風力發電機葉片無人機檢查路徑規劃技術研究

楊洵宗

（蘇州熱工研究院有限公司，江蘇 蘇州 215000）

1 前言

多旋翼無人機結構簡單，具備較好的懸停性能，且具有一定的負載能力，可以垂直起降，對場地要求小，被廣泛運用于電力巡檢、測繪等場合。

20世紀90年代以后，MEMS技術開始成熟，多旋翼無人機采用MEMS器件作為傳感器，經過微處理器處理后發出電機控制信號控制電機產生升力和扭力，以達到控制飛機的目的。早期的MEMS陀螺儀通常是單軸的，來自法國的一個開源項目KK飛控用三個陀螺儀互成90°夾角的方式組合成一個三軸陀螺儀來測量飛行器在三維空間內的角速度，只要控制三個軸的角速度就能保持四旋翼飛行器的穩定。隨著能夠測量三軸角速度的MEMS傳感器與MEMS加速度傳感器的誕生，利用特定算法結合陀螺儀和加速度傳感器測量到的數據，就可以計算出飛行器此時相對于水平面的姿態，從而實現自穩控制。2006年在德國誕生了Mikrokopter開源飛控。2013年，3DR聯合蘇黎世聯邦工業學院（ETH）發布了新一代的開源飛控Pixhawk，其傳感器采用了雙冗余度方案，即雙份陀螺儀，雙份加速度計。

目前開源飛控的主要算法都是基于PID的調節器，對于擾動有一定的抑制能力，且對于各種飛行場景具有廣泛的適應能力，但這種廣泛的適應能力是以犧牲特定場景下性能為代價的。本文針對風力發電機葉片巡檢的特殊場景，提出了一種基于前饋的改進型控制算法，能夠有效縮短無人機抗風響應時間，提升其打點巡檢飛行性能，在此基礎上，設計了一種基于無人機運動模型與巡檢工作要求的自動路徑規劃方法。

2 研究背景

2.1 六旋翼無人機運動控制

本文討論目標為工業領域常用的X型六旋翼無人機，其俯視圖結構如圖1所示。

圖1 六旋翼無人機俯視示意圖

六旋翼無人機可簡化視為由六個獨立的電機和一個剛體組成。按照Pixhawk開源飛控標準固件定義其電機驅動軸：在常規工況下奇數序號軸順時針旋轉，偶數序號軸逆時針旋轉，各槳葉對機架剛體產生的水平轉矩方向和旋轉方向相反。

取六旋翼前方為x軸正方向，右側為y軸正方向，上側為z軸正方向。設六軸各自所產生垂直升力分別為F1、F2、F3、F4、F5、F6，總升力為F，水平扭力和垂直升力呈近似線性關系，線性比例系數為k，則六個軸對機架產生的水平轉矩分別為kF1、kF2、kF3、kF4、kF5、kF6，已知為了保持扭力平衡，在無人機靜止時，相對的槳葉旋轉方向相反。

設無人機繞x軸方向轉矩為Mx，y軸方向轉矩為My，z軸方向轉矩為MZ，無人機臂長為d，則可以得到四個控制自由變量，分別為：

由上可知，六旋翼無人機驅動自由度數量和四旋翼一樣為四個，可以直接在上述四個自由度上產生動力，實現三軸角度移動和垂直位移移動，但是在水平移動方向兩個自由度上無法直接產生驅動力，因而其模型為欠驅動模型。水平兩軸的位移移動需要依靠姿態間接控制實現。

六旋翼無人機的位移量和速度主要依靠GNSS外部位置源提供，加速度和姿態信息則依靠MEMS器件獲取。針對無人機定點飛行場景，傳統開源飛控算法通過高精度GNSS獲取位置源信息，取得位置偏差，求得期望速度，隨后和無人機實際空速對比，取得速度差，經過PID后取得需要的加速度，隨后再取得加速度差，求得期望角度后取得角度差，通過控制電機出力差，使得無人機達到目標角度，完成控制過程。

2.2 風力發電機葉片無人機自動巡檢技術

風力發電機葉片自動巡檢無人機需能夠根據自身性能參數、飛行特性和不同風力發電機外形輪廓等約束條件，自主計算合理巡檢飛行路徑，使機載圖像采集裝置所采集圖像能夠完整穩定地覆蓋風力發電機葉片前、后緣迎風面與背風面受檢區域，并合理規劃飛行停留拍攝點，對風場的特殊情況（如陣風干擾等）能及時做出反饋，并對偏差進行修正，保證飛行路線與風力發電機本體不產生干涉，從而實現針對常見風力發電機的動態自主導航與循跡自動葉片檢查，并給出受檢風力發電機各葉片整體與局部檢查圖像。

