针对无人机自主飞行的大气数据冗余容错设计

段 誉，王加刚，孙 磊，蒋冬梅，王玲玲，匡姝静

(1 盐城工学院电气工程学院，江苏 盐城 224001；2 清华大学精密仪器系，北京 100084)

0 引言

当前无人机产业迅速发展并成为市场热点，已广泛应用于各行各业。大气数据机载系统是无人机控制系统的重要组成部分，对其准确性和可靠性的要求越来越高[1]。目前大气数据测量系统存在体积大、精度低、故障率一直偏高等问题，并且无法保证在低空飞行、环境复杂时数据的准确性[2]。当飞行高度或速度出现偏差时，缺少参考标准修正数值，导致无人机定位困难，或定位周期较长。

1952年冯·诺伊曼提出容错思想，即让系统具有自动修复和容错的能力。近年来容错技术迅速发展并应用于航空航天、金融、互联网等多个领域，研究者们也对设备冗余容错进行了深入研究。国内容错理论方面，文献[3]提出惯性导航为主、其他系统为辅的方法进行解析得到冗余信息，但未进行仿真与实际验证；文献[4]针对高度问题提出采用卡尔曼滤波对气压高度计、全球定位系统和线加速度等进行信息融合，并设计了故障检测和隔离算法来对测量信息进行冗余。这些方法都存在一定的局限性，不能达到理想的数据精度。

大气数据系统的飞行高度、速度信息对安全飞行有着重要影响，为保障无人机的安全飞行，对飞行系统的综合化和容错化设计显得尤为重要[5]。文中针对此问题进行了冗余、容错设计，采用气压传感器、惯性传感器、GPS定位传感器等设备进行实时数据测量，基于不同传感器获取的飞行参数，利用航迹推算算法，使得在个别传感器出现故障时还能维持系统正常运行。并且增加了容错卡尔曼滤波，分析各传感器的误差值得到权重系数，最后进行信息数据融合获得最优值，显著提高了容错性，以保证系统的可靠性。

1 总体方案设计

现有的大气数据机载系统采用高精度传感器采集大气数据，从而解算出飞行参数，但在飞行过程中出现的漂移量会影响数据的有效性[6]。为保证在不同环境下飞行系统的稳定性，以大气数据采集系统为主，惯性传感器、全球定位系统(GPS)为辅形成冗余综合系统。采用硬件静态冗余技术，在三个系统中增加表决器，以少数服从多数为原则，即便某个系统发生故障系统也可以正常工作，不仅如此，在设备正常运行时还利用航迹推算算法对丢失数据进行误差补偿与分析，系统还配备自监控的容错卡尔曼滤波设计，通过误差分析分配权重。不仅可以提高系统容错性，还可以实时检测故障部件并对故障部件评估分析后上报。图1为所设计的系统架构框图。

图1 系统架构框图

2 系统冗余技术设计

系统冗余设计的主要目的是实现精确度与性能的折中，能在某一部件故障时还能高精度输出数值，确保飞行系统的安全[7-9]。为实现这一目标，通过设备冗余和数据容错设计，提高了系统的可靠性。

2.1 设备冗余设计

无人机的飞行高度与速度是关键信息，即选取飞行高度处的大气静压、大气动压作为主要输入参数[10]。

由MEMS差压、绝压传感器以及大气数据机载计算机构成主系统，由高精度的惯性传感器和全球定位系统GPS组合并构成辅系统。

GPS在飞行过程中可能受到气候、对流层、空气、电磁波等因素的影响导致信号存在偏差或丢失[11-12]，所以采用气压传感器和惯性传感器作为无人机航迹推算算法的数据支撑。无人机航迹推算算法利用动压传感器的空速及惯性导航提供的角速度、风向风速等数据，可以在短时间内推算出地速及航迹角，从而保证无人机的飞行安全。

地速vk等于风速vf加上空速vx即可得到地速公式：

(1)

式中：φ为风向，由当地气象部门提供；ψ为空速与正北的夹角即真航向，由大气数据机载系统提供。

航迹角除无人机本身的旋转影响外，还有两个额外分量地球自转与着力点到转轴的距离矢量L变化也能引起变化[13]。设定航迹角相对于北向的夹角顺时针为正。

由于地球自转引起的分量为(ωEsinφk-1)Δt，其中ωE为地球旋转速率，可对航迹角进行补偿。

L坐标系相对于地球坐标系的方向变化引起的分量为：

(2)

得到航迹角计算模型：

(3)

