馬 蓉

(航空工業(yè)西安飛行自動控制研究所 飛行器控制一體化技術國家重點實驗室，西安 710076)

0 引言

目前，無人機在軍用及民用領域的應用呈井噴式增長，可以預見，未來的空域環(huán)境趨于復雜化。面對日趨復雜的空域環(huán)境，無人機的自主能力等級將極大地影響平臺的生存概率及執(zhí)行任務種類的數(shù)目。 例如無人機以較低的高度在城市或者森林中穿梭時，需要具備較強的自主規(guī)避能力，航路規(guī)劃與跟蹤方法即為其關鍵技術之一。

無人機航路規(guī)劃的目的是根據(jù)任務要求、環(huán)境特征和飛行平臺的動力學約束條件規(guī)劃出一條有效的航路[1]。目前主流的航路規(guī)劃方法可以分為三類：以A*為代表[2]的基于幾何模型搜索的方法、以人工勢場法[3]為代表的虛擬勢場方法，以及近幾年興起的基于人工智能的方法包括蟻群算法[4-5]、遺傳算法[6]、粒子群算法[7]等。其中A*算法應用較為普及，其在二維平面內(nèi)可靠性高、運算速度快，應用于無人車與地面機器人效果較好，但是面對三維空間時，該算法的計算量成倍增長，因而無法保證實時性[8]。人工勢場的規(guī)劃方法的實時性較高，但是該算法難以結(jié)合運動體的運動學和動力學微分約束，因而無法約束無人機在沿所規(guī)劃航路快速飛行時的偏差，不能保證無人機不與障礙物發(fā)生碰撞[9]?；谌斯ぶ悄艿姆椒ㄍ瑯哟嬖谟嬎懔看?、運行時間長的問題[10]。無人機在復雜并且存在動態(tài)障礙物的環(huán)境中飛行時，對航路規(guī)劃及跟蹤方法具有較高的實時性與可靠性要求，因此亟需一種能夠快速規(guī)劃路徑并精確跟蹤的方法。

本文的航路規(guī)劃算法以快速擴展隨機樹 (Rapidly-exploring Random Tree，RRT)算法[11]為基礎，較其他方法在實時性和處理環(huán)境不確定性方面具有較強優(yōu)勢。由于算法規(guī)劃出的航路對于具有較多動力學約束條件的無人機無法直接使用，需要對其進行二次優(yōu)化，效率較低。本文采取了一種對RRT算法的規(guī)劃節(jié)點進行動力學約束的方法，該方法在航路規(guī)劃的過程中即對航路點進行動力學約束，無需二次優(yōu)化，提高了算法的實時性。同時，由于RRT算法是一種全局規(guī)劃算法，面對動態(tài)的任務場景時，需要不停地更新整條航路，不僅增加了計算負荷而且不利于航路跟蹤的穩(wěn)定性。本文設計了局部航路動態(tài)優(yōu)化策略來提高算法效率。此外，為了提高航路跟蹤的準確性，在航路跟蹤控制律中加入了姿態(tài)控制指令，對傳統(tǒng)的跟蹤控制方法進行了改進。

最后，本文通過自主避障飛行演示驗證試驗，證明了該算法的有效性。

1 無人機航路規(guī)劃與跟蹤方法設計

1.1 經(jīng)典RRT算法

RRT算法是一種基于隨機采樣的樹結(jié)構(gòu)搜索算法[11]，以狀態(tài)空間中給定的起點xinitial出發(fā)，通過在狀態(tài)空間中隨機采樣引導搜索樹生長。當樹的節(jié)點進入目標區(qū)域χgoal時算法結(jié)束，然后回溯到根節(jié)點即可得到所規(guī)劃航路。算法流程如算法2所示。

算法2 RRT算法

1.2 基于改進RRT算法的無人機航路規(guī)劃方法設計

在結(jié)合改進的RRT算法進行航路規(guī)劃時，規(guī)劃出的航路為每單位步長規(guī)劃一個航路點，航路點既需位于無碰撞區(qū)域，又要滿足無人機的動力學約束[12]。本文以固定翼無人機為主要研究對象，對其航路規(guī)劃算法進行設計。

如果已知轉(zhuǎn)彎時地速的水平分量，則轉(zhuǎn)彎的構(gòu)造如下

(1)

