然場景的干擾因素進行采集與數據上傳。而無線電信息傳輸技術只能在指定的范圍內采集歸納干擾數據；電子眼人工排查方法雖然比無線電信息傳輸技術靈活性高，但是其系統的實現需要耗費一定的人力物力。

文中針對3 種系統的智能性進行比較，結果如圖6 所示。

圖6 智能效果實驗結果對比圖

根據圖6 對比結果可知，文中系統的智能程度更高，采用多目標粒子群算法對干擾因素進行計算，能夠有效排除非干擾因素，達到干擾因素的智能化識別[17-18]。而兩種傳統方法的智能化水平還需要依靠一定的人為因素進一步確認。

4 結束語

自然場景的干擾因素導致人們無法高效率地應用環境資源，對自然場景的抗干擾規劃已經成為了環境規劃領域的重點研究內容。文中基于無人機設計自然場景抗干擾規劃系統，利用無人機機動靈活、智能化程度高的特點解決傳統方法中抗干擾系統智能集成效果差的問題。在未來的研究中要不斷地改進和完善抗干擾系統，以適應各個領域越來越苛刻的社會環境。