为简化系统模型，在GPS信号较好时利用输出的航迹角、气压传感器的空速进行信息融合，反算推出风速、风向、航迹角等并进行卡尔曼滤波修正，提高系统的精度。可以将航迹角表示为：

(4)

2.2 基于设备冗余的数据容错设计

数据冗余设计是将设备与控制器通信协议层面进行冗余设计。自检测CPU接收来自3个传感器组实时传输的数据包，并对数据包进行解析，采取如图2所示的“n判n-1”原则对处理过的飞行参数进行表决。当一设备数据异常时，其余设备正常工作并保证系统正常运行，同时对故障进行报告，以确保关键信息的可靠性。

图2 表决冗余设计示例

为了保证数据通信的可靠性，不仅对数据帧进行校验，还增加了关键数据区的独立校验。

如图3所示：“4B～5A”为读取的数据，“26”为关键数据独立校验位，“C6,E4”为整个数据帧校验，采取的是CRC32对3～28字节之补求和。通过两级校验的设计以保证数据在传输过程中的正确性。

图3 数据帧校验冗余设计

3 基于容错卡尔曼滤波系统设计

卡尔曼滤波可在动态系统中，对系统下一时刻的数据做出预测，即使系统受到外界干扰[14-16]。在无人机高机动飞行时，气流在机体表面发生分离，导致大气数据计算机测量的数据出现严重误差。因此在保证无人机飞行的连续性与可靠性的前提下，设计容错卡尔曼滤波。通过气压传感器、惯性传感器、GPS实时获取无人机的飞行信息，对数据进行误差分析并分配权重，最后信息融合获得最优信息值。数据融合控制结构如图4所示。

图4 数据融合控制结构图

高度、空速的具体测量步骤为：1)各传感器工作，获得原始数据信息；2)计算高度、空速信息估计值与误差值；3)计算主系统与辅助系统的故障系数；4)计算主系统与辅助系统的权重系数；5)根据获得的各传感器系数值，进行信息融合优化得到高度、空速。

为减轻系统的计算量，通过容错卡尔曼滤波得到各传感器的误差，其中GPS的权重计算公式为[17]：

(5)

式中：σGPS，σIMU，σQ分别为GPS、IMU惯性传感器、气压传感器输出误差的方差。

数据融合后输出的最优高度、空速为：

h=wGPSmGPShGPS+wIMUmIMUhIMU+wQmQhQ

(6)

v=wGPSmGPSvGPS+wIMUmIMUvIMU+wQmQvQ

(7)

式中：w为传感器测量反馈的权重；m为各传感器故障系数，若该传感器正常运行则为1，故障为0；v为各个传感器测量的空速；h为测量的高度。当某传感器发生故障时，其故障传感器系数为0，其余两个传感器会根据实时数据重新计算故障系数，最终得到不同传感器的故障系数。

通过对子系统状态的误差分析，采用容错卡尔曼滤波判断故障系统，并对系统结果进行评估分析，可以保证系统处于最佳的运行状态。

4 实验验证

为测试大气数据的性能，对无人机的空速和高度状态进行测试。根据容错卡尔曼滤波反馈的数值，获得GPS传感器、气压传感器、惯性传感器的权重值分别为：wGPS=0.0962，wQ=0.8387，wIMU=0.0651。

图5为各传感器输出的原始数据值分布曲线，从图中可知，原始测量值噪声较大、数据不稳定，且数据传输过程中某些GPS数据出现较大错误。图6是融合后的数据值分布曲线，可以看出，能够精准定位错误值并进行剔除，融合后的数据接近真实值，飞行高度值更加平稳。

图5 传感器高度原始值分布曲线

图6 高度融合数据值分布曲线

为进一步证明融合后的数据精度提高，对大气数据系统、惯性传感器、GPS与实际高度进行误差分析。图7是传感器原始值的误差曲线，可以看出GPS传感器的误差范围最大，并且各传感器数据传输过程中存在一定误差。

图7 原始数据高度误差曲线

图8是融合后的高度误差分析，可以看出滤波后的数据误差小、精度高，能够满足无人机对飞行精度的要求。

图8 融合高度误差

5 结论

综上所述，大气数据系统的可靠性影响着无人机飞行安全，通过有效的设备冗余设计、卡尔曼数据容错设计，大幅度提高了飞行的可靠性。系统配置不同的传感器相互冗余、表决、补偿修正等，可适应恶劣条件下的飞行，满足多种任务需求。该方案的设计使得无人机控制系统成本降低并且有很强的适用性、可靠性和可维护性，为不同的飞行系统实用化提供了理论支撑。