其中，Rmin為固定翼無人機的最小轉(zhuǎn)彎半徑，VH為轉(zhuǎn)彎時地速的水平分量，φmax為最大滾轉(zhuǎn)角。

Δφ=dφ*Tstep

(2)

其中，dφ為偏航角速率，Tstep為規(guī)劃時間步長。c為pi-1到pi的弦長，由于c值較小，所以c≈l=VH*Tstep。

三維環(huán)境中的航路規(guī)劃，還需考慮無人機的縱向運動軌跡，與橫側(cè)向動力學約束條件類似，需對俯仰角變化率進行約束，以免失速[13]。

如圖1所示，三維空間中，已知當前位置信息為pi-1，俯仰角和航向角分別為θ0和φ0。

圖1 三維空間固定翼無人機動力學約束Fig.1 The scheme of dynamic restriction for fixed-wing UAVs in 3D space

設定固定翼無人機在其動力學約束條件下可飛速度向量有9個，得到pi，表示如下

(3)

(4)

(5)

(6)

(7)

仿真結(jié)果如圖2所示。

圖2 固定翼無人機航路規(guī)劃仿真結(jié)果Fig.2 The simulation result of path planning for fixed-wing UAVs

由圖2可以看出，本文算法規(guī)劃出的航路既能夠避開障礙區(qū)域又滿足固定翼無人機的動力學約束。

1.3 局部航路動態(tài)優(yōu)化策略

RRT航路規(guī)劃方法是一種全局規(guī)劃算法，在動態(tài)環(huán)境中，為了保持實時性，需要每一拍都計算新的航路(圖3)，導致航路點不停變化，不利于進行航路跟蹤，而且計算機負擔過重[14]。

圖3 動態(tài)環(huán)境下的航路重規(guī)劃Fig.3 Path re-planning in dynamic environment

為了使航路保持穩(wěn)定以及減少計算負荷，本文采取了局部航路動態(tài)優(yōu)化策略，即首先檢查上一拍規(guī)劃出的航路是否依舊可行，計算每個航路點是否處于安全區(qū)域。如果可行，保留原有航路并繼續(xù)跟蹤；如果有航點處于碰撞區(qū)，即重規(guī)劃該航路點及其之后的航點并更新航路。如未能重規(guī)劃成功，說明該航點脫離上一個航點的規(guī)劃約束范圍，追溯回之前的航點進行重規(guī)劃，直至規(guī)劃出新的可行航路。

1.4 航路跟蹤控制律設計

為實現(xiàn)快速準確的航路跟蹤，本文設計了航路跟蹤控制律模塊[15]。航路規(guī)劃算法規(guī)劃出的每個航路點包含信息有[position_nyaw_nroll_n],其中position_n為航路點位置信息，yaw_n為航向角信息，roll_n為滾轉(zhuǎn)角指令信息，如圖4所示。

圖4 航路跟蹤控制律結(jié)構(gòu)Fig.4 Trajectory tracking control law

由試驗可知，在無規(guī)劃的滾轉(zhuǎn)角指令輸入時，直接由側(cè)向偏離的控制律跟蹤航路點的坐標位置不能很好地跟蹤航路。

如圖5(a)所示，紅色軌跡為規(guī)劃航路點，藍色軌跡為實際飛行航路。其原因是側(cè)向糾偏控制律需要在誤差已產(chǎn)生的情況下才能進行糾偏，所以跟蹤航路存在一定延遲。增加了滾轉(zhuǎn)角指令輸入后，跟蹤控制律能夠較好地跟蹤規(guī)劃航路。由試驗數(shù)據(jù)，如圖5(b)可知，其側(cè)偏距跟蹤誤差可以保持在2.5m以內(nèi)，能夠滿足本試驗中對小型固定翼無人機避障的安全性要求。

(a)無滾轉(zhuǎn)指令輸入的跟蹤結(jié)果

(b)加入滾轉(zhuǎn)指令輸入的跟蹤結(jié)果圖5 航路跟蹤仿真結(jié)果Fig.5 Simulation results of trajectory tracking

2 基于兩種無人機平臺的試飛驗證

2.1 試飛平臺搭建

為了驗證本文提出的航路規(guī)劃方法對不同的無人機平臺及環(huán)境均具有良好的適用性。本文搭建了2款小型無人機驗證平臺，分別為固定翼和四旋翼，如圖6所示。