風力發電機葉片巡檢無人機路線主要由多個巡檢圖像采集點組成，考慮續航時間、巡檢效率等因素，需要無人機具備完成連續打點飛行能力，雖然點與點之間的飛行軌跡較為簡單，但巡檢過程中存在強風、風向突變等干擾因素。多旋翼無人機采用多螺旋槳升力協同調節的方式對飛行器進行控制，其模型為欠驅動模型，六軸中水平位移的兩軸缺乏驅動力，因此對水平方向的位移輸入抵抗力相對較弱，在上述干擾因素影響下，雖然依靠多旋翼之間的升力調節很大程度上能保證無人機不傾覆，但存在被吹離相對位置的可能性，進而在巡檢過程中偏離預定軌跡、點位甚至發生事故。因此需要針對風力發電機葉片巡檢的特殊場景改進控制算法，依據先驗條件，提升巡檢效率并加強無人機抗擾響應能力。

3 方法設計

3.1 基于前饋的無人機控制改進

前饋控制系統是根據擾動或給定值的變化按補償原理來工作的控制系統，其特點是當擾動產生后，被控變量還未變化以前，根據擾動作用的大小進行控制，以補償擾動作用對被控變量的影響。當前饋系統運行良好時，由于其利用了系統本身的特性，而不依賴于反饋后的偏差的變化，因此具有反應迅速和準確的特點，甚至可以將偏差扼殺在萌芽狀態從而提高系統的穩定性。

前饋控制系統的設計需要對系統運動特性有整體認識。本文中的風力發電機葉片巡檢模型大部分路徑均為直線段，無人機整體在運動過程中視為剛體，并能一定程度上視為質點，因此整個路徑理想飛行過程可以歸納為勻加速運動、勻速運動與勻減速運動三個過程。

在采用傳統PID調節時，由于節點間初始距離較遠，在比例調節與死區限制作用下，系統給出的期望速度會接近最大速度。此時無人機剛完成了上個節點拍攝，速度為0，因而在比例調節與死區限制作用下，期望加速度也會達到最大加速度。在無人機速度接近最大速度時，在PID控制器作用下，加速度會逐漸降低，相較勻加速運動花費更長時間達到勻速飛行。同樣的，在減速運動過程中，減速的期望加速度比理想情況下更小，相較勻減速運動花費更長時間達到懸停狀態，整體巡檢效率較低。

鑒于傳統PID調節存在的不足之處，在巡檢飛行場景下，無人機控制算法改進點在于：根據節點間路徑長度，直接預先計算好期望的加速度，在運動過程起始階段即對無人機直接采用加速度反饋控制。當無人機在一定程度上接近目標點時，再采用基于位置反饋的控制。針對垂直分量運動，利用已知簡單運動及無人機垂直方向具有直接驅動力的特性，進行基于加速度的前饋控制，能有效避開接近控制目標時的PID減速效應。由于風力對飛行器的水平作用也表現為產生一橫向加速度，在水平方向上也能利用加速度的前饋達到迅速對抗風力的效果。與垂直方向先驗數據不同，水平方向風力呈現出相對隨機的特性，因此需要對風力對進行預估。根據風場分布理論，可以認為在相對時間和空間內風隨機規律不變，因此大量樣本情況下風力隨機波動變化量服從正態分布。基于這一先驗假設，在軌跡垂直和懸停自穩上，采用卡爾曼濾波的方法，獲取局部短時間內隨機風力對無人機加速度的影響，并且直接采用加速度反饋的方式進行補償，減少了不必要的調整控制，提高了響應速度。

3.2 基于無人機運動模型與巡檢工作要求的路徑規劃方法設計

3.2.1 巡檢路徑規劃設計背景與指標

多旋翼無人機具有飛行靈活的特點，其轉彎半徑幾乎為零，可以執行近乎苛刻的巡檢線路并隨時在需要拍攝的位置保持懸停，大部分巡檢任務可以直接解算出計劃點進行巡檢飛行，但其在飛行過程中也具有一定慣量，且多旋翼無人機續航普遍不長，多次啟停會浪費電力，因此科學地優化巡檢線路有很大意義。此外，考慮到工業應用場景的特殊性，對生產環境和人員的保護也需要考慮在內，因此本文結合實際提出了風力發電機巡檢無人機的三個指標：

（1）巡檢線路的安全性。安全是一切生產活動需要滿足的首要條件。無人機巡檢規劃路徑的安全性包括如下兩個方面：第一是無人機自身的安全，無人機需要在飛行過程中保持姿態平穩，不發生姿態異常墜機，不與障礙物碰撞墜機，不因為電池耗盡墜機等；第二是被巡檢目標和周圍人員的安全，保證無人機在巡檢時不因為機身失控或者在外力影響下對被巡檢目標和操作人員造成傷害。第二個安全是重中之重，必要時，遇到緊急情況需要犧牲無人機本身來確保第二個安全，尤其是人員的安全。（2）巡檢線路的可行性。雖然多旋翼無人機能進行各類常規機動，在三維空間內自由飛行，但是仍然要注意通過性，尤其是窄縫、小洞等場景。即使理論上通過性滿足要求，依靠無人機自身位置控制系統控制精度能否留有余量地飛行，都需要進行考慮。（3）巡檢線路的高效性。無人機在進行風機葉片巡檢時，需要高效地完成巡檢任務，總的來說包含了路徑本身的高效性，即飛機飛完整個路徑完成巡檢任務的時間需要最短以及電池的高效性，即避免因為高機動最終造成電池電量下降過快，以至于頻繁更換電池影響巡檢效率。