(a)小型固定翼無人機平臺

(b)旋翼無人機平臺圖6 試飛驗證平臺Fig.6 Platforms for flight tests

2款無人機平臺均配置了用于環(huán)境感知的傳感器。其中固定翼無人機配置了Hokuyo激光雷達傳感器，探測距離為30m，精度為0.03m；小型旋翼無人機配置了同款激光雷達及單目視覺傳感器，單目視覺傳感器為激光雷達獲得的環(huán)境信息進行補充，主要為環(huán)境中的紋理信息。利用環(huán)境感知傳感器，無人機平臺在飛行的過程中，可獲得環(huán)境中的障礙物信息并進行環(huán)境建模，為無人機實現(xiàn)自主避障奠定基礎。

2.2 試飛結(jié)果與分析

基于固定翼平臺的自主避障飛行試驗中，2m翼展小型固定翼無人機搭載激光雷達全自動飛行，飛行速度為8m/s，如圖7所示。

圖7 基于固定翼無人機的自主避障視頻截圖Fig.7 Obstacle avoidance by fixed-wing UAV

固定翼無人機自動起飛后盤旋一周對準跑道，以4m相對高度低空通場，依靠機載激光雷達感知跑道上樹立的2個10m高充氣立柱，先后完成2次在線運動規(guī)劃與航路跟蹤，成功繞開障礙物。

由圖8可以看出，航路跟蹤側(cè)偏距小于2.5m，滿足精度要求。

圖8 航跡跟蹤側(cè)偏距Fig.8 Lateral deviation of trajectory tracking

基于四旋翼平臺的自主避障飛行試驗中，旋翼無人機巡航速度2m/s，需要在樹林中執(zhí)行任務，對無人機的自主避障性能具有更高要求，如圖9所示。無人機在飛行至規(guī)定的目標點的過程中，順利完成自主避障，跟蹤誤差不超過0.3m，滿足小型旋翼無人機自主避障需求。

圖9 基于四旋翼平臺的自主避障視頻截圖Fig.9 Obstacle avoidance by quadrotors UAV

本文根據(jù)不同步長，對算法的規(guī)劃用時進行了測試，每個步長下測試10次，取平均用時和最長用時。 由表1可知，規(guī)劃時間隨著規(guī)劃步長減少，但是由于規(guī)劃步長過大會導致規(guī)劃出的航路點越過障礙物，因此，需要根據(jù)任務場景中障礙物的具體情況，設定合適的規(guī)劃步長。

表1 規(guī)劃時間步長與規(guī)劃時間Tab.1 Planning time step and planning time

對于固定翼無人機平臺，規(guī)劃時長應小于無人機到達下一個航路點的時長，否則即使航路規(guī)劃成功也無法進行航路跟蹤。演示驗證中，選取了0.3s規(guī)劃時間步長，最長規(guī)劃用時符合規(guī)劃時長要求，滿足自主航路規(guī)劃的實時性要求。

3 結(jié)論

本文針對無人機復雜任務場景中自主航路規(guī)劃能力的需求，對經(jīng)典RRT算法進行了改進。對規(guī)劃航路點進行了無人機飛行動力學約束，無需二次優(yōu)化航路，提高了算法在三維空間航路規(guī)劃的實時性。設計了局部航路動態(tài)優(yōu)化策略，減少了算法在動態(tài)場景中的計算負荷，并且使航路點趨于穩(wěn)定。針對傳統(tǒng)的航路跟蹤控制律避障時跟蹤誤差較大的問題，通過將規(guī)劃算法得出的姿態(tài)指令引入姿態(tài)控制回路的方式，提高了航路跟蹤控制精度。利用固定翼和旋翼兩種無人機平臺在多種任務場景下的試飛驗證，證明了本文提出的自主航路規(guī)劃方法在工程應用中的可行性與有效性，說明了該航路規(guī)劃方法能夠有效提高無人機的自主能力。

由于無人機在自主規(guī)避的過程中，需要準確的環(huán)境模型，本文目前采用的環(huán)境模型較為簡單，不適用于更復雜的環(huán)境。在后續(xù)的研究中，將會側(cè)重于環(huán)境感知與建模方面的研究，以提升無人機自主規(guī)避技術在復雜環(huán)境中應用的效果。