風機巡檢無人機路徑規劃主要用于在已知三維空間內找到一條合適的路徑，并且代入合適的飛行參數和約束條件，使其能被飛行控制電腦執行，其主要包括如下三個方面：空間、約束和目標。空間是指無人機在風力發電機葉片巡檢中所經歷的物理空間；約束是指飛行過程中必須滿足的條件，包括但不僅限于障礙物和姿態約束；目標是指飛行過程中需要巡檢的目標結構，即巡檢對象的細分。

風機葉片巡檢無人機需要在滿足飛行約束條件前提下先通過所有解算出的拍攝點，不出現漏檢，盡量降低不必要的重復拍攝率。在規劃過程中，飛行控制參數需要合理，以提高無人機飛行的三個指標。無人機自主巡檢路徑規劃需要首先對整個空間進行約束，并且對其進行數字化處理，其次對空間中的各種約束進行確認，進行完這兩步已經可以進行最簡單的巡檢任務，并根據原始軌跡存在的問題對路徑和執行過程的控制參數進行進一步優化。最后，結合原始軌跡和優化參數，生成一組最終的巡檢策略，并轉化為合適的指令。

針對風力發電機葉片巡檢路徑規劃場景，系統需根據已知的風機外形，結合起飛點距離參數等信息，并且添加相對約束后輸入解算程序，生成出期望的路徑以及路徑上必須經過且完成拍攝的節點，在多條相對平直的路徑之間根據障礙物約束等條件生成不帶必須通過點的過渡路徑，并且在每一段路徑中都提供一個優化過的飛行控制參數。

3.2.2 巡檢路徑規劃設計原理

首先將整個巡檢軌跡分為n段，則有n+1個目標點需要飛行到，pi為該路徑第i段的長度值，將起飛點作為飛行任務的基準點。則目標函數如下所示：

其中h為額外的損失函數，實際應用過程中需選擇具體的懲罰函數及參數，總體原理是考慮長度之外的其他不利因素，并將其量化。在本文應用中，需要求目標函數f的最小值。

損失函數總共包括三部分，分別是軌跡光滑性、和障礙物的交互關系及與參考線的偏差程度（橫向誤差、速度誤差、朝向角誤差等）。

總損失值：

軌跡光滑性：

和障礙物關系：

與參考線偏差程度：

對以上損失函數使用動態規劃求解得到初始路徑：

添加約束條件進行二次規劃，滿足無人機巡檢路徑安全性、高效性的需求：

4 結語

風力發電機葉片無人機巡檢的特定工況要求系統科學規劃檢查路徑，因此必須根據設計指標要求對巡檢路徑添加約束條件，在滿足飛行約束條件前提下再進行效率優化。本文提出了基于損失函數開展飛行路徑動態規劃求解的方法，并提出了基于先驗條件的前饋控制優化改進，在運動前段采用了基于加速度反饋控制方法，同時保留了基于位置的反饋用于確定制動起始點，以避免由于縱向風力擾動造成的速度偏差影響位置的準確度，在位置環利用卡爾曼濾波，針對服從近似正態分布的風力擾動進行前饋補償的控制，可以減少PID增益。

本文的主要改進思想是利用額外信息進行前饋控制，在不影響穩定性的情況下提高響應速度，即物理模型越準確，額外信息越豐富，取得的效果越好。基于風擾動的控制最好的信息反饋是直接風力反饋，為了計算出風力相對影響，對于離散數據采用一維卡爾曼濾波的方式。通過讀取平穩狀態下加速度計數據并組成更新數組，對數組進行卡爾曼濾波，同時對隨機方差進行調整，以調整數據的平滑程度。如果方差過大會過于平滑會使數據偏離風的預定值，如果方差過小數據波動太大，效果不佳且容易引起抖動。

在本文基礎上如果加上風場擾動仿真，構筑包含風力發電機模型與外部環境擾動的Gazebo世界，建立無人機模擬飛行測試環境，可以開展基于加速度反饋的模擬前饋控制測試，即先離線設計路徑供無人機循跡，驗證巡檢路徑規劃設計優越性，后在線生成路徑，驗證路徑規劃方法的運算效率合理可行，以開展后續設備調試工作。